--- title: "memory.wiki — Founder Sprint / US Track 미팅 준비" url: https://memory.wiki/B8k1in4- updated: 2026-06-04T06:58:05.725Z hub: https://memory.wiki/hub/raymindai concept_count: 12 source: "mcp" --- # memory.wiki — Founder Sprint / US Track 미팅 준비 ## TL;DR **memory.wiki — Personal knowledge layer for the AI era**.*URL delivery infrastructure for cross-AI workflows. 모든 doc이 markdown + AI-generated knowledge graph로 fetch.* - Capture: MCP server + Chrome ext + QuickLook이 1차 entry. 나머지 4개 channel (Mac app, VSCode extension, iOS app, Android app)은 retention/expansion 레이어 - Organize: background AI가 자동으로 themes/insights/concept ontology/cross-doc edges 추출 - Use: URL 한 줄을 어느 AI에 붙여넣어도 본문 + analytical graph 가 함께 fetch - Cross-AI (Claude, ChatGPT, Gemini)100% benchmark 검증 완료, 6월말 9-surface 동시 public 런치 - 솔로 + Claude Code pair, self-funded, 3개월 metric collection 중 seed raise 계획 --- ## 1. 회사 및 제품 소개 ### 우선 ,이건 notes app이 아니다. memory.wiki는 **infrastructure 카테고리**다. Notes app (Notion, Obsidian, Roam) 도, vendor memory (ChatGPT memory, Claude Projects) 도, agent memory store (mem0, Letta) 도 아니다. 세 카테고리가 풀지 못하는 한 가지 : **여러 AI에 동일 페이로드를 동시 배달하는 URL primitive** — 가 memory.wiki다. Notion이 노트 앱이면, memory.wiki는 노트 앱이 publish한 URL을 모든 AI가 같은 방식으로 fetch하게 만드는 layer다. Stripe가 결제 layer이듯, memory.wiki는 cross-AI knowledge delivery layer. ### Why now (2026이 unique window) 4가지가 동시에 정렬된 첫 해. 1. **AI 도구 fragmentation의 정점**: Claude / ChatGPT / Cursor / Codex / Gemini 등. 여러개의 AI를 동시에 쓰는 dev가 표준 2. **Per-project context 패턴의 표준화**: AGENTS.md (Sourcegraph), .cursorrules (Cursor), CLAUDE.md (Anthropic). 매 코드베이스마다 AI-readable context 파일이 default. 이 파일들이 흩어지고 산재됨 3. **Graph RAG의 mainstream화**: Microsoft GraphRAG, LlamaIndex KnowledgeGraph. RAG가 raw chunks → graph 기반으로 옮겨가는 중. memory.wiki는 graph 자체를 URL payload로 ship 4. **MCP protocol 합의**: 2024 말 Anthropic 정의, 2025년 Cursor / Windsurf / Codex 채택. 모든 AI 클라이언트가 같은 protocol로 외부 데이터 read·write 가능 5년 전엔 problem space 자체가 없었고, 5년 후엔 vendor 중 하나가 cross-AI URL standard를 자기 게 만들 수 있음. 그 window 안에 third-party neutral layer로 자리잡는 게 timing. ### 현재 어떤 문제를 해결하고 있는가 **AI를 쓰는 사람의 지식은 capture / organize / use 세 단계 모두에서 끊어진다.** - **Capture가 흩어진다** — ChatGPT memory, Claude Projects, Cursor rules에 갇히거나, 노트앱에 raw markdown으로 따로 쌓임. single home 없음 - **Organize는 사용자 책임** — 노트앱은 분류·연결을 사용자에게 맡김. AI 도구는 자기 제품 안 데이터만 organize - **Use 단계에서 raw text로만 운반** — 다른 AI에 가져갈 때 복사·붙여넣기. AI는 같은 분석을 매 세션 처음부터 다시 **memory.wiki는 이 세 단계를 하나의 URL primitive로 통합한다.** Capture는 7 surface 중 어디서나 한 동작 → 영구 URL. Organize는 background AI 자동. Use는 그 URL을 어느 AI에 붙여넣어도 본문 + AI-generated graph가 페이로드로 fetch. ### Architecture: 7 surface는 sprawl이 아니라 focus 7 surface는 **역할이 분리된 funnel** 이지, 균등 분산이 아님: | 역할 | Surface | 왜 | | --- | --- | --- | | **Entry point (첫 100명 모음)** | **MCP server** | Cursor/Claude Code/Windsurf/Codex가 직접 read·write. AI 워크플로우 lock-in. dev 헤비 유저 첫 접점 | | **Entry point (daily capture habit)** | **Chrome extension** | AI 대화 / X 포스트 / 웹 페이지 / 이미지 — 모든 캡처 동작이 1 클릭. 