옵시디언 자동화 2편 — 쌓인 노트를 AI가 요약하고 태그까지 붙이게 했다

옵시디언 자동화의 두 번째 조각입니다. 매일 새로 들어오는 노트마다 한 줄 요약과 주제 태그가 자동으로 붙게 만든 과정을, 로컬 모델을 까는 데부터 실제로 시킨 명령까지 그대로 적었습니다.

지난 옵시디언 자동화 후기에서, 매일 쌓이는 노트를 AI가 알아서 폴더로 분류하게 만든 이야기를 했습니다. 그 글 끝에 "요약과 태깅은 다음 편"이라고 미뤄뒀는데, 이번이 그 다음 편이에요.

분류는 노트를 '어디에 둘지'를 정합니다. 그것만으로는 부족하더군요. 폴더에 잘 꽂혀 있어도, 막상 한 달 뒤에 열어보면 제목만 봐선 안에 뭐가 들었는지 기억이 안 났습니다. 그래서 노트마다 한 줄 요약과 주제 태그를 자동으로 달기로 했어요. 검색으로 다시 찾아 쓰려면 이게 있어야 하거든요. 노트를 옮기고 분류하는 과정, 한글 파일명 문제나 백업 사고 같은 건 앞 글에서 다 다뤘으니 여기선 반복하지 않겠습니다. 필요하면 위 링크를 보세요.

▲ 옵시디언 노트 상단 속성 영역에 summary 한 줄과 tags 세 개, lang이 자동으로 채워지고 본문은 그대로인 편집 화면 (자체 제작 이미지)

1. 요약·태깅·인덱싱, 세 가지를 자동화했다

먼저 무엇을 자동화했는지부터 정리할게요. 세 가지입니다.

첫째, 한 줄 요약. 노트를 열지 않고도 내용을 짐작할 수 있게, 본문을 읽어 한 문장으로 압축합니다. 이게 노트 맨 위에 붙어요.

둘째, 주제 태그. "부동산", "AI자동화", "건강"처럼 그 노트가 무슨 주제인지 서너 개의 꼬리표를 답니다. 나중에 태그로 묶어서 볼 수 있게요.

셋째, 인덱싱. 요약과 태그가 노트마다 정해진 자리에 들어가면, 옵시디언이 그걸 하나로 모아 목록·검색으로 훑을 수 있게 됩니다. 사실상 노트 전체의 색인이 만들어지는 거죠.

여기서 "정해진 자리"가 핵심입니다. 옵시디언에는 노트 맨 위에 프론트매터(frontmatter)라는 영역을 둘 수 있어요. --- 두 줄 사이에 summary:나 tags: 같은 항목을 적어두는 칸인데, 옵시디언이 이걸 '속성(Properties)'으로 인식해서 검색·필터의 기준으로 씁니다. 요약과 태그를 본문 아무 데나 흩뿌리는 게 아니라 전부 이 프론트매터에 넣은 이유가 그겁니다. 자리를 통일해야 나중에 기계가 다시 읽어 모을 수 있으니까요.

정리하면 이렇게 생긴 결과물이 노트 위에 붙습니다.

---
summary: 2026년 하반기 미국 금리 인하 시나리오와 국내 채권 시장 영향 메모
tags: [투자, 채권, 금리]
lang: ko
---

이 세 줄이 노트 15,000개에 하나하나 붙어 있다고 상상해 보세요. 그게 이번 작업의 목표였습니다.

2. 왜 클라우드가 아니라 로컬 모델이었나

여기서 첫 갈림길이 나옵니다. 요약과 태그를 '누가' 만들게 할 것이냐죠.

가장 쉬운 답은 클로드나 챗GPT 같은 클라우드 AI에 노트를 하나씩 보내는 겁니다. 품질은 확실히 좋아요. 문제는 돈입니다. 클라우드 AI는 글자량(토큰)만큼 요금을 매기는데, 노트가 몇 개면 몰라도 수천, 수만 개를 한 번에 돌리면 이게 은근히 쌓입니다. 요금 구조가 궁금하면 클로드코드 사용법 글의 요금표를 참고하세요. 여기서 다시 풀진 않겠습니다.

