---
title: "내가 memory.wiki를 만드는 이유"
url: https://memory.wiki/fz45GXXj
updated: 2026-05-21T02:49:51.771Z
source: "chrome"
---
# 내가 memory.wiki를 만드는 이유

memory.wiki를 5개월에 걸쳐 build했습니다. 대부분 야간과 주말. 그리고 풀타임으로 전환했습니다.

이게 그 이유입니다.

## 문제는 memory가 아닙니다. Delivery입니다.

매일 수백만 명이 ChatGPT, Claude, Gemini, Cursor에 자신의 사고를 쏟아붓습니다. 어려운 질문을 합니다. 정말로 유용한 답변을 받습니다 — 전략, 코드, 프레임워크, 전문가들이 수십 년에 걸쳐 개발한 통찰들.

그리고 탭을 닫습니다.

그 답변은 사라집니다. 문자 그대로는 아닙니다 — 어딘가의 채팅 기록에 남아있지만, 다시 검색하지 않습니다. 기능적으로는 사라진 겁니다. 찾을 수 없고, 지난주의 통찰과 연결할 수 없고, 내일의 대화에 다시 ship할 수 없습니다.

다음 날, 비슷한 질문을 합니다. 같은 컨텍스트를 다시 paste합니다. 내가 누구인지, 무엇을 하고 있는지, 이미 무엇을 결정했는지를 다시 설명합니다. 비슷한 답변을 받습니다. 다시 탭을 닫습니다.

업계는 이걸 "AI memory 문제"라고 부릅니다. 이를 공격하는 스타트업들 — Mem0, Letta, ChatGPT Memory — 모두 같은 것을 build합니다: LLM이 query해서 당신을 기억하는 memory store.

그게 실제 문제가 아닙니다.

진짜 문제는 **당신의 지식이 어떤 AI도 읽을 수 있는 곳에 살지 않는다**는 것입니다.

지식이 Notion에 살 수 있습니다 (단 AI는 인증 없이 fetch 못 함). Google Docs에 살 수 있습니다 (같은 문제). 로컬 파일에 살 수 있습니다 (AI가 보지 못함). ChatGPT Memory에 살 수 있습니다 (단 ChatGPT만 읽을 수 있음). 각 container가 닫혀있습니다.

또 다른 memory store가 필요한 게 아닙니다. **당신의 지식이 URL로 살아서, 어떤 AI든 읽을 수 있고, 편집하면 업데이트되고, 문서뿐만 아니라 그들 사이의 관계까지 담는 곳**이 필요합니다.

그게 memory.wiki입니다.

## 단 하나의 아이디어

memory.wiki URL은 어떤 AI든 사용할 수 있는 API입니다.

`memory.wiki/<id>`를 ChatGPT에 paste하면, LLM이 fetch하고 깔끔한 markdown을 받습니다. `memory.wiki/b/<id>` (bundle)을 paste하면 LLM이 그 bundle 안의 docs가 어떻게 관련되어 있는지 pre-built map을 받습니다. `memory.wiki/hub/<slug>` (전체 hub)를 paste하면 LLM이 당신의 thinking의 shape를 받습니다 — 모든 concept, 모든 relation, 모든 bundle, AI가 읽기 좋게 organize된 채로.

설치할 앱 없음. 통합할 SDK 없음. 배울 format 없음. HTTPS 위의 markdown, 세 개의 nested scope, URL을 hit할 수 있는 어떤 LLM이든 ready.

그게 product의 전부입니다. 모든 feature는 이 URL들을 더 유용하게 만들기 위해 존재합니다.

## 세 단계: 수집, 소화, 활용

memory.wiki에는 세 layer가 있습니다. 단순한 workflow로 매핑됩니다.

**당신이 수집합니다.** Markdown은 어디서든 옵니다 — ChatGPT의 Chrome 확장, VS Code, 터미널, Mac 클립보드, 웹 편집기. 각 수집은 Document URL이 됩니다. 살아있고, 편집 가능하고, address 가능합니다.

**시스템이 소화합니다.** LLM이 저장한 모든 doc에서 concept을 추출하면서 당신의 개인 ontology를 build합니다. Docs를 함께 bundle하면 다른 LLM이 set 전체를 분석합니다 — themes, insights, 아이디어 사이의 edges. Embeddings가 semantic 검색을 power합니다. Concept index가 모든 bundle을 가로질러 자라면서, 당신이 어떻게 생각하는지의 graph가 누적됩니다.

**당신이 활용합니다.** 세 URL scope — Doc, Bundle, Hub — 각각 목적에 맞게 tuned. Compact response는 full body 대신 AI가 build한 graph와 link를 ship해서, LLM이 \~95% 적은 토큰으로 map을 받습니다. Full response는 필요할 때 모든 것을 inline. 26-tool MCP server는 에이전트가 hub 안에 살면서 semantic 검색하고 write back할 수 있게 합니다.

