mindvault-ai 0.3.0

Unified knowledge management: Search + Graph + Wiki

MindVault

AI 코딩 도구의 "장기 기억" — 코드베이스를 자동으로 지식 그래프 + 위키 + 검색 인덱스로 변환

English | 한국어

---

왜 MindVault인가?

AI 코딩 도구(Claude Code, Cursor, Copilot 등)는 세션이 끝나면 맥락을 전부 잊어버립니다. 새 세션을 열 때마다 "이 프로젝트는 이런 구조고, 이 함수는 이렇게 동작하고..."를 반복 설명해야 합니다. 이건 시간 낭비이자 토큰 낭비입니다.

기존에는 이 문제를 해결하기 위해 3개의 도구가 각각 존재했습니다:

기존 도구	역할	한계
qmd	BM25 로컬 검색	검색만 가능, 관계 파악 불가
graphify	지식 그래프 생성	검색/위키 없음
llm-wiki-compiler	위키 컴파일	그래프/검색 없음

MindVault는 이 3개의 장점을 설치 한 줄, 설정 제로로 통합합니다. Andrej Karpathy의 LLM Wiki 패턴에서 영감을 받았습니다.

---

3-Layer 아키텍처

                    질의: "인증은 어떻게 동작하나요?"
                              |
                    +---------v---------+
                    |  1. Search Layer  |  BM25 로컬 검색
                    |  (토큰 소비: 0)   |  한국어/영어/CJK 지원
                    +---------+---------+
                              |
                    +---------v---------+
                    |  2. Graph Layer   |  지식 그래프 탐색
                    |  (토큰 ~100)      |  BFS/DFS 이웃 노드
                    +---------+---------+
                              |
                    +---------v---------+
                    |  3. Wiki Layer    |  커뮤니티 위키 읽기
                    |  (토큰 ~800)      |  Why/How 컨텍스트
                    +---------+---------+
                              |
                        답변 생성
                    (질의당 총 ~900 토큰)

Layer	역할	토큰 소비	기술
Search	키워드 매칭으로 관련 위키 페이지 발견	0 (로컬 연산)	BM25 역색인
Graph	매칭된 노드의 관계/이웃 탐색	~100	NetworkX BFS/DFS
Wiki	커뮤니티 페이지에서 컨텍스트 추출	~800	마크다운 위키
합계		~900	원본 직접 읽기 대비 60배+ 절감

---

설치

pip install mindvault-ai
mindvault install

mindvault install이 자동으로 수행하는 작업:

• 현재 사용 중인 AI 도구 감지 (10개 지원)
• 각 도구별 통합 설정 파일 생성
• Git post-commit hook 설치 (커밋마다 자동 갱신)
• Claude Code /mindvault Skill 등록
• Auto-context hook 설치 — 모든 질문에 MindVault 컨텍스트 자동 주입 (시스템 레벨)

요구사항

• Python 3.10+
• 파이썬 의존성 (pip install 시 자동 설치)
  • networkx — 지식 그래프 엔진
  • tree-sitter + 13개 언어 파서 — AST 기반 코드 구조 분석
  • python-docx, openpyxl, python-pptx — Office 문서(.docx/.xlsx/.pptx) 추출 (v0.2.7+)
• 선택적 시스템 바이너리
  • pdftotext — PDF 추출 시 필요 (macOS: brew install poppler, Ubuntu: apt install poppler-utils, Windows: Xpdf tools)
• LLM 없이도 AST 기반 코드 구조 분석 동작
• 시맨틱 추출 시 로컬 LLM 또는 API 키 필요 (아래 LLM 설정 참고)

---

빠른 시작

1. 설치 및 초기화

pip install mindvault-ai
cd ~/your-project
mindvault install .    # hooks + 데몬 자동 등록 (5분마다 변경 감지)

초기 지식 베이스 구축은 두 가지 방법이 있습니다:

# 방법 A: 단일 프로젝트만 빌드
mindvault ingest .

# 방법 B: 여러 프로젝트를 한번에 통합 빌드
mindvault global ~/projects

명령어	대상	용도
mindvault ingest .	현재 폴더 1개	특정 프로젝트만 빠르게 빌드
mindvault global <root>	하위 모든 프로젝트	프로젝트 간 관계까지 통합 빌드

초기 빌드 이후에는 데몬이 5분마다 변경 사항을 자동 감지하여 업데이트합니다. 데몬이 필요 없으면 mindvault install . --no-daemon

