내 생각과 외부 지식이 만나는 순간 — Insight Agent
내 사고 패턴만 보는 위키와 외부 개념만 보는 위키, 각각은 자기 세계 안에서만 연결을 찾는다. 진짜 인사이트는 두 세계가 만나는 교차점에서 발견된다. Insight Agent의 교차 수분 설계.
- 배경: 내 생각을 정리하는 위키와 외부 지식을 정리하는 위키를 따로 운영하다 보니, 각각은 잘 돌아가는데 “두 세계 사이의 연결”은 아무도 안 봐주더라고요
- 핵심 인사이트: 진짜 인사이트는 한 세계 안에서 나오지 않아요. 내가 반복하는 고민과 외부에서 읽은 개념이 예상 못 한 방식으로 만나는 순간에 나오더라고요
- 이런 분에게: 노트를 두 종류 이상 쌓고 있는데 (내 생각 + 외부 자료), 이것들이 따로 놀고 있다고 느끼는 분
두 개의 위키가 각각 잘 돌아가는데
이전 편들에서 이야기했던 것처럼, 셀포지에는 두 개의 위키가 있어요. 하나는 내 사고 패턴을 정리하는 정체성 위키(Wiki Agent A), 다른 하나는 외부에서 읽은 자료를 구조화하는 지식 위키(Wiki Agent B)예요.
각각은 꽤 잘 돌아가고 있었어요. 정체성 위키는 “요즘 이런 주제를 반복적으로 생각하고 있다”는 패턴을 알려주고, 지식 위키는 “이 개념과 저 개념이 이렇게 연결된다”는 구조를 보여줬어요.
근데 어느 순간 이상한 걸 느꼈어요. 정체성 위키는 내 세계 안에서만 연결을 찾고 있었고, 지식 위키는 외부 자료 안에서만 연결을 찾고 있었어요. 둘 다 자기 영역 안에서는 열심히 일하는데, 서로의 존재를 모르는 거예요.
비유하자면 이런 거예요. 도서관에 사서가 두 명 있어요. 한 명은 “일기 코너”만 담당하고, 한 명은 “외부 서적 코너”만 담당해요. 각각은 자기 코너에서 책들 사이의 관계를 잘 정리해요. 근데 “이 일기에 쓴 고민”과 “저 서적에 나온 프레임워크”가 연결될 수 있다는 건, 두 코너를 동시에 보는 누군가가 있어야 알 수 있잖아요.
그 “누군가”가 필요했어요.
구조적으로 보면, Wiki Agent A와 B는 완전히 독립된 범위에서 동작해요.
Wiki Agent A: Self/Raw/ → Self/graphify-out/graph.json → Self/wiki/
Wiki Agent B: External/Raw/ → External/graphify-out/graph.json → External/wiki/각 에이전트는 자기 Vault의 graph.json만 읽어요. A는 내 사고 패턴(반복 주제, 정체성 진화, 에너지 패턴)을 추적하고, B는 외부 개념(스킬 맵, 지식 갭, 외부 도구/패턴)을 구조화해요.
이 분리가 의도된 설계예요. 단일 vault 내에서의 패턴 발견은 각자가 더 잘해요. 정체성 위키에 외부 개념이 섞이면 “내 사고 패턴”이 흐려지고, 지식 위키에 내 감정이 섞이면 “외부 개념의 객관적 구조화”가 무너지거든요.
문제는 이 분리가 교차 연결의 부재를 만든다는 거예요. A에서 반복적으로 나타나는 고민과 B에서 구조화한 외부 프레임워크가 연결될 수 있는데, 둘 다 자기 graph.json만 보니까 그 연결을 발견할 수 없어요.
한 세계 안에서는 보이지 않는 것
예를 들어볼게요. 제가 한동안 “콘텐츠 파이프라인의 품질이 왜 일정 수준 이상 안 올라가지?”라는 고민을 반복하고 있었어요. 정체성 위키는 이걸 잘 감지해요. “품질 천장”이라는 주제가 계속 돌아오고 있다고 알려줘요.