그게 loop입니다. 한 번 수집, 시스템이 organize, 어디든 deliver.

## 그래프가 product입니다

대부분의 지식 도구는 docs를 저장합니다. memory.wiki는 docs *와* 그들 사이의 graph를 저장합니다.

doc을 저장할 때마다, LLM이 concept을 추출하고 태그합니다. Docs를 bundle할 때마다, 다른 LLM이 themes를 찾고 edges를 그립니다. 모든 bundle을 가로지른 모든 concept이 당신의 개인 ontology로 누적됩니다 — typed relations, weights, cross-references.

Bundle canvas가 이 graph를 보여줍니다. `/galaxy`의 galaxy view가 같은 graph를 zoom out해서 보여줍니다. Hub URL이 같은 graph를 LLM이 읽기 위한 markdown으로 ship합니다. MCP server가 같은 graph를 26개의 다른 tool을 통해 query합니다.

**모든 memory.wiki surface는 같은 underlying graph의 다른 reader입니다. 그래프가 product입니다.**

이게 lock-in mechanism이고, 정직하게 말합니다. 당신의 markdown은 언제든 export 가능합니다 — plain text, 당신의 property. 하지만 몇 달 동안 누적된 graph — concept 가중치, cross-bundle relations, semantic embeddings — 는 다른 곳에서 reconstruct하기 어렵습니다. memory.wiki를 오래 사용할수록, 당신의 지식이 더 큰 shape를 가집니다.

어떤 도구는 exit을 닫아서 moat을 build합니다. memory.wiki는 open해서 — 머무는 게 떠나는 것보다 그냥 더 쉬워서 — moat을 build합니다.

## Mem0, Notion, LLM Wiki는 어때요?

memory.wiki가 무엇이고 무엇이 아닌지 정직하게 말하겠습니다.

**memory.wiki는 Mem0가 아닙니다.** Mem0는 당신의 대화에서 memory를 자동으로 추출합니다. 당신이 curate하지 않습니다; LLM이 무엇이 중요한지 결정합니다. 합리적인 design입니다. 단 다른 질문에 답할 뿐입니다. Mem0는 묻습니다: "AI가 당신에 대해 무엇을 기억해야 하는가?" memory.wiki는 묻습니다: "당신은 무엇을 AI에 deploy하고 싶은가?" 둘 다 자리가 있습니다. 함께 작동할 수도 있습니다.

**memory.wiki는 Karpathy의 LLM Wiki가 아닙니다.** Karpathy의 LLM Wiki 패턴은 훌륭합니다 — local docs, LLM-compiled wiki, retrieval을 위한 organize, Obsidian에 거주. memory.wiki는 클라우드 기반, 인간-AI 협업, delivery를 위한 organize. LLM Wiki는 하나의 unified knowledge base. memory.wiki는 doc + bundle + hub — 당신이 compose하는 세 scope. 둘 다 사용 가능합니다: 로컬 query를 위한 LLM Wiki, cross-AI deployment를 위한 memory.wiki. 통합은 roadmap에 있습니다.

**memory.wiki는 Notion이나 Google Docs가 아닙니다.** Notion은 closed workspace입니다. Notion AI는 Notion 안에서 작동합니다. Google Docs는 인증 없이 AI에 닫혀있습니다. memory.wiki는 어떤 AI든 fetch할 수 있는 open URL입니다. 당신의 지식이 누군가의 앱에 갇혀있지 않습니다.

**memory.wiki는 ChatGPT Memory가 아닙니다.** ChatGPT는 ChatGPT 안에서 당신에 대해 기억합니다. memory.wiki는 당신의 지식, ChatGPT, Claude, Cursor에 deploy 가능 — URL을 paste할 수 있는 어디든.

memory.wiki는 추출과 저장 사이의 layer입니다. **당신의 지식 그래프, AI와 함께 build, AI에 deploy, 당신이 소유.**

## 왜 지금인가

이게 중요한 좁은 창이 있습니다.

지난 2년간, 모든 AI 회사가 자신의 벽 안에 closed memory를 build해왔습니다. ChatGPT Memory. Google Memory Bank. SDK 안의 추출-memory 스타트업들. 각자 자신의 product 안에서 당신의 지식을 소유하려고 합니다.

또 다른 2년 후, 둘 중 하나가 진실이 될 것입니다. Closed system이 이기고, 당신의 지식은 당신이 사용하는 어떤 AI 안에 살게 됩니다 — 그들이 소유하고, 그들의 API로만 query 가능. 또는 open standard가 등장하고 — 어떤 AI든 fetch할 수 있는 markdown URL, vendor를 가로질러 휴대하는 지식, 당신이 통제하는 format.

