지식 운영(Knowledge Operations)
다중 저장소에서 지식을 수집, 구성, 동기화 및 검색하기 위한 다계층 지식 시스템을 관리합니다.
라이브 워크스페이스 모델을 선호합니다:
- 코드 작업은 실제 복제된 리포지토리에서 이루어집니다.
- 활성 실행 컨텍스트는 GitHub, Linear 및 리포지토리-로컬 작업 컨텍스트 파일에 있습니다.
- 광범위한 인간 대상 노트는 비리포지토리 컨텍스트/아카이브 폴더에 저장될 수 있습니다.
- 영구적인 기계 간 메모리는 섀도 리포지토리 워크스페이스가 아닌 지식 베이스에 속합니다.
활성화 시점
- 사용자가 지식 베이스에 정보를 저장하려는 경우
- 문서, 대화 또는 데이터를 구조화된 저장소로 수집하는 경우
- 시스템 간 지식 동기화(로컬 파일, MCP 메모리, Supabase, Git 리포지토리)
- 기존 지식 중복 제거 또는 구성
- 사용자가 "KB에 저장", "지식 동기화", "X에 대해 무엇을 알고 있나요?", "이것 수집", "지식 베이스 업데이트"라고 말하는 경우
- 단순한 메모리 회상을 넘어선 모든 지식 관리 작업
지식 아키텍처
계층 1: 활성 실행 진실(Active execution truth)
- 출처: GitHub 이슈, PR, 토론, 릴리스 노트, Linear 이슈/프로젝트/문서
- 용도: 작업의 현재 운영 상태
- 규칙: 어떤 것이 활성 엔지니어링 계획, 로드맵, 출시 또는 릴리스에 영향을 미치면 먼저 여기에 저장하는 것을 선호합니다.
계층 2: Claude Code 메모리 (빠른 접근)
- 경로:
~/.claude/projects/*/memory/ - 형식: 머리말이 있는 마크다운 파일
- 유형: 사용자 선호도, 피드백, 프로젝트 컨텍스트, 참조
- 용도: 여러 대화에 걸쳐 지속되는 빠른 접근 컨텍스트
- 세션 시작 시 자동 로드됨
계층 3: MCP 메모리 서버 (구조화된 지식 그래프)
- 접근: MCP 메모리 도구(create_entities, create_relations, add_observations, search_nodes)
- 용도: 저장된 모든 메모리의 의미 검색, 관계 매핑
- 쿼리 가능한 그래프 구조로 세션 간 지속성
계층 4: 지식 베이스 리포지토리 / 영구 문서 저장소
- 용도: 선별된 영구 노트, 세션 내보내기, 종합된 연구, 운영자 메모리, 장문 문서
- 규칙: 콘텐츠가 리포지토리 소유 코드가 아닌 경우 기계 간 컨텍스트를 위한 선호 영구 저장소입니다.
계층 5: 외부 데이터 저장소 (Supabase, PostgreSQL 등)
- 용도: 구조화된 데이터, 대용량 문서 저장, 전체 텍스트 검색
- 적합한 경우: 메모리 파일에 비해 너무 큰 문서, SQL 쿼리가 필요한 데이터
계층 6: 로컬 컨텍스트/아카이브 폴더
- 용도: 인간 대상 노트, 보관된 게임플랜, 로컬 미디어 구성, 임시 비코드 문서
- 규칙: 정보 저장을 위해 쓰기 가능하지만 섀도 코드 워크스페이스는 아님
- 다음 용도로 사용하지 마십시오: 업스트림에 있어야 할 활성 코드 변경 또는 리포지토리 진실
수집 워크플로우
새로운 지식을 캡처해야 할 때:
1. 분류
어떤 유형의 지식인가요?
- 비즈니스 결정 -> 메모리 파일 (프로젝트 유형) + MCP 메모리
- 활성 로드맵 / 릴리스 / 구현 상태 -> GitHub + Linear 우선
- 개인 선호도 -> 메모리 파일 (사용자/피드백 유형)
- 참조 정보 -> 메모리 파일 (참조 유형) + MCP 메모리
- 대용량 문서 -> 외부 데이터 저장소 + 메모리에 요약
- 대화/세션 -> 지식 베이스 리포지토리 + 메모리에 짧은 요약
2. 중복 제거
이 지식이 이미 존재하는지 확인:
- 기존 항목에 대해 메모리 파일 검색
- 관련 용어로 MCP 메모리 쿼리
- 다른 로컬 노트를 만들기 전에 GitHub 또는 Linear에 정보가 이미 존재하는지 확인
- 중복을 생성하지 마십시오. 대신 기존 항목을 업데이트하십시오.