루트 폴더 밖의 파일 인덱싱

루트 경로 밖에 있는 파일/폴더도 mindvault ingest로 수동 인덱싱할 수 있습니다:

# 예: 홈 디렉토리의 설정 스크립트 인덱싱
mindvault ingest ~/.config/my-tool/

# 예: 다른 경로의 문서 폴더 인덱싱
mindvault ingest /opt/docs/api-reference/

주의: 루트 폴더 밖의 경로는 데몬 자동 감시 대상에 포함되지 않습니다. 해당 파일이 변경되면 mindvault ingest를 다시 실행해야 합니다.

지원하는 문서 포맷

포맷	상태	비고
.md, .txt, .rst	✅ 기본 지원	—
.pdf	✅ 기본 지원	시스템에 pdftotext 필요
.docx, .xlsx, .pptx	✅ v0.2.7+ 기본 지원	Word / Excel / PowerPoint 자동 인식

추가 설치 없이 mindvault ingest /path/to/문서폴더 만 실행하면 위 포맷을 전부 자동 추출합니다.

2. 사용

# 3-layer 통합 질의
mindvault query "인증은 어떻게 동작하나요?"

# DFS 모드 (특정 호출 체인 깊게 추적)
mindvault query "이 함수의 전체 호출 경로는?" --dfs

# 현재 상태 확인
mindvault status

Claude Code Skill 사용

/mindvault .
/mindvault query "파이프라인 동작 방식은?"

---

동작 원리

소스 파일 / URL / PDF / 문서
        |
        v
  [1. Detect]     -- 코드/문서/PDF/이미지 파일 탐색, 14개 마커 파일로 프로젝트 자동 감지
        |
        v
  [2. Extract]    -- 코드: tree-sitter AST (함수, 클래스, import)
        |             문서: 구조 추출 (헤더 계층, 링크, 코드블록) ← LLM 불필요
        |             PDF: 섹션 구조 추출
        v
  [3. Semantic]   -- LLM으로 의미/의도 분석 (선택사항, 코드+문서 모두)
        |
        v
  [4. Build]      -- NetworkX DiGraph 구축, 댕글링 엣지 필터링
        |
        v
  [5. Cluster]    -- 그리디 모듈러리티 커뮤니티 탐지
        |
        v
  [6. Wiki]       -- 커뮤니티별 마크다운 위키 자동 생성 (Obsidian [[wikilinks]] 호환)
        |
        v
  [7. Index]      -- BM25 역색인 구축 (한국어/영어/CJK)
        |
        v
    mindvault-out/

참고: 2단계(Extract)는 입력 유형에 따라 자동 분기합니다. 코드 파일은 AST 분석, 문서/PDF는 구조 추출을 수행합니다. 두 경로 모두 LLM이 필요하지 않으며 토큰 소비 0입니다. 3단계(Semantic)는 LLM이 있을 때만 실행되며, 코드와 문서 모두에 적용됩니다.

출력 디렉토리 구조

mindvault-out/
├── graph.json           # 원본 그래프 데이터 (노드 + 엣지)
├── graph.html           # vis.js 인터랙티브 시각화 (브라우저에서 열기)
├── GRAPH_REPORT.md      # 분석 리포트 (God Nodes, Surprising Connections)
├── wiki/
│   ├── INDEX.md         # 위키 진입점 (전체 커뮤니티 목록)
│   ├── *.md             # 커뮤니티별 위키 페이지
│   ├── _concepts.json   # 개념 인덱스 (상호참조용)
│   ├── ingested/        # 외부 자료에서 추출한 지식 페이지
│   └── queries/         # 저장된 질의/답변 기록
├── search_index.json    # BM25 검색 인덱스
└── sources/             # 수집된 외부 자료 (URL, PDF 등)

---

CLI 명령어 레퍼런스

핵심 명령어

명령어	설명
mindvault install	AI 도구 감지 + 통합 설정 + Git hook + Skill 등록
mindvault ingest <path/url>	파일/URL/폴더 수집 → 그래프+위키+인덱스 자동 갱신
mindvault query "<question>"	3-layer 통합 질의 (search → graph → wiki)
mindvault status	현재 그래프/위키/인덱스 상태 표시