같은 시기에 외부에서 Polysona라는 프로젝트를 분석하고 있었어요. 지식 위키는 이것도 잘 정리해요. “5 Ego Layer로 사용자 정체성을 구조화하는 프레임워크”라고요.
근데 정체성 위키는 Polysona를 몰라요. 지식 위키는 내 품질 천장 고민을 몰라요. 그래서 “내 품질 천장 문제가 Polysona의 정체성 기반 접근으로 해결될 수 있다”는 연결은, 두 위키 어디에서도 나오지 않았어요. 결국 그 연결은 제가 직접 머릿속에서 해야 했어요.
이런 경험을 여러 번 하다 보니 깨달았어요. 진짜 인사이트라고 부를 만한 것들은 한 세계 안에서 나오지 않더라고요. 내가 고민하는 것과 외부에서 배운 것이 예상 못 한 방식으로 만날 때 나와요.
이 현상을 더 구체적으로 들여다보면, 두 그래프의 노드 사이에 의미적 연결이 존재하는데 구조적으로는 발견할 수 없는 상태예요.
Vault A의 graph.json에는 “품질-천장”, “파이프라인-전제”, “사후-교정-한계” 같은 노드가 있어요. Vault B의 graph.json에는 “Polysona”, “정체성-기반-콘텐츠”, “5-Ego-Layer” 같은 노드가 있고요.
A의 “품질-천장”과 B의 “정체성-기반-콘텐츠”는 의미적으로 강한 연결이 있어요. 품질 천장의 원인이 “소스 기반 생성”이라는 전제에 있고, 정체성 기반 접근이 그 전제를 바꿀 수 있으니까요. 하지만 서로 다른 graph.json에 있기 때문에, 어떤 단일 에이전트도 이 연결을 볼 수 없었어요.
실제로 이 연결이 발견된 건 제가 직접 Polysona를 분석하면서 “어, 이거 우리 파이프라인 문제랑 정확히 대칭이네”라고 깨달은 순간이었어요. 사람이 우연히 두 맥락을 동시에 떠올렸기 때문에 가능했던 거예요.
Insight Agent: 두 세계를 잇는 역할
그래서 만든 게 Insight Agent예요. 역할은 단순해요. 두 위키를 동시에 보면서, 내가 아직 발견하지 못한 연결고리를 찾는 것.
정체성 위키 에이전트가 “내 사고 패턴”을 정리하는 사서라면, 지식 위키 에이전트는 “외부 개념”을 정리하는 사서예요. Insight Agent는 이 두 사서의 작업 결과를 동시에 펼쳐놓고, “어, 이쪽 코너에서 반복되는 주제가 저쪽 코너의 이 개념이랑 연결되네?”를 찾는 사람이에요.
셀포지에서 이 에이전트의 역할을 정의할 때 이렇게 썼어요:
흐민이 아직 보지 못한 것을 보여준다.
이름을 Insight Agent라고 붙인 이유도 여기에 있어요. 기존 정보를 요약하거나 정리하는 게 아니라, 두 세계의 교차점에서 새로운 시각을 발견하는 거예요.
여기서 중요한 게 하나 있는데요 — Insight Agent는 답을 주지 않아요. “이 연결이 보이는데, 어떻게 생각해요?”라고 질문을 던져요. Anne Sullivan이 헬렌의 손바닥에 글자를 새긴 것처럼, 답이 아니라 더 깊은 생각으로 향하는 문을 여는 거예요.
Insight Agent의 에이전트 정의에서 핵심 부분을 보면 이래요:
## 역할
흐민이 아직 보지 못한 것을 보여준다.
내 사고(Vault A)와 외부 지식(Vault B) 사이의 연결을 찾는다.
