나의 개인 AI 활용 시스템 구축하기

연구, 학습, 개발을 위한 실용적인 AI 아키텍처
Published

March 12, 2026

ENKO

Motivation

AI 도구는 강력하지만, 각각 따로 쓰기 시작하면 금방 엉망이 된다.

보통 이런 흐름이다:

ChatGPT Perplexity NotebookLM Drive 반복

시간이 지나면:

  • 컨텍스트가 끊기고
  • 지식이 여러 곳에 흩어지고
  • AI 간 전환이 번거로워지고
  • 장기 작업 구조가 사라진다

문제는 AI 성능이 아니다.

문제는 “구조(Architecture)”가 없다는 것이다.

Goal

여러 AI 도구를 따로 쓰는 것이 아니라 하나의 시스템처럼 작동하게 만드는 것

이 시스템은 다음을 지원해야 한다:

  • 대학 수업 학습
  • 연구 자료 관리
  • 문서 작성
  • 프로젝트 개발
  • 장기적인 지식 축적

핵심은 “이론”이 아니라

실제로 돌아가는 구조

Key Idea

각 도구에 역할을 명확히 부여한다.

검색        → Perplexity
논문 저장   → Zotero
문서 분석   → NotebookLM
정리        → Gemini
설계        → Claude
구현        → ChatGPT / Codex
코드 상태   → GitHub
기억        → Google Drive
제어        → gws CLI

각 도구는 “잘하는 것 하나만” 맡는다.

Philosophy

  1. AI는 사고를 보조할 뿐, 대체하지 않는다
  2. AI는 인지 도구다
  3. 완벽한 시스템보다, 돌아가는 시스템이 중요하다

Practical Constraints

현재 AI 워크플로우는 아직 미성숙하다.

  • 표준이 없다
  • 도구가 파편화되어 있다
  • 초기 설정 비용이 크다

그리고 가장 큰 문제:

일보다 시스템 구축에 더 시간을 쓰게 될 수도 있다

이 아키텍처는 이 문제를 피하기 위해 설계되었다.

Core Architecture

이 시스템은 하나의 아이디어로 정리된다:

Google Drive = 공유 메모리
Gemini CLI = 메모리 관리자 (사서)

Architecture Overview

이 구조는 “순차 파이프라인”이 아니라 입력 → 메모리 → 소비 → 출력 구조다.

Diagram

How It Works

1. 입력 → Gemini

모든 파일은 Gemini를 거친다.

  • 강의 자료
  • PDF
  • 노트
  • 문서

Gemini가:

  • 읽고
  • 이름 바꾸고
  • 분류하고
  • 위치 배치하고
  • 컨텍스트 업데이트

2. Google Drive = 메모리

Drive에는 다음이 저장된다:

  • 문서
  • 강의 자료
  • 프로젝트 자료
  • AI 컨텍스트

이게 없으면: 매번 처음부터 시작

3. AI들이 메모리를 사용

지식 계층

  • NotebookLM → 문서 분석
  • Perplexity → 검색
  • Zotero → 논문 원본 저장 (핵심 저장소)

실행 계층

  • Claude → 구조 설계
  • ChatGPT / Codex → 구현
  • Claude Code → repo 작업

4. 출력 → 시스템으로 복귀

  • 결과물 → Google Drive
  • 코드 → GitHub

Minimal Setup

이 시스템은 전부 필요 없다.

최소 구성

Google Drive
Gemini CLI
gws CLI

이걸로 이미 가능:

  • 파일 정리
  • 컨텍스트 유지
  • 반복 가능한 작업

선택 도구

Perplexity → 검색
NotebookLM → 분석
Claude → 사고/설계
ChatGPT / Codex → 구현
GitHub → 코드
Zotero → 논문

필요한 것만 추가하면 된다.

핵심

도구보다 구조가 중요하다

Google Drive 폴더 구조

AI_OS/
├── University/
├── Projects/
└── Librarian/

Librarian (전역 컨텍스트)

Librarian/
    architecture.md
    routing.md
    decisions.md

역할:

  • 전체 구조 정의
  • AI 라우팅 규칙
  • 설계 의사결정

librarian_memory (로컬 컨텍스트)

각 과목/프로젝트마다 존재:

librarian_memory/

기본 파일

current_task.md
brief.md
handoff.md

current_task.md

현재 작업 상태

현재:
Exercise B

다음:
귀납법 복습

마감:
3월 16일

brief.md

핵심 정보

과목: CAS2101
중간: 4월 21일
기말: 6월 16일

handoff.md

AI 간 컨텍스트 전달

완료:
1~3

남음:
4~5

메모:
증명 구조 중요

핵심 의미

이게 없으면: 매번 리셋

이게 있으면: 지속적인 AI 협업 가능

🔒 Librarian Control Policy (매우 중요)

다음 폴더는 AI가 관리한다:

Librarian/
*/librarian_memory/

규칙

직접 수정하지 말 것

대신

"current_task.md 업데이트해줘"

이유

이건 단순 파일이 아니라: 시스템 메모리

원칙

사용자 = 의도
Gemini = 메모리 관리

Gemini = 사서

Gemini 역할:

  • 파일 정리
  • 이름 변경
  • 위치 분류
  • 컨텍스트 관리
  • 요약
  • 일정 추출

사용 시나리오

1. 강의자료 자동 정리

다운로드 Gemini 자동 정리 + 컨텍스트 업데이트

2. 프로젝트 관리

코드 → GitHub
문서 → Drive (Gemini 관리)

3. 연구 흐름

Perplexity Zotero NotebookLM Claude

Zotero = 원본 저장소

4. AI 간 컨텍스트 공유

librarian_memory/

모든 AI가 읽음

5. 일정 자동화

문서 Gemini 캘린더 반영

확장성과 유연성

이 시스템은 결합도가 낮다.

교체 가능 NotebookLM → 다른 분석 도구 Claude → 다른 모델 Perplexity → 다른 검색

컨텍스트 이동 가능

Drive + markdown 파일

핵심

도구는 바뀌어도 컨텍스트는 유지된다

MCP (Model Context Protocol)

이 구조는 MCP와도 호환된다.

가능한 것:

  • AI 간 컨텍스트 공유
  • 외부 시스템 연동
  • 표준화된 인터페이스

Quick Start

1. 폴더 생성
2. librarian_memory 생성
3. Gemini CLI 설치
4. 테스트 실행

환경 설정 가이드

계정

Google
GitHub
OpenAI
Anthropic
Perplexity

👉 Google 통합 추천

개발 환경

Git
VS Code
Node / Python
Terminal

핵심 통합

gcloud CLI
gws CLI
Gemini CLI
Google Drive

원칙

그대로 따라하지 말고 본인 환경에 맞게 조정할 것

시스템 커스터마이징

이 시스템은 그대로 복제하는 게 아니다.

방법

이 글이나 레포를 AI에게 던진다
→ 내 환경에 맞게 수정하라고 한다

예시

"Mac 환경에 맞게 바꿔줘"
"최소 구성으로 줄여줘"
"Docker 기반으로 만들어줘"

핵심

혼자 구축하지 말고 AI를 활용해라

Conclusion

AI 도구는 따로 쓰면 혼란을 만든다.

이 시스템은 그것을:

구조화된 작업 환경으로 바꾼다

결과:

  • 컨텍스트 유지
  • 지식 정리
  • 작업 흐름 최적화

Repository

ai-utilization-system