질의 옵션

명령어	설명
mindvault query "<question>"	기본 BFS 모드 (넓은 탐색)
mindvault query "<question>" --dfs	DFS 모드 (깊은 호출 체인 추적)
mindvault query "<question>" --global	글로벌 인덱스에서 크로스 프로젝트 검색

갱신 & 감시

명령어	설명
mindvault update	incremental 갱신 (git hook이 자동 호출)
mindvault watch	파일 변경 실시간 감시 (polling 기반)
mindvault mark-dirty <path>	특정 파일을 dirty로 표시 (재추출 대상)
mindvault flush	dirty 파일 일괄 처리

글로벌 모드

명령어	설명
mindvault global <root>	모든 하위 프로젝트 통합 빌드
mindvault global <root> --discover	프로젝트 목록만 출력 (빌드 안 함)
mindvault global <root> --daemon	빌드 + 데몬 등록 (install에서 이미 등록된 경우 불필요)

데몬 관리

데몬은 mindvault install 시 자동 등록됩니다. 아래 명령어로 상태 확인/관리할 수 있습니다.

명령어	설명
mindvault daemon status	데몬 상태 확인
mindvault daemon stop	데몬 중지
mindvault daemon log	데몬 로그 확인

설정

명령어	설명
mindvault config llm <url>	LLM 엔드포인트 설정
mindvault config auto-approve true/false	API 호출 자동 승인 설정
mindvault config show	현재 설정 표시
mindvault lint	위키 정합성 + 그래프 건강 검사
mindvault --version	버전 확인

---

토큰 절감 벤치마크

단일 프로젝트

시나리오	원본 직접 읽기	MindVault 질의	절감 배수
소규모 (20 파일)	~15,000 토큰	~900 토큰	17x
중규모 (100 파일)	~60,000 토큰	~900 토큰	67x
대규모 (500 파일)	~300,000 토큰	~900 토큰	333x

실제 측정 (MindVault 자체 소스, 24 파일)

지표	수치
노드 수	271
엣지 수	373
위키 페이지	40
질의당 토큰	~900

글로벌 모드 (9개 프로젝트 통합)

지표	수치
노드 수	572
엣지 수	670
크로스 프로젝트 연결	33

질의 토큰 버짓은 --budget 옵션으로 조정 가능합니다 (기본값: 2000 토큰).

---

지원 프로그래밍 언어

tree-sitter 기반 AST 추출을 지원하는 13개 언어:

언어	언어	언어
Python	TypeScript	JavaScript
Go	Rust	Java
Swift	Kotlin	C
C++	Ruby	C#
Scala	PHP	Lua

---

AI 도구 자동 연동

mindvault install 실행 시 감지된 도구에 맞는 설정 파일을 자동 생성합니다.

AI 도구	생성되는 설정 파일
Claude Code	CLAUDE.md + SKILL.md
Cursor	.cursorrules
GitHub Copilot	.github/copilot-instructions.md
Windsurf	.windsurfrules
Gemini Code Assist	.gemini/styleguide.md
Cline	.clinerules
Aider	CONVENTIONS.md
AGENTS.md Standard (OpenAI Codex CLI, Google Antigravity 등)	AGENTS.md
Google Gemini CLI	GEMINI.md
Qwen Code	QWEN.md

---

Obsidian과 함께 쓰기

MindVault는 Obsidian과 즉시 호환됩니다. 별도 플러그인이나 설정 없이 작동합니다 — MindVault가 Obsidian의 wikilink 문법([[page]])을 네이티브로 읽고 쓰기 때문입니다. 세 가지 사용 패턴이 있습니다.

패턴 A: MindVault 출력물을 Obsidian vault로 열기

코드베이스를 먼저 인덱싱합니다:

mindvault ingest .

그러면 mindvault-out/wiki/ 폴더에 커뮤니티별 마크다운 위키 페이지가 생성됩니다. 이 폴더를 Obsidian에서 vault로 열면 다음이 자동으로 작동합니다:

• ✅ Obsidian 그래프 뷰에 MindVault 지식 그래프 시각화
• ✅ [[링크]] 양방향 네비게이션
• ✅ 검색 / 태그 / 백링크 / 아웃라인 패널 전부 활용

Andrej Karpathy의 LLM Wiki 패턴을 자동 생성 + Obsidian UI로 즉시 사용하는 효과입니다.