Anne Sullivan이 헬렌의 손바닥에 "t-h-i-n-k"를 새긴 것처럼 —
답이 아니라 더 깊은 생각으로 향하는 문을 연다.다른 에이전트와의 역할 분리가 명확해요:
| 에이전트 | 범위 | 역할 |
|---|---|---|
| Wiki Agent A | Vault A 그래프 단독 | 자기 인식 — 반복 주제, 정체성 진화 |
| Wiki Agent B | Vault B 그래프 단독 | 지식 관리 — 스킬 맵, 외부 개념 구조화 |
| Insight Agent | Vault A x Vault B 교차 | 교차 수분 — 의외의 연결 발견 |
이 분리가 중요한 이유는, Wiki Agent A에 “교차 탐색도 해”라고 시키면 A의 본래 역할(정체성 패턴 추적)이 흐려지기 때문이에요. 실제로 Wiki Agent A/B의 에이전트 정의에는 “절대 하지 않는 것”으로 “두 그래프 교차 → insight-agent 담당”이 명시되어 있어요.
교차 탐색은 Insight Agent만의 고유 영역이에요.
교차 수분이 작동하는 방식
교차 수분(cross-pollination)이라는 표현을 쓰는 이유가 있어요. 식물의 교차 수분처럼, 서로 다른 세계의 것들이 만나서 새로운 것이 생겨나는 과정이거든요.
Insight Agent가 하는 일을 풀어보면 이래요:
- 먼저 두 위키의 지식 그래프를 동시에 펼쳐요
- 내가 고민하는 질문(A)에 답이 될 수 있는 외부 패턴(B)을 찾아요
- 내가 만든 설계(A)와 비슷한 원리를 가진 외부 사례(B)를 찾아요
- 외부에서 배운 것(B)이 내 반복 주제(A)와 공명하는 지점을 찾아요
그리고 발견한 것 중에서 최대 2개만 골라요. 모든 연결을 나열하지 않아요. 적을수록 더 깊이 남으니까요.
각 인사이트는 이런 형태로 나와요:
최근 “파이프라인 품질 천장”이라는 고민이 반복되고 있는데, 외부에서 분석한 Polysona의 “정체성 기반 접근”이 이 고민과 정확히 대칭이에요. Polysona는 “사용자가 누구인지”에서 출발하는데, 지금 파이프라인은 “소스가 무엇인지”에서 출발하거든요.
만약 출발점을 바꾸면 품질 천장이 사라질 수도 있을까요?
관찰 2~3줄, 질문 1개. 그게 전부예요. 보고서가 아니라, 선생님이 학생에게 건네는 말에 가까워요.
Insight Agent의 처리 흐름을 자세히 보면 3단계예요.
1단계: 두 그래프 동시 읽기
Vault A 그래프: {VAULT}/Self/graphify-out/graph.json
Vault B 그래프: {VAULT}/External/graphify-out/graph.jsonGraphify가 매일 자정에 생성한 graph.json을 Read로 읽어요. Raw 파일을 직접 읽는 게 아니라 그래프 데이터를 읽는 거예요. 당일 캡처가 아직 그래프에 반영되지 않았으면, 그때만 Self/Raw/에서 오늘 날짜 파일을 직접 읽어요.
2단계: 교차 연결 탐색
두 그래프 사이에서 의미적으로 연결되는 노드 쌍을 찾아요. 구체적으로 찾는 것은 네 가지예요:
- 내가 고민하는 질문(A)에 답이 될 수 있는 외부 패턴(B)
- 내가 만든 설계(A)와 유사한 원리를 가진 외부 도구(B)
- 외부에서 배운 것(B)이 내 반복 주제(A)와 공명하는 지점
- 내 에너지가 높았던 작업(A)과 그것이 닮은 외부 사례(B)
에이전트 정의에서 강조하는 건, “사실 나열이 아닌 ‘왜 이 둘이 연결되는가’의 의미에 집중한다”는 거예요. 단순히 키워드가 겹치는 걸 찾는 게 아니라, 의미적 공명을 탐색해요.
3단계: 인사이트 선별
발견한 것 중 최대 2개만 고르는 게 핵심이에요. 에이전트 정의에 이렇게 적혀 있어요:
모든 걸 말하지 않는다. 적을수록 더 깊이 남는다.
