지식 베이스로서의 문서
팀의 문서를 AI 읽기 가능하게.
소규모 엔지니어링/프로덕트 팀을 위해. 흩어진 문서를 Claude, Cursor, ChatGPT가 같은 방식으로 fetch할 수 있는 허브 URL로 — 커스텀 RAG 파이프라인 없음.
지금의 고통
- 팀 문서가 4곳에 살고 있음: Notion, GitHub README, Confluence, 반쯤 완성된 Google Docs. 그 중 아무것도 AI 읽기 가능하지 않음.
- 새 개발자가 AI에게 "우리 auth가 어떻게 동작해?" 물으면 지어냄. 유료 Copilot Workspace로도 코드베이스의 구체를 모름.
- 문서 위에 커스텀 RAG를 만드는 데 일주일. 영원히 유지보수.
- 온보딩 문서 → "이 페이지 → 그리고 이 페이지 → 그리고 이 옛 위키 → 지금 틀린 거 → Sarah에게 물어봐."
당신이 하는 일
01
중요한 문서 import
.md 파일이 있는 GitHub repo (URL 하나, Memory.Wiki가 모든 .md를 walk). Notion 페이지 (URL + 통합 토큰 paste). Obsidian 볼트 (.zip 드롭). URL 페이지 (어떤 공개 docs 페이지든). 컴퓨터에서 파일 드래그앤드롭.
02
허브 public으로
설정 → Hub public 토글. Memory.Wiki가 index.md / SCHEMA.md / log.md / llms.txt를 허브 루트에 자동 발행 — 모든 AI 에이전트가 선호하는 프로토콜.
03
하나의 URL 공유
memory.wiki/hub/<your-team>. CLAUDE.md, .cursorrules, .codex-agents — 팀의 AI가 컨텍스트를 로드하는 곳 어디든에 넣음. 각 AI가 같은 방식으로 fetch하고 ingest.
04
lint이 drift를 드러내게
Needs Review가 orphan 문서 (다른 문서에서 링크되지 않음) 와 가능한 중복을 강조. 한 번 클릭으로 해결. 문서-차르 없이 KB가 일관됨.
돌려받는 것
- "우리 auth가 어떻게 동작해?" — 팀의 모든 AI가 실제 문서에서 답함, 원본 URL 인용 포함.
- 신입은 첫날 허브 URL을 읽고 둘째날부터 생산적.
- 문서 업데이트가 즉시 전파됨. AI는 매 호출마다 새 마크다운을 fetch — 재빌드 없음.
- 유지보수할 커스텀 RAG 없음. 토큰 비용이 가시화 (허브 헤더의 token-economy 뱃지) 되고 튜닝 가능 (?compact, ?digest).
구체 예시
예시: memory.wiki/hub/acme의 28개 문서 엔지니어링 KB
GitHub (README 12개) + Notion (아키텍처 문서 9개) + URL ingest (벤더 문서 7개) 에서 import. Public 허브, hub recall + reranker on. CLAUDE.md가 허브 URL을 가리킴. 새 개발자가 같은 URL을 Cursor에 paste.
Loading