저는 두 번째 결과를 더 가능하게 만들기 위해 memory.wiki를 build하고 있습니다.

이게 HTTP가 문서에 대해 한 같은 베팅입니다. HTTP가 이긴 건 누가 선언해서가 아닙니다. Primitive가 옳았고 대안들이 더 나빴기 때문에 이겼습니다.

마크다운 URL이 AI memory의 그것이 될 수 있습니다. Plain text. 보편적으로 읽기 가능. AI-native. Bundle과 hub로 composable. Format은 이미 모든 LLM이 사용 중. Transport는 이미 모든 브라우저가 사용 중. 우리는 그저 그들을 layer로 조립하면 됩니다.

그 layer가 memory.wiki입니다.

## 지금까지 build한 것

약 5개월 — 대부분 풀타임 전환 전 야간과 주말 — 동안 ship한 것:

- Web 앱 (mdfy.app, 곧 memory.wiki)와 WYSIWYG markdown 편집, 세 URL scope (Doc, Bundle, Hub)

- ChatGPT, Claude, Gemini에서 한 번 클릭 capture를 위한 Chrome 확장

- Marketplace의 VS Code 확장

- macOS 데스크톱 앱 (signed, notarized)

- npm의 CLI

- npm의 MCP server, 26 tools — MCP를 말하는 어떤 host (Claude Desktop, Cursor, Cline, Windsurf)든 full hub를 native AI 도구로 받음

- macOS QuickLook 플러그인

- Real-time 협업 편집 (Supabase Realtime 위의 Yjs CRDT)

- 모든 doc save에 concept AI 자동 추출

- 모든 bundle에 graph AI 분석 (themes, insights, typed edges)

- Semantic 검색을 위한 doc / chunk / bundle 단위 embeddings

- `/galaxy`에 concept index를 라이브로 렌더링하는 galaxy 시각화

- Three-provider AI failover (Anthropic, OpenAI, Gemini)

- 모든 viewer, embed, channel을 가로지르는 unified renderer

이걸 빠르게 ship할 수 있었던 건 primitive — 마크다운 URL — 가 옳기 때문입니다. 모든 surface가 compose합니다. 모든 surface가 같은 graph를 다른 form으로 ship합니다.

그게 memory.wiki의 현재 위치입니다. 인프라는 build됐습니다. 다음 4개월은 각 단계 — 수집, 소화, 활용 — 를 significantly 강하게 만드는 것에 관한 것입니다.

## 다음 16주

**수집 강화.** 어떤 iOS 앱이든 hub로 보낼 수 있는 iOS Share Sheet. Chrome 확장의 AI 대화 auto-suggest — 확장이 당신의 ChatGPT/Claude session을 지켜보다가 흥미로운 답변을 save할지 제안, 당신이 결정. 뉴스레터를 hub로 보내는 Email forward. 결국에는 모바일에서 voice capture.

**소화 강화.** AI bundle 생성 — 자연어로 무엇을 bundle하고 싶은지 설명하면, LLM이 hub를 검색하고, bundle 초안을 만들고, 당신이 검토하고 저장. Question-driven exploration — hub에 질문하면 citation과 함께 답변. Cross-bundle 자동 linking — concept이 bundle을 가로지를 때, 시스템이 연결을 surface.

**활용 강화.** Direct LLM platform 통합 — ChatGPT용 Custom GPT, Claude Desktop용 한 클릭 MCP 설정, Cursor용 cursor rules. memory.wiki 안에 임베드된 chat, hub를 자동 컨텍스트로. 사람들이 Substack feed를 공유하는 방식으로 당신의 thinking shape를 공유하는 public hub. Claude, GPT, Cursor에 대해 URL payload를 tune하는 AI 특화 format adapters.

Launch는 2026년 8월 말입니다. memory.wiki bundle이 사용하는 open format인 Bundle Spec은 같은 주에 RFC로 GitHub에 공개됩니다. 어떤 도구든 구현할 수 있습니다.

## 다섯 가지 믿음

모든 product 결정 뒤에는 믿음이 있습니다. 이게 제 믿음입니다.

**1. 마크다운은 AI 시대 지식의 올바른 primitive다.** Notion 블록이 아니라. 독점 format이 아니라. Plain 마크다운 — LLM이 native로 말하는 것, 인간이 직접 읽는 것, 모든 도구가 생성할 수 있는 것. 지금 지식을 잡으려 싸우는 모든 도구를 살아남을 것.