패턴 B: 기존 Obsidian vault 인덱싱

이미 사용 중인 Obsidian vault가 있으면 그대로 인덱싱할 수 있습니다:

mindvault ingest ~/my-obsidian-vault

MindVault가 자동으로 처리하는 것:

• .md 파일 헤더 → 그래프 노드
• [[wikilinks]] → 그래프 엣지 (기존 vault의 연결 구조 보존)
• BM25 검색 인덱스 자동 구축

그 후 3-layer 질의를 기존 vault에 그대로 올릴 수 있습니다:

mindvault query "프로젝트 R의 주요 결정사항"

패턴 C: 코드 + 노트 통합 검색

코드 프로젝트(패턴 A)와 Obsidian 노트(패턴 B)를 둘 다 인덱싱해두면 하나의 지식 그래프로 연결됩니다:

mindvault global ~/projects          # 코드 프로젝트 전체
mindvault ingest ~/my-obsidian-vault # 노트 vault
mindvault query "인증 모듈의 설계 배경" --global

→ 코드 구조(Graph Layer) + Obsidian 노트의 설계 결정(Wiki Layer)이 하나의 답변에 통합됩니다.

Tip: Obsidian의 "Folder as vault" 기능으로 mindvault-out/wiki/를 바로 열 수 있습니다. 별도 복사나 심볼릭 링크 불필요.

Obsidian 네이티브 기능 지원 (v0.3.0+)

v0.3.0부터 Obsidian vault 인덱싱 시 다음 기능이 자동으로 동작합니다:

기능	설명
YAML frontmatter 파싱	--- 블록의 title, tags, aliases 등 메타데이터를 첫 번째 헤더 노드(또는 파일 노드)에 자동 부착
인라인 #tags 추출	본문 내 #project, #auth, #nested/tag 등을 자동 수집 (숫자/HTML 컬러 코드는 제외)
재귀 디렉토리 순회	mindvault ingest ~/my-vault 가 하위 폴더 전체를 자동 탐색
자동 exclude	.obsidian/, .trash/, .stfolder/, .stversions/ 등 내부 디렉토리 건너뜀

예시 — 프론트매터가 있는 Obsidian 노트:

---
title: Auth Rewrite Plan
tags: [project, auth, 2026-q2]
status: in-progress
---

# Auth Rewrite Plan

#architecture 관련 결정은 [[ADR-007]]에 정리됨. #security 리뷰 통과 후 배포.

→ 이 파일은 metadata: {title, tags, status}가 헤더 노드에 부착되고, #architecture, #security 태그가 노드에 추가되며, [[ADR-007]] 링크는 그래프 엣지로 변환됩니다.

---

LLM 설정

MindVault는 시맨틱 추출(코드의 의도/목적 분석)을 위해 LLM을 사용합니다. LLM이 없어도 AST 기반 구조 분석은 정상 동작합니다.

자동 감지 순서

로컬 LLM을 우선 탐색하고, 없으면 구독 토큰 또는 API를 사용합니다:

우선순위	LLM	방식	비용	사전 동의
1	Gemma (로컬)	localhost:8080	무료	불필요
2	Ollama (로컬)	localhost:11434	무료	불필요
3	Claude Code Skill	/mindvault 실행 시	구독 토큰	불필요
4	Anthropic Claude Haiku	API 키	유료	필수
5	OpenAI GPT-4o-mini	API 키	유료	필수
6	LLM 없음	—	무료	—

• 로컬 LLM: 동의 없이 바로 호출 (무료)
• Claude Code 구독자: /mindvault skill로 실행하면 Claude 자체가 추출을 수행합니다. 별도 API 키 없이 구독 토큰만 사용.
• API 키 사용: 예상 비용을 표시하고 사용자 동의를 구한 후에만 호출합니다.
• LLM 없음: AST 기반 코드 구조 분석은 정상 동작합니다. 시맨틱 추출(문서 의미 분석)만 건너뜁니다.

대부분의 사용자는 Claude Code/Cursor/Copilot 구독자입니다. /mindvault skill로 실행하면 추가 설정 없이 시맨틱 추출이 동작합니다.

