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 카테고리다. 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:

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

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):

markdownCopy
# {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)

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 가속용이지 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

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.

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 위험핵심 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 failure9-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.