3. 저장
적절한 계층에 쓰기:
- 빠른 접근을 위해 항상 Claude Code 메모리 업데이트
- 의미 검색 가능성과 관계 매핑을 위해 MCP 메모리 사용
- 정보가 라이브 프로젝트 진실을 변경할 때 먼저 GitHub / Linear 업데이트
- 영구적인 장문 추가를 위해 지식 베이스 리포지토리에 커밋
4. 색인 생성
관련 색인 또는 요약 파일 업데이트.
동기화 작업
대화 동기화
대화 기록을 주기적으로 지식 베이스에 동기화:
- 출처: Claude 세션 파일, Codex 세션, 기타 에이전트 세션
- 대상: 지식 베이스 리포지토리
- 빠른 브라우징을 위한 세션 색인 생성
- 커밋 및 푸시
워크스페이스 상태 동기화
중요한 워크스페이스 구성 및 스크립트를 지식 베이스에 미러링:
- 디렉토리 맵 생성
- 커밋 전에 민감한 구성 삭제
- 시간 경과에 따른 변경 사항 추적
- 지식 베이스 또는 아카이브 폴더를 라이브 코드 워크스페이스로 취급하지 마십시오.
GitHub / Linear 동기화
정보가 활성 실행에 영향을 미칠 때:
- 관련 GitHub 이슈, PR, 토론, 릴리스 노트 또는 로드맵 스레드 업데이트
- 작업에 영구적인 계획 컨텍스트가 필요한 경우 Linear에 지원 문서 첨부
- 이후에 로컬 노트가 여전히 가치를 더하는 경우에만 미러링
교차 소스 지식 동기화
여러 출처의 지식을 한 곳으로 가져오기:
- Claude/ChatGPT/Grok 대화 내보내기
- 브라우저 북마크
- GitHub 활동 이벤트
- 상태 요약 작성, 커밋 및 푸시
메모리 패턴
# 단기: 현재 세션 컨텍스트
세션 내 작업 추적에 TodoWrite 사용
# 중기: 프로젝트 메모리 파일
세션 간 회상을 위해 ~/.claude/projects/*/memory/에 쓰기
# 장기: GitHub / Linear / KB
활성 실행 진실을 GitHub + Linear에 저장
영구적인 종합 컨텍스트를 지식 베이스 리포지토리에 저장
# 의미 계층: MCP 지식 그래프
영구적인 구조화된 데이터에 mcp__memory__create_entities 사용
관계 매핑에 mcp__memory__create_relations 사용
알려진 엔티티에 대한 새로운 사실에 mcp__memory__add_observations 사용
기존 지식을 찾기 위해 mcp__memory__search_nodes 사용
모범 사례
- 메모리 파일을 간결하게 유지하십시오. 파일이 무제한으로 커지지 않도록 오래된 데이터는 보관하십시오.
- 모든 지식 파일의 메타데이터에 YAML 머리말을 사용하십시오.
- 저장 전에 중복을 제거하십시오. 먼저 검색한 다음 생성하거나 업데이트하십시오.
- 사실 집합당 하나의 표준 저장소를 선호하십시오. 로컬 노트, 리포지토리 파일 및 트래커 문서에 동일한 계획의 병렬 복사본을 만들지 마십시오.
- Git에 커밋하기 전에 민감한 정보(API 키, 비밀번호)를 삭제하십시오.
- 지식 파일에 일관된 명명 규칙(소문자-케밥-케이스)을 사용하십시오.
- 더 쉬운 검색을 위해 항목에 주제/카테고리 태그를 추가하십시오.
품질 관문
지식 작업을 완료하기 전에:
- 중복 항목이 생성되지 않았는지 확인
- Git 추적 파일에서 민감한 데이터가 삭제되었는지 확인
- 색인과 요약이 업데이트되었는지 확인
- 데이터 유형에 적합한 저장소 계층이 선택되었는지 확인
- 해당하는 경우 상호 참조가 추가되었는지 확인