쉬운 설명
이 글은 AI가 문서를 스스로 읽고 정리해서 위키 페이지를 만들어 주는 시스템에 관한 이야기예요. 쉽게 말해 신문사를 떠올려 보시면 됩니다. 기자가 기사를 쓰면 다른 사람이 교열하고 데스크가 최종 확인을 하듯이, 이 시스템도 여러 AI가 역할을 나누어 맡고 있어요. 작성하는 AI와 검토하는 AI가 서로 다르게 움직이는 거죠. 그래서 사람은 글을 직접 쓸 필요 없이 원본 자료만 넣어주고, 이 '공장' 시스템 자체를 더 좋게 개선하는 역할에만 집중하게 됩니다.

요약
최근 소프트웨어 개발 분야에서는 AI 에이전트가 코드를 작성하고, 사람은 그 코드를 안정적으로 생산하는 '공장' 시스템을 설계하는 흐름이 나타나고 있습니다. 이를 '소프트웨어 팩토리'라고 부르는데요. 이 글에서 소개하는 프로젝트는 이 아이디어를 코드가 아닌 지식, 즉 위키 문서 생산에 적용해 본 사례예요. 이름은 '지식 팩토리(Knowledge Factory)'로, 안드레이 카파시가 제안한 'LLM Wiki' 개념을 실제로 구현해 낸 결과물이라고 합니다.
이 시스템의 핵심은 신문사 편집국처럼 다섯 가지 역할(기자, 교열, 데스크, 편집장 등)을 나누고, 글을 쓴 AI와 검토하는 AI를 반드시 서로 다르게 둔 점입니다. 또한, 기존 소프트웨어 팩토리의 세 가지 순환 구조(루프)에 네 번째 루프를 추가했다는 게 특징이에요. 지식은 코드와 달리 시간이 지나면 낡기 때문에, 이미 발행된 문서를 다시 입력값으로 되돌려 넣도록 만든 것이죠. 단순히 AI 개수를 늘린 것이 아니라, '판단'이 필요한 부분과 그렇지 않은 부분을 명확히 구분해 설계했다는 점이 눈에 띕니다.
강의용 팁
강의에서는 이 프로젝트를 '역할 분리'와 '자기 검증의 함정'을 설명하는 좋은 예시로 활용할 수 있습니다. 학생들에게 AI 활용 구조와 검증 체계를 설명할 때 유용한 자료가 됩니다.
주의 사항
자체 검증
태그
원문
https://alfadur7.github.io/llm-wiki-newsroom/ko/knowledge-factory
https://github.com/alfadur7/llm-wiki-newsroom#readme
https://alfadur7.github.io/llm-wiki-newsroom/
참고자료
Andrej Karpathy - LLM Wiki 개념 트윗
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (RAG 논문)