데일리 사용 빈도 가장 높음 | | **Passive discovery (dogfood + brand)** | **QuickLook** | Mac에서 .md 파일을 finder preview로 열면 memory.wiki 렌더링. 모든 dev가 .md 파일 본 적 있음 → 무한 브랜드 노출 | | Retention layer | VS Code ext, Desktop DMG | 헤비 유저가 editor에서 직접 publish/edit | | Expansion layer | iOS / Android native | mobile capture, share extension. v9 시점 본격화 | | Power tool | CLI | dev workflow에 pipe-friendly, infra-style 사용 | **첫 100명은 entry point 3개 (MCP + Chrome + QuickLook) 에서만 가져옴.** 나머지 4개는 retention + expansion 레이어. 분산이 아님. ### 제품 형태: Capture → Organize → Use #### Capture — 마찰 0초 | Surface | 무엇을 캡처 | | --- | --- | | MCP server | 28 tools — Claude Code / Cursor / Windsurf / Codex가 직접 호출 | | Chrome ext | AI 대화 (ChatGPT / Claude / Gemini) per-message / X & Threads 포스트 / 웹 페이지 / 이미지 / 선택 텍스트 / AI intent transform | | iOS / Android | Share extension, 모바일 캡처 | | Desktop (Mac DMG) | 파일 드롭, 클립보드, QuickLook 통합 | | VS Code ext | 에디터 직접 publish, AI 코드 컨텍스트 sync | | Web | 직접 작성, URL import, GitHub import | | CLI | mw publish / capture / login, pipe-friendly | 캡처 즉시 영구 URL. 로그인 없어도 anonymous URL. AI intent ("5문장으로 요약해서 저장") 한 줄로 transform까지 한 단계에. #### Organize — Background AI가 knowledge graph 생성 3계층 URL: **Doc** / **Bundle** / **Hub**. Background AI (Claude Haiku) 가 write-time에: - 매 doc마다 themes / insights / key takeaways / open questions / concept ontology 추출 → 캐시 - Bundle은 cross-doc graph (theme 클러스터, doc 간 connection edge + relationship label) - Hub-wide concept_index - Backlinks 그래프 (`[[wikilinks]]`) - Hybrid BM25 + vector RRF search **Compact 모드**: 페이로드 5\~9배 압축, cross-AI 100% 정확도 유지. #### Use — AI가 받는 것은 본문이 아니라 graph + 본문 `https://memory.wiki/{id}` 가 AI에게 실제로 반환하는 구조 (Doc): ```markdown # {Title} > by **{author}** · {date} · memory.wiki ## Summary {AI 생성 1~3문장 요약} ## Themes - ... ## Key takeaways - ... ## Insights - ... ## Open questions / gaps - ... ## Concepts in this document - **Concept Name** _(type)_ — description ## Concept relations - **A** depends-on → **B** - **C** contrasts-with → **D** ## Bundles containing this document - [Bundle Title](https://memory.wiki/b/...) --- {원본 markdown 본문} ``` Bundle URL은 cross-document insights + notable connections + bundle-scope concept sub-graph 추가. Hub URL은 concept-clustered summary + hub-wide ontology 추가. **왜 결정적인가**: 1. **AI가 RAG 안 해도 됨** — 그래프가 이미 페이로드에 있어서 retrieval/chunking/re-ranking 안 거치고 바로 추론 2. **분석 surface 우선 배치** — Summary/Themes/Insights가 본문 앞 → LLM attention anchored 3. **Concept ontology + 관계 라벨이 explicit triple** — AI가 추론에 직접 사용 4. **Cross-doc edges가 explicit** — bundle 안 doc 간 connection 이 labeled edge → multi-doc 질문 정확 ### Cross-AI 검증 (open evaluation) | 모드 | Familiar hub | Unseen hub | Tool use | | --- | --- | --- | --- | | Paste, full corpus | 100% | 100% | 100% | | Paste, compact (5\~9x 압축) | 100% | 100% | 100% | | Browse (AI가 URL fetch) | 98% | 100% | 100% | | Adversarial refusal | 100% | not run | 100% | > **Unseen hub** 컬럼이 핵심. AI 학습 데이터에 없는 hub에서도 100%. memorisation 아니라 실제 URL delivery contract가 작동한다는 증거. ### Moat (우선순위) 1. **Data network effect**: Public hub URL이 외부 AI에 의해 fetch / 인용되면서 검색 결과·다른 AI 추천에 노출. 