# 일반 LLM 엔드포인트 수동 설정 (OpenAI-compatible)
mindvault config llm http://localhost:8080

# Ollama 호스트 오버라이드 (WSL → Windows 호스트 Ollama 등)
mindvault config ollama-host http://172.28.112.1:11434
# OLLAMA_HOST 환경변수도 자동 인식됩니다

# 사용할 모델명 강제 지정 (자동 탐지 결과보다 우선)
mindvault config llm-model gemma3:e4b
mindvault config llm-model qwen3:4b

# API 자동 승인 (매번 묻지 않음)
mindvault config auto-approve true

# 현재 설정 확인
mindvault config show

v0.2.9+: Ollama는 설치된 모델 목록을 자동으로 조회하여 gemma3, gemma, qwen3, qwen 순으로 우선 선택합니다. WSL → Windows 환경에서는 ollama-host 또는 OLLAMA_HOST 환경변수로 원격 호스트를 지정할 수 있습니다.

---

프로젝트 자동 감지

글로벌 모드(mindvault global)에서 하위 프로젝트를 자동 탐색할 때, 다음 14개 마커 파일 중 하나라도 존재하면 프로젝트로 인식합니다:

마커 파일	생태계	마커 파일	생태계
package.json	Node.js	Cargo.toml	Rust
pyproject.toml	Python	go.mod	Go
setup.py	Python	pubspec.yaml	Flutter/Dart
build.gradle	Java/Kotlin	build.gradle.kts	Kotlin
Podfile	iOS/macOS	Gemfile	Ruby
composer.json	PHP	CMakeLists.txt	C/C++
Makefile	범용	CLAUDE.md	Claude Code

---

크로스 플랫폼 데몬

mindvault install을 실행하면 데몬이 자동 등록됩니다. mindvault global <root> --daemon으로도 등록할 수 있습니다. OS별 네이티브 서비스 매니저를 사용해 5분마다 변경 사항을 자동 감지하고 업데이트합니다.

OS	서비스 매니저	비고
macOS	launchd (LaunchAgent)	로그인 시 자동 시작
Windows	Task Scheduler	로그온 트리거
Linux	systemd user service	--user 모드

# 데몬 상태 확인
mindvault daemon status

# 데몬 중지
mindvault daemon stop

# 데몬 로그 확인
mindvault daemon log

---

캐시 & Incremental 업데이트

MindVault는 SHA256 해시 기반 incremental 캐시를 사용합니다. 파일이 변경되지 않았으면 재처리하지 않습니다.

• Git post-commit hook이 커밋 시 mindvault update 자동 실행
• 변경된 파일만 재추출 → 그래프/위키/인덱스 갱신
• mindvault watch로 실시간 감시도 가능 (polling 기반)

---

Auto-Context Hook (세션 연속성의 핵심)

MindVault의 가장 중요한 기능입니다. mindvault install 시 시스템 레벨 hook이 설치되어, 사용자가 질문할 때마다 AI가 자동으로 MindVault를 참조합니다.

사용자: "텔레그램 봇 영상에 달린 댓글 어떻게 답해?"
  ↓ (시스템이 자동 실행 — AI의 선택이 아님)
  mindvault query "텔레그램 봇 영상에 달린 댓글 어떻게 답해?" --global
  ↓
  <mindvault-context> 검색결과 + 그래프 + 위키 </mindvault-context>
  ↓
AI: 이미 맥락을 받았으므로 정확한 답변

• 10자 미만 짧은 메시지("ㅇㅇ", "해")는 자동 skip
• 5초 timeout으로 응답 지연 없음
• / 로 시작하는 skill 명령어도 skip

이 hook이 없으면 AI는 CLAUDE.md의 지시를 "자발적으로" 따라야 하는데, 가끔 무시합니다. Hook은 시스템이 강제하므로 AI가 까먹을 수 없습니다.

---

메모리 통합

글로벌 빌드(mindvault global) 시 Claude Code의 ~/.claude/projects/*/memory/*.md 파일도 자동으로 검색 인덱스에 포함됩니다. 코드 분석 결과와 프로젝트 메모리가 하나의 검색 인덱스로 통합되어, 정보가 어디에 있든 한번에 찾을 수 있습니다.

검색: "텔레그램 봇"
  → 코드 분석 결과 (tg_notify.sh 관련 노드)
  → MEMORY.md (커스텀 봇 결정 기록)
  → 위키 페이지 (TTS 파이프라인 연결 관계)
  = 모든 소스 통합

---

점진적 지식 축적 (Karpathy LLM Wiki 패턴)

Andrej Karpathy의 LLM Wiki 패턴에서 영감을 받아, MindVault의 위키는 시간이 지날수록 풍부해집니다.

