[IT도서리뷰📘]세컨드브레인은옵시디언(11/20)/Smart connections 아직 안쓰기로 결정~

다 안읽고 마지막 글의 유사도 보는 방법만 봐도 충분합니다.

 

241page를 읽다 보면 smart connections도 노트의 활용도를 높이기 위한 하나의 수단이다.

Part 03의 PARA와 제텔카스텐에서 공통으로 중시하는 것은 노트의 내용이 아니라 노트를 어떻게 사용할지 고민하는 감각입니다. 예를 들어 '문을 당기시오'라는 경고문은 내용뿐만 아니라 경고문이 붙은 위치도 중요합니다. 이 경고문을 바닥에 붙이면 아무도 읽지 못해 쓸모없어집니다. 경고문은 문을 열 때 필요하므로 사람들이 손잡이를 잡을 때 보는 위치에 붙여야 합니다. 이처럼 노트가 추후에 어떻게 활용될 것인지를 생각하면 내용, 위치, 연결을 고민하는 데 도움이 됩니다. 활용도가 높은 노트는 버려지지 않고 자산이 됩니다.

 

모든 자료는필요를 기준으로 배치해야 하며, 필요에 대한 답은 자신이 직접 찾아야 합니다.
명확한 정답이 없으니 노트 작성과 관리는 누군가의 템플릿이나 워크플로를 그대로 따르기보다는 자신의 상황에 맞게 조정하는 것이 중요합니다. Part03에서 모든 걸 잊고 단 하나의 문장만 가져가야 한다면
'정보가 나에게 어떻게 필요할 것인가?'라는 질문입니다. 

 

 

제텔카스텐을 사용했던 니클라스 루만은 제텔카스텐을 노트와의 대화라고 표현하였습니다. 제텔카스텐을 단순히 노트 저장소로 보지 않고 지속적으로 상호작용하며 학습과 생각 발전을 이루는 시스템으로 여겼다는 의미입니다. 실제로 제텔카스텐을 꾸준히 사용하다 보면 노트와 대화하는 느낌이 들며 생각이 깊어지는 재미있는 경험을 할 수 있습니다.

--> Smart connections의 Smart Chat 기능에 대해선 아주 나중에 사용할 때 다루기~

 

 

1. Smart connections란?

현재 노트와 유사한 내용의 노트를 찾거나(view), 노트 기반으로 챗봇과 대화할 때 사용(Smart Chat)하는 커뮤니티 플러그인

 

내가 봤을 땐, 노트 내용이 어느정도 쌓이기 전에는 사용하지 않아도 될 것 같다.

노트를 작성하면서 유사도를 수시로 확인하면 오히려 내가 현재 쓰고 싶은 내용을 제대로 쓰지 못할 수 있다고 생각한다.

(내년에 사용해야겠다)

 

한 번 들어가보자. 영어가 많아서 당황스러울수도 있다. 표로 정리해보았다.

Connections View	Ribbon icons	Smart Environment	More Smart Plugins
잘 모르겠다 대충 봤을 땐 유사도 있는 내용 리스트 추출할껀데 필터링 걸래? 이정도 인 것 같다.	왼쪽에 쉽게 아이콘 생성할래 말래 이 느낌이다.	Show environment settings 누르면 숨겨있던 내용이 나온다. 아래에서 다루겠다. 그냥 돈 내고 좋은 LLM 써볼래? 느낌이다.	뭐 더 좋게 쓸래? 느낌이다. 잘 모르겠다.

 

책에서도 Smart Environment만 다뤘다.

아래의 내용을 읽어보자

요약하자면, 기존에 쓰는 건 무룐데, API KEY가 필요한 모델 쓰려면 돈 든다. 근데 필요하면 KEY 다른 사이트에서 발급받고 세팅도 이렇게 해라~

 

1. Smart Environment 구성 요소

1. 세팅 새로할 때 편하게 하라고 위에 4개 버튼 두었나보다. 그리고 아래는 수정 시 re-importing 시간 몇 초 간격둘 지 설정하는 것 같다. 그냥 한번 모델 바꿔보는 사람이 있어서 그런가...?

아래는 뭐 임베딩 학습할 때 제외시킬 파일 말하는 것 같다.

 

2. 임베딩 모델을 기존꺼 쓸 것인지, 다른 업체가 제공하는 API 모델로 쓸 것인지 묻는 것 같다.

Transformers, OpenAI, Ollama, Google Gemini, LM studio 로 각각 눌러보면 아래 기입란이 바뀐다.

2-1 기존

2-2 오픈AI

2-3 라마

2-4 구글 제미나이

2-5 언어모델 스튜디오

 

일단 노트가 많이 쌓이기 전에는 Smart connections 사용하지 않을 예정이라, 모델만 간단하게 살폈다.

 

3. 임베딩 간격 설정

Smart Blocks에서 “Minimum length of entity to embed (in characters)” 값을 얼마나 설정해야 하는지는 자료의 성격과 검색 목적에 따라 달라져. 아래 기준을 참고하면 돼.

---

✅ 추천 설정 기준

1) 일반적인 텍스트(블로그, 기사, 노트)

• 300–500자 추천
  → 문단 하나 정도의 길이.
  → 너무 잘게 쪼개지 않으면서도 의미 단위가 잘 살아 있음.

2) 기술 문서, 매뉴얼, 논문처럼 구조가 명확한 문서

• 200–300자 추천
  → 제목/절/하위절이 잘 나뉘어 있어서 작은 단위로 쪼개도 의미가 유지됨.

3) 매우 긴 문서(책, 레포트)로 검색 정확도가 중요할 때

• 150–250자
  → 섹션별로 질문할 가능성이 높으면 더 세밀한 embedding이 유리함.

4) 대화 기록, 메모처럼 짧은 단위가 중요한 경우

• 100–150자
  → 이벤트 중심 데이터는 짧아야 검색 기능이 살아남.

5) 권장하지 않는 값

• 50자 이하:
  → 너무 짧아져서 문맥이 끊기고 검색 품질이 떨어질 수 있음.
• 700자 이상:
  → 블록이 너무 커져서 검색 granularity가 떨어짐.

---

🎯 최종 결론 (가장 많이 쓰는 값)

“300자” 전후가 가장 안정적이고 검색 품질이 높음.
처음에는 300~400 정도로 시작해보고,
검색 정확도가 부족하면 200–250자로 낮추면 됨.

숫자 설정은 접은 글에 정리해두었다. 역시 GPT

 

그리고 아래의 플러그인 추가 설명들은 그냥 뭐 더 넣으면 좋은지 알려주는 것 같다.

 

 

2. 유사도는 어떻게 볼까? Smart Connections: Open: View Smart Connections

을 누르면

 

비슷한 내용을 가진 노트가 오른쪽 리스트로 뜬다.

목록 왼쪽에 있는 숫자 0.96, 0.90은 유사도이다.

 

 

 

유사도 높은 순으로 목록이 이루어져 있으니 나중에 노트 합칠 때 유용할 것이다.

다들 옵시디언에 익숙해지는데 이 글이 도움이 되었었으면 좋겠다.