사용자 N명이 publish할수록 indexed corpus 누적 → 새 user 유입. Notion/Obsidian은 vault 가둠 → 이 loop 없음 2. **Cross-AI 포지션 (정치적)**: AI 회사는 자기 제품 안 메모리만 만들 수 있음. neutral URL layer는 vendor가 정치적으로 만들 수 없음 3. **Graph-in-payload (기술적)**: 카피 가능하지만 그 사이 #1 moat가 강화됨 4. **Scope composition (Doc/Bundle/Hub)** — per-project context workflow에 정확히 fit ### 주요 고객 (ICP narrowing) **1차 wedge: Cursor / Claude Code 헤비 유저 중 다중 프로젝트 보유자.** 이유: - 매 프로젝트마다 AGENTS.md/.cursorrules/README context 정리 마찰 매일 경험 - dev tools 결제 습관 (Cursor $20/mo, Linear, Raycast Pro) - 트위터/HN 콘텐츠 공유 demographic → viral loop fit 확장: 솔로 빌더 / 1인 크리에이터 → 소규모 dev team (v9) --- ## 2. 현재 사업 현황 ### 팀 / Founder **솔로 파운더 1명 + Claude Code pair programming.** - Hyunsang Cho — raymind.ai 운영 - **PLACEHOLDER (본인 채울 것)**: 이전 경력·도메인 인사이트 1-2줄. e.g. "10년 풀스택 dev tools 빌더 / 전 X사 founding engineer / 디자인+엔지니어링 hybrid background" - markdown rendering engine 직접 빌드 경험 (mdcore.ai/org/md, Rust→WASM) - 1인 + AI pair로 7 channel 동시 ship - design + brand + 풀스택 + dev tools UX 직접 결정 **Unfair advantage**: 7-surface 동시 ship을 1인이 할 수 있는 capacity 자체가 희소. AI pair-programming workflow의 본인이 가장 헤비한 dogfood 사용자. ### Default alive math **Self-funded.** Outside capital 0. 솔로 + 클라우드 비용 (Vercel + Supabase + AI API) 외 burn 거의 없음. - 6월 2026: soft launch (June 16 HN Show HN 준비 완료) - 6-8월: 3-month metric collection window (capture / retention / conversion 측정) - 9월 이후: 데이터 기반 seed raise 시작 Personal runway: 현재 burn 수준에서는 무기한 자가운영 가능. funding은 **growth 가속용**이지 survival용이 아님 ### Recently shipped (last 2 weeks — founder velocity 증거) what did you ship last week - chrome-ext: X long-tweet 본문 추출 + URL-only 트윗의 link card article 자동 fetch (offscreen Readability) - chrome-ext: SPA hang 방어 (25s timeout + content-script try/catch) — pre-launch 안정화 - chrome-ext: intent chip click bug 수정 (drag handler가 click 막던 race), AI cascade progress stages, server-side Recent mirror - editor: 사이드바 shift-range 시각 순서 일치 (mdsSortMode 기준 mirror) - editor: 사이드바 Refresh 버튼 full server resync (title/draft/shared/folder 모든 필드) - settings: Key Color "Default" 라벨이 실제 ink 토큰 값과 일치 (Lime 잔재 제거) - LinkedIn per-post capture 작업 → 안정성 부족으로 v2.6.0에서 drop 결정 → X+Threads만 ship **평균 ship 속도 — 매 1-2일마다 product-level commit. Solo + AI pair execution 신호.** ### Traction | 지표 | 현재 | 8월 launch 목표 | | --- | --- | --- | | Beta 사용자 | | | | Chrome ext install | | | | VS Code ext install | | | | MCP server npm downloads | | | | GitHub stars | | | | X follower | | | | Waitlist | | | | Captures / active user / week | | | **검증된 것**: 7-surface 동시 ship 가능 / Cross-AI benchmark 100% / 자가 monetize 가능한 dev tools 포지션 / 솔로 default alive **미검증 (US Track에서 풀고 싶은 것)**: 첫 100 US paying user channel / Pro pricing 가격 탄력성 / Team 워크스페이스 demand ### Pricing 가설 **Launch 후 최대 3개월 (6-8월) 무료** — soft launch 동안은 capture/retention 데이터 우선. 9월부터 conversion 측정 시작하며 단계적 paywall 도입. | 플랜 | 가격 | 축 | 도입 시점 | | --- | --- | --- | --- | | Free | $0 | 무제한 public docs, 모든 native app | 6월 soft launch | | Pro | $12 / mo (가설) | private docs, 권한 관리, custom domain, MCP write | 9-10월 도입 | | Pro+ | $25 / mo (가설) | bundle/hub 무제한 AI re-analysis | 11월 이후 | | Team | $25 / seat / mo | 워크스페이스, real-time collab, SSO | v9 (2027) | 근거: Cursor $20/mo, Linear $8/seat/mo, Notion $10/seat/mo 와 동급 범위. dev tools $10-25 sweet spot. 