기존 도구와의 차이

	기존 방식	MindVault
위키 생성	매번 전체 재생성	변경된 부분만 업데이트, 기존 내용 보존
사용자 메모	재생성 시 삭제됨	<!-- user-notes --> 영역은 영구 보존
외부 자료	별도 관리	기존 커뮤니티에 자동 분류/병합
질의 기록	사라짐	wiki/queries/에 축적, 검색 가능
모순 탐지	없음	3단계 자동 판단 (아래 참고)

지식이 축적되는 흐름

1일차: mindvault ingest . → 코드 분석 → 위키 30페이지 생성
        ↓
2일차: 코드 수정 → 데몬이 자동 감지 → 변경된 3페이지만 업데이트
        ↓
3일차: mindvault ingest paper.pdf → 기존 "인증" 커뮤니티에 자동 병합
        ↓
4일차: mindvault query "인증 흐름" --save → 답변이 wiki/queries/에 저장
        ↓
  ...위키가 점점 풍부해짐. 사용자 메모도 보존.

상호참조

모든 위키 페이지는 _concepts.json 인덱스로 연결됩니다. 새 자료가 추가되면 관련 기존 페이지에 자동 백링크가 생성되어, Obsidian에서 Graph View로 전체 지식 구조를 시각화할 수 있습니다.

모순 탐지

위키에 같은 개념이 여러 페이지에 등장할 때, mindvault lint가 자동으로 모순을 탐지합니다. 사용자 환경에 따라 3단계로 동작합니다:

환경	모순 판단 방식	정확도
로컬 LLM 있음 (Gemma/Ollama)	LLM이 두 설명이 모순인지 직접 판단	높음
구독형 AI에서 실행 (/mindvault lint)	Claude/Cursor가 직접 판단	높음
둘 다 없음	문자열 비교로 의심 모순 보고	기본

• 로컬 LLM은 무료이므로 동의 없이 바로 사용합니다
• API 키는 lint에서 절대 사용하지 않습니다 (비용 발생 방지)
• 문자열 비교만으로도 "같은 개념, 다른 설명"은 탐지 가능합니다

---

사용 예시

새 프로젝트에 MindVault 적용

cd my-project
pip install mindvault-ai
mindvault install          # AI 도구 연동 + Git hook
mindvault ingest .         # 전체 빌드
mindvault status           # 결과 확인
open mindvault-out/graph.html  # 브라우저에서 그래프 시각화

외부 자료 수집

# 파일 수집
mindvault ingest docs/architecture.pdf

# URL 수집
mindvault ingest https://example.com/api-docs

# 디렉토리 일괄 수집
mindvault ingest ./references/

글로벌 모드 (여러 프로젝트 통합)

# 하위 프로젝트 자동 탐색
mindvault global ~/projects --discover

# 전체 빌드
mindvault global ~/projects

# 빌드 + 데몬 등록 (install에서 이미 등록된 경우 불필요)
mindvault global ~/projects --daemon

# 크로스 프로젝트 질의
mindvault query "어떤 프로젝트에서 인증 모듈을 사용하나?" --global

위키 정합성 검사

mindvault lint
# 위키 페이지의 [[wikilinks]] 유효성 검사
# 그래프의 고아 노드, 순환 참조 탐지
# God Node (과도한 연결) 경고

---

의존성

패키지	용도
networkx	그래프 연산, 커뮤니티 탐지
tree-sitter >= 0.23.0	AST 파싱 엔진
tree-sitter-python	Python AST
tree-sitter-typescript	TypeScript AST
tree-sitter-javascript	JavaScript AST
tree-sitter-go	Go AST
tree-sitter-rust	Rust AST
tree-sitter-java	Java AST
tree-sitter-swift	Swift AST
tree-sitter-kotlin	Kotlin AST
tree-sitter-c	C AST
tree-sitter-cpp	C++ AST
tree-sitter-ruby	Ruby AST
tree-sitter-c-sharp	C# AST

---

영감을 준 프로젝트

• Andrej Karpathy의 LLM Wiki 패턴 — 코드를 위키로 변환하여 LLM 컨텍스트 효율화
• graphify — 코드베이스 지식 그래프 생성
• llm-wiki-compiler — 지식을 위키로 컴파일
• qmd — 로컬 BM25 마크다운 검색

---

라이선스

MIT

---

_{MindVault v0.3.0 | 개발: etinpres}