한 번 훑고 끝날 작업이면 그냥 돈 내고 클라우드로 돌렸을 겁니다. 그런데 이건 매일 새 노트가 들어올 때마다 반복될 일이었어요. 그래서 방향을 바꿨습니다. 요약·태깅처럼 '똑똑함보다 양이 중요한' 단순 반복 작업은 내 컴퓨터 안에서 도는 무료 모델로 처리하기로요.

이때 쓴 게 로컬 모델입니다. 낯선 말이니 한 줄로 풀게요. 로컬 모델은 인터넷 너머 회사 서버가 아니라 내 컴퓨터 안에서 직접 돌아가는 AI를 말합니다. 한 번 깔아두면 아무리 많이 돌려도 추가 요금이 없어요. 대신 클라우드만큼 똑똑하진 않고, 컴퓨터 사양을 좀 탑니다.

로컬 모델을 돌리는 가장 쉬운 방법이 올라마(Ollama)라는 무료 프로그램입니다. 여기에 알리바바가 공개한 오픈소스 모델 큐원(Qwen)을 얹어 썼어요. 한국어와 영어를 둘 다 무난하게 다루고, 요약·태깅 정도의 일에는 부족함이 없더군요.

한 가지 더. 로컬 모델은 가끔 느립니다. 노트가 길거나 컴퓨터가 다른 일로 바쁠 때는 한 건에 몇 초씩 걸리기도 하죠. 그래서 로컬이 버벅일 때를 대비해 폴백(fallback), 즉 '대타'를 하나 걸어뒀습니다. 그록(Groq)이라는 서비스인데, 무료 사용 등급이 있어서 로컬이 밀릴 때만 잠깐 빌려 쓰기 좋습니다 [⚠️UNVERIFIED: 무료 등급의 구체적 한도·정책은 수시로 바뀌므로 가입 전 확인]. 평소엔 무료 로컬로, 급할 때만 무료 대타로. 이 조합이면 요약 파이프라인을 사실상 공짜로 굴릴 수 있습니다.

▲ 매일 들어오는 노트가 무료인 내 컴퓨터의 로컬 모델과 종량제인 외부 클라우드 AI 두 갈래로 갈라지는 처리 경로 도식 (자체 제작 이미지)

3. 파이프라인 구조 — 요약에서 태그까지

파이프라인이라는 말도 풀고 가죠. 그냥 '노트 한 개가 여러 처리 단계를 순서대로 통과하는 컨베이어 벨트'라고 생각하면 됩니다. 노트가 한쪽으로 들어가면 요약이 붙고, 태그가 붙고, 언어가 판별돼 반대쪽으로 나옵니다.

제 경우 클로드코드에게 시켜서 이 벨트를 작은 스크립트 몇 개로 나눠 만들었습니다. 역할을 쪼갠 이유는 단순합니다. 한 덩어리로 만들면 한 군데가 삐끗할 때 어디서 틀어졌는지 찾기 어렵거든요. 단계별로 나눠두면 "요약은 잘 나오는데 태그가 이상하다" 같은 진단이 쉽습니다.

단계는 이렇게 흘러갑니다.

노트 한 개를 읽어들인다. 본문을 로컬 모델에 넘겨 한 문장 요약을 받는다. 같은 본문으로 주제 태그 서너 개를 뽑는다. 글자를 세어 한국어 노트인지 영어 노트인지 판별한다. 이 세 결과를 노트 맨 위 프론트매터에 써 넣는다. 다음 노트로 넘어간다.

여기서 제가 못 박아 둔 규칙이 하나 있습니다. 본문은 절대 건드리지 않는다. 요약과 태그는 프론트매터에만 추가하고, 원래 노트 내용은 한 글자도 손대지 않게 했어요. 자동화가 원문을 고치기 시작하면 나중에 뭐가 원본이고 뭐가 AI가 바꾼 건지 알 수 없게 됩니다. 앞 글에서 "애매하면 손대지 마"를 원칙으로 삼았던 것과 같은 맥락이에요.

한 번에 15,000개를 다 돌린 것도 아닙니다. 옛날에 옮겨온 노트 뭉치는 그대로 두고, 앞으로 새로 들어오는 노트에만 이 벨트를 태웠어요. 기존 노트는 검색 창고로 남겨두고, 신규 유입분만 정돈한다는 방침도 앞 글에서 정한 그대로 이어갔습니다.