베타 사용자 grandfather (Pro 가격 frozen). ### TAM math - Cursor: 2025 active users 600K+ (paid 50K+) - Claude Code + Windsurf + Codex + Aider 합쳐 dev IDE-AI 사용자 1M+ (2026) - 그 중 cross-AI 사용자 30-50% → **300-500K target user** - Pro $12 × 5% conversion = 15-25K paying = **$2.2-3.6M ARR (Year 1 ceiling)** - 2027년 Team plan 확장 시 $25 × 평균 5 seat × small biz → **$50M+ ARR 가시권** --- ## 3. 미국 진출 계획 ### 왜 미국이 primary 처음부터 미국이 primary. 한국 시장 약함이 fallback 이유가 아니라, 미국 dev 워크플로우가 우리 wedge에 정확히 fit. 1. **AI 도구 헤비 유저 base가 미국 중심** — Cursor / Claude Code / Anthropic / OpenAI 모두 미국 dev가 1차 2. **per-project context 패턴 (AGENTS.md, .cursorrules) 이 미국 dev 워크플로우에 정착** 3. **dev tools $10-25 pricing 수용도가 미국이 높음** — Cursor / Linear / Raycast 결제 습관 4. **HN / dev Twitter / Cursor Discord 가 영어권에서만 효율적** 한국은 ChatGPT 단일 의존도 높음 → cross-AI 메시지가 약함. v9 이후 일본 / 영어권 외 확장 검토. ### GTM funnel (3 entry surface 집중) **Stage 1: 첫 100 (6-8월 2026)** - **MCP server**: Claude Code / Cursor / Windsurf / Codex Discord 직접 공유. npm package 자연 발견. 28 tool spec을 dev twitter에 공개 - **Chrome extension**: HN Show HN 메인 hero. AI 대화 캡처 + X 포스트 캡처 + AI intent transform 데모 영상 - **QuickLook**: Mac DMG 다운로드 가능. 모든 .md 파일이 memory.wiki 렌더링으로 열림 → passive brand 노출 - 이외 4개 채널은 retention/expansion용으로 자연 발견 의존 - 목표: free signup 1000, paid 100, **MRR $1.5K** **Stage 2: 100 → 1000 (10-12월 2026)** - Public hub URL이 외부 AI에 의해 fetch / 인용 → 검색 결과 노출 (data network effect 첫 신호 측정) - Pro free trial → paid conversion A/B test - Pricing 가설 검증 (Pro $12 vs $15 vs $20) - 목표: free signup 10K, paid 1000, **MRR $15K** **Stage 3: 1000 → 10000 (2027 Q1-Q2)** - Team 플랜 출시 (v9) - Dev tools brand cross-promo (Linear / Raycast / Warp 동료 제품) - 목표: **MRR $100K+** ### 현재 미국 관련 활동 - 제품 자체 영어 first (UI / docs / store listings 전부) - Chrome Web Store / VS Code Marketplace 글로벌 노출 - HN Show HN 준비 (6월 launch 동시) - X 에서 AI 빌더 커뮤니티 빌딩 (**PLACEHOLDER**: 현재 follower 수) - 영어 도메인 (memory.wiki) 확보 --- ## 4. Risks + US Track에서 원하는 것 ### 가장 큰 risk (정직하게) **Risk 1 — OpenAI가 ChatGPT URL share에 RAG payload 붙이면**?이미 부분 발생 중 (chatgpt.com/share/{id}). 우리 답: vendor가 자기 URL에 cross-AI 페이로드를 붙이는 일은 **정치적으로 불가능**. OpenAI URL을 Claude나 Cursor가 자기 fetch하도록 보장할 vendor는 없음. 그 cross-vendor neutrality는 third-party만 가능. 우리는 이미 MCP standard 위에 application layer로 자리잡음. **Risk 2 — Notion / Obsidian이 cross-AI publish 기능 추가하면**?그들의 비즈니스 모델은 vault 가둠. cross-vendor publish는 retention 모델을 깨는 일 → 우선순위 낮음. 추가하더라도 background AI organize layer는 추가 R&D 6-12개월. **Risk 3 — 솔로 founder churn 위험**핵심 risk. 