출력 형식도 의도적으로 가볍게 만들었어요:
[연결]
(관찰 2~3줄 — Vault A의 무엇과 Vault B의 무엇이 어떻게 연결되는지)
(질문 1개 — 사고를 여는 방향으로)보고서 형태가 아니라 “선생님이 학생에게 건네는 말”의 형태예요. 질문이 핵심이에요. 셀포지의 질문 원칙(questioning.md)에 따라, “왜?”가 아니라 “무엇?” 형태로 던져요. “왜 이 연결이 중요할까?”가 아니라 “이 연결에서 뭐가 보여요?”로요.
왜 교차 탐색을 별도 에이전트로 분리했는가
“Wiki Agent A한테 외부 지식도 같이 보라고 하면 안 돼?”라는 질문이 자연스러워요. 하나의 에이전트가 두 세계를 다 보면 더 효율적일 것 같잖아요.
안 되더라고요. 이전 편에서 이야기했듯이 Wiki Agent A는 정체성 위키 편집자예요. 이 에이전트의 핵심 역할은 “내 사고 패턴에서 반복되는 주제를 찾고, 정체성의 진화를 추적하는 것”이에요. 여기에 “외부 지식이랑도 비교해봐”를 추가하면, 패턴 추적의 정밀도가 떨어져요.
이건 채널 분리에서 배운 것과 같은 원리예요. 하나의 세션에서 사고 파트너와 PM을 동시에 시키면 둘 다 어중간해지는 것처럼, 하나의 에이전트에게 단일 vault 패턴 추적과 교차 탐색을 동시에 시키면 둘 다 얕아져요.
그래서 역할을 이렇게 나눴어요:
- Wiki Agent A: 내 사고 패턴만 본다. 깊이 있게.
- Wiki Agent B: 외부 개념만 본다. 정확하게.
- Insight Agent: 두 세계의 교차점만 본다. 의외의 연결에 집중해서.
각자가 잘하는 것에 집중하고, 교차점은 전담 에이전트가 맡는 구조예요.
역할 분리의 기술적 이유가 있어요.
첫째, 컨텍스트 오염 방지. Wiki Agent A가 Vault A의 graph.json을 읽고 패턴을 분석할 때, Vault B의 노드가 컨텍스트에 있으면 “이 패턴이 외부 프레임워크의 영향인가 내 고유 사고인가”가 구분이 안 돼요. 정체성 위키의 핵심은 “내 것”을 추적하는 건데, 외부 것이 섞이면 본질이 흐려져요.
실제로 Wiki Agent A의 “절대 하지 않는 것”에 이렇게 적혀 있어요:
- 외부 지식·트렌드 분석 → Wiki Agent B 담당
- 두 그래프 교차 → insight-agent 담당Wiki Agent B도 대칭적이에요:
- 흐민 정체성 분석 → Wiki Agent A
- 두 그래프 교차 → insight-agent둘째, 트리거 분리. Wiki Agent A/B는 Graphify 결과에 따라 자동 트리거돼요(매일 자정 크론). Insight Agent는 다른 리듬이에요. 주간 회고 완료 직후나 수동 요청(“큰 그림 보고 싶어”, “연결고리 찾아줘”)으로 트리거돼요. 매일 교차 탐색을 돌릴 필요는 없어요 — 일주일 정도 쌓인 데이터가 있어야 의미 있는 교차 연결이 나오거든요.
셋째, 출력 형태의 차이. Wiki Agent는 Wikipedia 스타일 article을 생성해요. 구조화된 서술이 목적이에요. Insight Agent는 article을 만들지 않아요. “관찰 + 질문” 한 세트를 노트로 남겨요. 산출물의 성격이 근본적으로 달라요.
브릿지 노드와 Surprising Connection
Insight Agent가 찾는 연결에는 몇 가지 유형이 있어요.
가장 흥미로운 건 Surprising Connection — 예상 못 한 연결이에요. 내가 반복적으로 고민하는 주제와, 겉으로는 전혀 관계없어 보이는 외부 개념이 깊은 구조적 유사성을 가지고 있는 경우예요.