4. 직접 해보려면 — 최소 3단계

여기부터가 따라 하기입니다. 코딩은 클로드코드가 대신하니, 여러분이 할 일은 준비물을 갖추고 정확히 시키는 것뿐이에요. 클로드코드 자체를 처음 쓴다면 설치·로그인은 이 글을 먼저 보고 오세요.

1단계. 로컬 모델 준비

올라마 공식 사이트에서 프로그램을 받아 깝니다. 설치가 끝나면 터미널에 아래 한 줄을 쳐서 모델을 내려받습니다. 처음 한 번만 하면 됩니다.

ollama pull qwen2.5

용량이 좀 되니 인터넷 상태에 따라 몇 분 걸립니다. 다 받으면 ollama run qwen2.5로 실행해 아무 말이나 걸어보세요. 답이 돌아오면 준비 끝입니다. (이 단계가 부담되면 로컬을 건너뛰고 그록 같은 무료 클라우드로 시작해도 됩니다. 원리는 같아요.)

2단계. 클로드코드에 시킬 프롬프트

이제 정리하고 싶은 노트가 든 폴더로 가서 클로드코드를 켜고, 이렇게 부탁합니다. 처음부터 전체를 돌리게 하지 말고, 시험 삼아 몇 개만 처리하게 시키는 게 요령이에요.

이 폴더의 .md 노트를 5개만 골라서 처리하는 스크립트를 만들어줘.
각 노트 본문을 로컬 올라마의 qwen2.5 모델에 보내서
(1) 한 줄 요약과 (2) 주제 태그 3개를 뽑고,
그 결과를 노트 맨 위 frontmatter에 summary와 tags로 써 넣어줘.
본문 내용은 절대 수정하지 말고, frontmatter만 추가할 것.
바로 실행하지 말고 먼저 무엇을 할지 계획만 보여줘.

마지막 줄이 중요합니다. "먼저 계획만 보여줘"라고 하면 클로드코드가 실행 전에 무슨 일을 할지 설명해 줘서, 엉뚱한 폴더를 건드리는 사고를 막을 수 있어요. 이런 지시 요령은 프롬프트 6가지 글에 더 정리해 뒀습니다.

3단계. 검증

계획이 그럴듯하면 실행을 승인합니다. 5개가 처리되면 옵시디언에서 그 노트들을 직접 열어보세요. 확인할 건 세 가지입니다. 요약 한 줄이 내용과 맞는가. 태그가 엉뚱하지 않은가. 그리고 본문이 그대로인가. 세 번째를 꼭 보세요. 원문이 한 글자라도 바뀌었다면 규칙을 다시 못 박아야 합니다.

5개가 멀쩡하면 그때 "이제 전체 폴더에 똑같이 적용해줘"라고 시킵니다. 몇 개로 먼저 시험하고 문제없을 때만 전체로 확대하는 이 순서가, 수천 개를 한 번에 망치지 않는 유일한 안전장치예요.

▲ 클로드코드에 노트 5개만 요약·태깅하라고 요청하고 실행 전 계획 다섯 단계를 보여주는 터미널 화면 (자체 제작 이미지)

5. 언어 판별과 한 줄 요약의 함정

돌려보니 두 군데서 걸렸습니다.

먼저 언어 판별. 제 노트는 한국어와 영어가 섞여 있어서, 태그 언어를 노트마다 맞춰주고 싶었어요. 한국어 노트엔 한국어 태그, 영어 노트엔 영어 태그가 붙게요. 처음엔 이걸 복잡한 규칙으로 만들려다 오히려 꼬였습니다.

결국 가장 단순하게 갔습니다. 노트 본문에서 한글 글자 수와 알파벳 글자 수를 각각 세서, 많은 쪽 언어로 판정한다. 그게 전부예요. 한글이 알파벳보다 많으면 한국어, 알파벳이 더 많으면 영어. '몇 퍼센트 넘으면' 같은 기준선은 두지 않았습니다. 기준선을 정하는 순간 "그럼 정확히 몇 퍼센트냐"를 두고 계속 헤매게 되더군요. 그냥 둘을 비교해 큰 쪽을 고르는 게 예외도 적고 설명하기도 쉬웠습니다. 단순한 규칙이 오래갑니다.