**2. URL은 올바른 인터페이스다.** SDK가 아니라. Vendor lock-in이 아니라. URL은 가능한 가장 단순한 delivery mechanism입니다 — paste 가능, fetch 가능, 어떤 브라우저든 어떤 인간이든 어떤 AI든 열 수 있는. 가장 단순한 인터페이스가 가장 오래갑니다.

**3. 그래프가 product다.** Docs 저장만으론 충분하지 않습니다. Docs 사이의 관계 — concepts, themes, typed edges — 가 knowledge base를 navigable하게 만드는 것입니다. Graph를 자동으로 build하고, 모든 URL response에 ship.

**4. Retrieval이 아니라 delivery가 새 layer다.** 대부분의 memory 스타트업은 retrieval system을 build했습니다 — store를 query, chunks를 return. memory.wiki는 delivery를 build합니다 — graph를 pre-organize하고 URL에 ship. 어떤 AI든 구조를 상속합니다. 그게 AI 회사들이 쉽게 복제할 수 없는 layer입니다.

**5. 기본은 open이다.** Bundle Spec은 공개됩니다. mdfy core engine은 open-source 역사가 있습니다. Self-hosting이 가능할 것입니다. 신뢰는 사용자가 자신의 데이터와 함께, 다른 도구가 읽을 수 있는 format으로 떠날 수 있어야 합니다. 처음부터 그것을 위해 build합니다.

## 열린 초대

여기까지 읽으셨다면, 아마 이 중 하나에 관심이 있을 겁니다: AI memory, 지식 그래프, open standard, primitive로서의 마크다운, 또는 당신을 가두지 않는 indie 도구.

여기 제가 부탁하는 것입니다.

**매일 AI를 사용한다면**, mdfy.app에서 memory.wiki를 시도해보세요 (이름 변경 예정). Chrome 확장 설치. 좋은 답변 몇 개 capture. Bundle로 묶기. Bundle URL을 다음 AI 대화에 paste. 무엇이 변하는지 보세요.

**AI 에이전트나 AI-native 도구를 build한다면**, MCP server를 보세요 — 26 tools, embeddings layer, graph queries. 당신의 product에 memory layer가 필요하다면, memory.wiki가 옳을 수도 있고, 아닐 수도 있고 — 어느 쪽이든 듣고 싶습니다.

**Open standard에 관심이 있다면**, Bundle Spec이 launch 전에 RFC로 옵니다. Ship되기 전에 피드백을 원합니다. 채택되는 버전은 제가 혼자 쓸 버전보다 나을 것입니다.

**Karpathy 스타일로 LLM Wiki를 build했다면**, memory.wiki는 당신이 가진 것을 보완하기 위한 것입니다. Query를 위한 local wiki, delivery를 위한 cloud hub. 통합이 어떻게 보일지 알려주세요.

**AI 플랫폼에서 일한다면** — Anthropic, OpenAI, Cursor, Cognition, Continue — default 통합에 대해 이야기하고 싶습니다. Vision은 어떤 LLM이든 "memory.wiki 연결" 옵션을 제공하면 사용자의 지식 그래프가 모든 대화에 그냥 나타나는 것입니다. 그게 partnership 대화입니다.

**투자자라면**, 지금은 raising하지 않습니다. 메트릭이 정당화할 때 raising할 것입니다. 이 thesis가 공명한다면, 가질 가치가 있는 대화는 그 시점입니다 — 그리고 closed unicorn이 아니라 open infrastructure를 신경 쓰는 투자자와 이야기하고 싶습니다.

**그냥 이런 걸 읽기 좋아한다면**, 여기까지 읽어주셔서 감사합니다. AI 지식 layer에 관한 대화는 다음 10년의 많은 부분을 정의할 것입니다. 더 많은 사람들이 이걸 신중히 생각할수록, 더 좋습니다.

## 다음에 올 것에 대한 메모

저는 in public으로 build하고 있습니다. 다음 16주는 보일 것입니다 — 모든 ship된 feature, 모든 결정, 무언가가 작동하지 않을 때의 모든 pivot. 일부는 ugly할 것입니다. 일부는 틀릴 것입니다. 모두 정직할 것입니다.

첫 public launch — 수집 강화, AI bundle 생성, public hubs, direct LLM platform 통합, Bundle Spec — 는 2026년 8월 말로 예정됐습니다.

그때까지: product를 시도하고, 무엇이 작동하는지 공유하고, 무엇이 빠졌는지 알려주세요.

---

*memory.wiki는 Raymind.AI의 Hyunsang이 build합니다.현재 홈: mdfy.app (memory.wiki migration 진행 중).Bundle Spec은 Phase 2 ship 전에 RFC로 공개됩니다.[hi@raymind.ai](mailto:hi@raymind.ai)로 연락주세요.*