아까 예로 든 “품질 천장”과 “Polysona”가 딱 이 경우예요. 표면적으로는 “내 파이프라인의 반복적 문제”와 “심리학 기반 페르소나 프레임워크”로 아무 관련이 없어 보여요. 근데 구조를 들여다보면, 둘 다 “출발점이 전제를 결정한다”는 같은 원리를 공유하고 있었어요.
이런 연결을 사람이 직접 발견하려면, 두 맥락을 동시에 떠올려야 해요. 우연에 기대는 거예요. Insight Agent가 하는 건 이 우연의 확률을 높여주는 거예요. 두 그래프를 체계적으로 비교하니까, 사람이 놓칠 수 있는 교차점을 발견할 가능성이 올라가요.
또 하나 재미있는 유형은 공명하는 지점이에요. 내 에너지가 높았던 작업과, 외부에서 읽은 사례가 닮은 구석이 있을 때예요. “왜 이 작업에서 에너지가 높았는지”의 힌트가 외부 사례에서 발견되는 건, 자기 이해의 깊은 도구가 돼요.
지식 그래프 관점에서 보면, Insight Agent가 찾는 건 두 그래프 사이의 **교차 엣지(cross-graph edge)**예요.
Graphify가 각 Vault에서 생성하는 graph.json에는 노드(개념/엔티티)와 엣지(관계), 그리고 메타데이터가 있어요. Surprising Connection은 Graphify가 단일 graph 내에서 발견하는 것이기도 한데, Insight Agent는 이걸 그래프 간으로 확장해요.
Vault A graph.json Vault B graph.json
┌─────────────────┐ ┌─────────────────┐
│ 품질-천장 │ │ Polysona │
│ ↕ │ │ ↕ │
│ 파이프라인-전제 │ ← 교차 연결 → │ 정체성-기반 │
│ ↕ │ │ ↕ │
│ 사후-교정-한계 │ │ 5-Ego-Layer │
└─────────────────┘ └─────────────────┘Wiki Agent A는 왼쪽 그래프의 세로 화살표(↕)만 봐요. Wiki Agent B는 오른쪽 그래프의 세로 화살표만 보고요. Insight Agent만 가로 화살표(← →)를 탐색해요.
Insight Agent의 에이전트 정의에서 이 탐색을 네 가지 렌즈로 구분해요:
- 내 질문 x 외부 답: 고민하는 질문(A)에 답이 될 수 있는 외부 패턴(B)
- 내 설계 x 외부 유사: 내가 만든 설계(A)와 비슷한 원리의 외부 도구(B)
- 외부 배움 x 내 반복: 외부에서 배운 것(B)이 내 반복 주제(A)와 공명하는 지점
- 내 에너지 x 외부 사례: 에너지가 높았던 작업(A)과 닮은 외부 사례(B)
각 렌즈는 서로 다른 종류의 인사이트를 발견해요. 1번은 문제 해결형, 2번은 설계 검증형, 3번은 자기 이해형, 4번은 방향 발견형이에요.
”답”이 아니라 “문”을 여는 설계
Insight Agent를 설계할 때 가장 고민한 건 “어디까지 말하게 할 것인가”였어요.
연결을 발견했으면 “그러니까 이렇게 하세요”라고 말하는 게 자연스러워 보이잖아요. 근데 그렇게 하지 않기로 했어요. Insight Agent는 결론을 내리거나 방향을 지시하지 않아요.
이유가 있어요. 인사이트의 가치는 발견 그 자체에 있는 게 아니라, 그 발견이 촉발하는 생각에 있거든요. “이 연결이 있네”라고 보여주면, 거기서 어디로 갈지는 사람마다 다를 수 있어요. AI가 미리 방향을 정해버리면, 사람이 자기만의 해석을 만들 기회가 사라져요.
그래서 모든 인사이트의 끝에는 질문이 붙어요. “이 두 생각이 같이 나타나는 게 우연일까요?” 같은 질문이요. 관찰을 보여주고, 그 관찰에서 뭘 읽을지는 열어두는 거예요.