해결책: 6-8월 soft launch traction 신호 확인 후 US-based GTM / sales co-founder 영입 priority. **PLACEHOLDER (본인 채울 것)**: 채용 계획 / co-founder 영입 시점 가설 **Risk 4 — Tar pit perception ("그냥 notes app 아냐?"**)가장 빠른 fail mode. 카운터: TL;DR 첫 줄에서 infrastructure 카테고리 명시 + "URL primitive / delivery layer / Stripe-for-cross-AI" 비유로 reframe. 1-on-1 데모에선 30초 안에 "URL을 다른 AI에 붙여보세요" 라이브 시연. **Risk 5 — Distribution failure**9-surface가 각자 organic discovery 채널 (Chrome Store / VS Code Marketplace / npm / HN / X). 단일 채널 의존 risk 낮음. 그래도 첫 100 paying user 채널 검증은 안 끝남. ### US Track / Founder Sprint에서 원하는 것 (3개로 압축) 1. **첫 100 US paying user 채널** — HN, Cursor / Claude Code Discord, dev Twitter 영문 인플루언서 introduction 2. **Pricing 가설 검증 멘토십** — SaaS dev tools pricing 경험자 1:1 (Cursor / Linear / Raycast pricing 결정 과정) 3. **US-based co-founder 후보 네트워크** — solo risk 해결을 위해 GTM 또는 sales co-founder 후보 introduction (dev tools / AI infra 분야 경험자) --- > *이 문서 자체가 memory.wiki로 publish된 URL입니다. ChatGPT, Claude, Cursor에 붙여넣으면 본문뿐 아니라 위에 설명한 themes / insights / concepts / relations 블록이 함께 fetch됩니다. 그게 memory.wiki가 하는 일입니다.* --- ## Summary memory.wiki is an infrastructure layer that enables any AI tool (Claude, ChatGPT, Cursor, etc.) to fetch the same document payload via a single URL, combining the document text with an AI-generated knowledge graph. The product allows developers to capture knowledge from multiple sources, automatically organize it with background AI analysis, and share it across different AI platforms seamlessly. ## Themes - Cross-AI knowledge delivery infrastructure - Unified capture-organize-use workflow - URL as primitive for AI interoperability ## Key takeaways - memory.wiki ships AI-generated knowledge graphs as part of URL payloads, not raw markdown, enabling any AI to fetch context without RAG or retrieval steps. - The first 100 users must come from three entry points only (MCP server, Chrome extension, QuickLook), while four other surfaces serve retention and expansion roles. - Cross-AI validation shows 100% accuracy on unseen hubs even in 5-9x compressed mode, demonstrating actual URL delivery contract rather than training data memorization. - The founding team is one solitary developer plus Claude Code pair programming, with no external funding and self-sustained burn. - Pricing hypothesis targets Pro at 12 dollars per month, positioning at parity with Cursor (20 dollars) and Linear (8 per seat), aiming for 5 percent conversion to 15-25K paying users generating 2.2-3.6M ARR by year one. - US is primary market because Cursor, Claude Code, and dev tools pricing adoption are centered there, not because Korean market is a fallback. ## Insights - The moat depends on data network effects from public hub URLs being fetched by external AIs, not on technology alone, since the graph-in-payload approach is copyable. - Solitary founder execution across 7 simultaneous surfaces (MCP, Chrome, VS Code, Mac, iOS, Android, CLI) is presented as both unfair advantage and primary risk vector. - The product