두 번째 함정은 한 줄 요약의 길이였어요. 로컬 모델에게 "요약해줘"라고만 하면 세 문장씩 늘어놓습니다. 프론트매터의 요약 한 줄이 세 줄이 되면 목록에서 봤을 때 지저분해져요. 그래서 프롬프트에 "한 문장, 40자 안팎으로"처럼 길이를 못 박았습니다. 모델은 "요약해줘"보다 "이 조건에 맞춰 요약해줘"에 훨씬 잘 따릅니다. 원하는 모양이 있으면 처음부터 그 모양을 지정하는 게 낫더군요.

6. 돌려보고 나서 고친 것들

비개발자가 이 작업에서 똑같이 부딪히는 지점을 모았습니다.

로컬 모델이 생각보다 느릴 때가 있습니다. 노트가 수천 개면 몇 시간이 걸리기도 해요. 급하지 않으면 그냥 밤에 돌려두고 자면 됩니다. 정 급하면 2장에서 말한 무료 대타(그록)로 그 시점만 돌리게 클로드코드에 부탁하면 되고요.

이미 요약이 붙은 노트를 또 처리하는 문제도 있었습니다. 매일 돌리다 보면 어제 처리한 노트를 오늘 또 건드려서 시간과 자원을 낭비하죠. 그래서 "이미 summary가 있는 노트는 건너뛰어줘"라는 규칙을 스크립트에 넣었습니다. 새로 들어온 노트만 처리되게요.

요약 품질이 들쭉날쭉한 것도 감수할 부분입니다. 로컬 모델은 클라우드만큼 매끄럽진 않아서, 가끔 요약이 밋밋하거나 태그가 어긋납니다. 저는 이걸 '검색이 걸릴 정도면 충분하다'는 기준으로 타협했어요. 요약이 완벽할 필요는 없고, 나중에 그 노트를 다시 찾게 해줄 실마리만 있으면 되니까요. 완벽을 노리면 결국 비싼 클라우드로 전부 돌려야 하고, 그러면 애초에 로컬을 쓴 이유가 사라집니다.

7. 정리 — 이건 사실 위키의 사전작업이었다

솔직히 말하면, 노트마다 요약 한 줄과 태그 몇 개를 붙이는 일 자체는 대단한 게 아닙니다. 하나씩이면 손으로도 하죠. 이 작업의 값은 다른 데 있어요.

노트 전체에 요약과 태그가 '같은 자리에, 같은 형식으로' 깔리고 나면, 그때부터 노트 뭉치가 기계가 읽을 수 있는 데이터로 바뀝니다. 검색이 정확해지고, 태그로 주제를 묶어 볼 수 있고, 무엇보다 다음 단계로 넘어갈 재료가 생겨요. 여기저기 흩어진 만 오천 개의 메모가 아니라, 요약과 꼬리표가 달린 정돈된 지식 창고가 되는 겁니다.

제가 이 작업을 굳이 한 진짜 이유가 이거였습니다. 다음 목표는 이 노트들을 엮어 검색·질문에 답하는 개인 위키를 만드는 것이고, 그건 노트마다 요약과 태그가 미리 붙어 있어야 가능하거든요. 이번 편은 그 사전작업이었던 셈이에요. 그 위키 이야기는 다음 편에서 이어가겠습니다.

혹시 옵시디언으로 옮겨오는 것부터 고민 중이라면 에버노트에서 갈아탄 후기를, 매일 들어오는 노트를 먼저 분류하는 쪽이 궁금하다면 앞선 옵시디언 자동화 후기를 보시면 순서가 맞습니다. 요약·태깅은 그 두 단계 다음에 얹는 마감 작업이니까요.

이 글은 정보 제공을 목적으로 하며, 작성 시점(2026년 7월) 기준입니다. 올라마·그록·클로드 등 도구의 요금·기능·무료 등급 정책은 공식 페이지에서 수시로 바뀌니, 설치·가입 전 원문을 한 번 확인하시길 권합니다. 특정 제품 사용을 권유하거나 결과를 보장하지 않습니다.

참고한 공식 자료 - 클로드코드 개요·기본 사용: code.claude.com/docs - 클로드 API 요금(클라우드 처리 비용 근거): platform.claude.com — pricing - 로컬 모델 실행 프로그램: Ollama 공식 사이트 - 무료 대타로 쓴 추론 서비스: Groq - 옵시디언 속성(Properties)·frontmatter: Obsidian Help — Properties