셀포지 전체를 관통하는 원칙이 있는데요 — “AI는 해석하지 않는다, 드러낸다.” 연결과 패턴을 표면화할 뿐, 의미 부여는 사람의 몫이에요. Insight Agent가 이 원칙을 가장 극단적으로 따르는 에이전트예요. 말 그대로, 드러내기만 하고 해석하지 않아요.
이 설계는 에이전트 정의의 “하지 않는 것” 목록에서 명확해요:
## 하지 않는 것
- 결론 내리거나 방향을 지시하는 것
- "이렇게 해야 해" 형태의 조언
- 단일 vault 내 패턴 요약 → Wiki Agent A/B 담당
- 이번 주 사실과 패턴 요약 → weekly-report 담당질문 설계는 questioning.md 스킬을 따라요. “왜?” 대신 “무엇?”을 묻는 원칙이 여기에도 적용돼요:
| 피한다 | 대신 쓴다 |
|---|---|
| ”왜 이 연결이 중요할까?" | "이 연결에서 뭐가 보여요?" |
| "왜 이 패턴이 반복될까?" | "이 패턴이 반복되면서 뭐가 달라지고 있어요?” |
“왜”는 반추 나선에 빠지기 쉽고, “무엇”은 구체적인 관찰과 통찰로 이어진다는 게 셀포지에서 축적된 경험이에요.
출력도 의도적으로 얇아요. 최대 2개의 인사이트, 각각 관찰 2~3줄 + 질문 1개. 결과물은 Self/Raw/YYYY-MM-DD_insight.md로 저장되고, frontmatter에 type: insight가 붙어요. 이 파일은 다음 날 아침 브리핑의 재료가 되기도 하고, 주간 회고에서 다시 참조되기도 해요.
교차 수분이 만드는 것
이 구조를 설계하면서 깨달은 게 있어요.
지식 관리의 진짜 가치는 정리가 아니라 연결에 있더라고요. 노트를 아무리 깔끔하게 정리해도, 정리된 노트끼리 만나지 않으면 그냥 잘 정돈된 서랍이에요. 서랍 속 물건들이 예상 못 한 조합으로 만나서 새로운 쓰임이 생길 때, 그게 인사이트예요.
Insight Agent가 해주는 건 결국 이거예요. 서랍을 열어서 물건을 꺼내놓고, “이 두 개를 같이 보면 뭐가 보여요?”라고 물어보는 것.
두 개의 위키가 각각 잘 돌아가는 건 좋은 일이에요. 근데 그것만으로는 부족해요. 각각의 세계 안에서 보이는 패턴과, 두 세계가 만나는 교차점에서 보이는 연결은 다른 종류의 것이에요. 전자가 “이해”라면, 후자가 “인사이트”에 가까워요.
비슷한 구조를 만들어보고 싶다면, 꼭 에이전트를 만들 필요는 없어요. 노트를 두 종류로 나누고 있다면 — 내 생각 노트와 외부 자료 노트 — 일주일에 한 번 둘을 동시에 펼쳐놓고 “이쪽에서 반복되는 게 저쪽이랑 연결될 수 있을까?”라고 자문해보세요. 그게 교차 수분의 시작이에요.
연결이 발견되면, 그 다음은? 이렇게 발견된 인사이트와 숙성된 지식이 실제 콘텐츠로 변환되는 과정이 있어요. 다음 편에서는 익은 지식이 콘텐츠가 되기까지 — 자산화 파이프라인에 대해 이야기할게요.
이 시리즈의 다른 글
- 노트가 쌓이기만 한다 — Raw의 구조와 한계
- 쌓인 노트를 지식으로 — LLM Wiki와 Graphify
- 관계를 읽을 수 있는 위키로 — Wiki Agent
- 내 생각과 외부 지식이 만나는 순간 — Insight Agent
- 익은 지식이 콘텐츠가 되기까지 — 자산화 파이프라인