deliberately positions itself outside three existing categories (notes apps, vendor memory, agent stores) to claim infrastructure status rather than compete for app users. ## Open questions / gaps - What are the specific current traction numbers for beta users, Chrome extension installs, GitHub stars, and weekly captures per active user across the placeholder metrics. - How does the document define the co-founder or early hire profile beyond GTM/sales, and what is the actual hiring timeline if soft launch metrics validate the concept. - What specific introduction channels or leverage points exist with Cursor Discord, Claude Code community, or dev Twitter influencers to reach the first 100 paying US users. ## Concepts in this document - **memory.wiki** _(entity)_ The core product platform managing knowledge capture and AI-assisted workflows. - **Knowledge Management** _(tag)_ Overarching domain of personal and organizational information systems - **Chrome Extension** _(entity)_ Browser capture tool for one-click knowledge saving - **Claude** _(entity)_ Anthropic's AI assistant, key target for cross-AI compatibility - **ChatGPT** _(entity)_ OpenAI's AI assistant, primary competitor and integration target - **Capture-Organize-Use Framework** _(concept)_ Strategic framework for knowledge workflow with AI-powered organization - **AI Integration** _(tag)_ Technical capability to work seamlessly with multiple AI platforms - **Product Strategy** _(tag)_ Strategic planning and positioning for sustainable growth - **URL Primitives** _(concept)_ Three-tier architecture of Documents, Bundles, and Hubs as deployable URLs - **Markdown Publishing** _(tag)_ Core technical approach using markdown as universal format - **MCP Protocol** _(entity)_ Anthropic's Model Context Protocol enabling AI tool integration - **Indispensability Loop** _(concept)_ Product strategy to become essential by reducing re-explanation across AIs ## Concept relations (within this doc's concepts) - **memory.wiki** targets platform **Claude** - **memory.wiki** targets platform **ChatGPT** - **Chrome Extension** captures to **memory.wiki** - **Claude** loads context from **memory.wiki** - **memory.wiki** implements via **URL Primitives** - **memory.wiki** implements through **URL Primitives** - **memory.wiki** implements **Capture-Organize-Use Framework** - **Capture-Organize-Use Framework** drives metric **Indispensability Loop** - **memory.wiki** is built on **URL Primitives** - **Capture-Organize-Use Framework** drives product strategy **memory.wiki** - **memory.wiki** is structured by **URL Primitives** - **memory.wiki** instantiates **Capture-Organize-Use Framework** - **AI Integration** targets **Claude** - **AI Integration** targets **ChatGPT** - **Capture-Organize-Use Framework** enables through workflow **Indispensability Loop** _Hub canonical:_ https://memory.wiki/hub/raymindai _Concept digest:_ https://memory.wiki/raw/hub/raymindai?digest=1&compact=1