연구 논문을 Obsidian에 깔끔한 마크다운으로 저장하는 방법

학술 연구는 수십 개 — 때로는 수백 개 — 의 논문, 기사, 블로그 포스트를 읽는 것을 의미합니다. 대부분의 연구자들은 북마크를 저장했다가 잃어버리고, 같은 것을 다시 구글에서 검색합니다.

Obsidian은 저장 문제를 해결합니다. 하지만 웹 콘텐츠를 깔끔하게 Obsidian에 가져오는 것은? 대부분의 워크플로우가 무너지는 지점이 바로 여기입니다.

웹 소스를 검색 가능하고 연결된 지식 베이스로 변환하는 연구 파이프라인을 구축하는 방법을 소개합니다.

학술 웹 클리핑의 문제점

연구 콘텐츠는 어디에나 있습니다:

• 논문 — arXiv, Google Scholar, PubMed, SSRN
• 블로그 포스트 — 복잡한 개념을 쉬운 언어로 설명
• 문서 — 도구, 프레임워크, 데이터셋
• 스레드 — Reddit, Twitter, Stack Overflow의 실용적인 인사이트

각 소스는 다른 레이아웃, 다른 노이즈, 다른 형식을 가집니다. Obsidian에 복사 붙여넣기를 하면 깨진 서식, 누락된 이미지, 남겨진 내비게이션 요소들이 뒤섞인 혼란스러운 결과물이 나옵니다.

깔끔한 연구 워크플로우

1단계: Save로 수집

Save의 AI 추출이 어려운 부분을 처리합니다 — 지저분한 웹 페이지를 깔끔하고 구조화된 마크다운으로 변환:

1. 논문, 기사 또는 문서 페이지로 이동
2. Save 확장 프로그램 클릭
3. .md 파일 다운로드

얻는 것:

• 깔끔한 제목 계층 — 논문 구조와 일치
• 코드 블록 보존 — 기술 콘텐츠용
• 올바른 목록과 표 — 표준 마크다운 형식
• 광고, 사이드바, 쿠키 배너 없음

2단계: 연구 볼트에 정리

볼트를 연구 영역별로 구성:

research-vault/
  literature/
    machine-learning/
    distributed-systems/
    human-computer-interaction/
  notes/
    concepts/
    methods/
    findings/
  projects/
    thesis/
    paper-draft/
  meta/
    reading-list.md
    literature-review-matrix.md

3단계: 연구 메타데이터 추가

저장 후 각 클리핑된 소스에 프론트매터를 추가:

---
title: "Attention Is All You Need"
authors: ["Vaswani et al."]
year: 2017
source: "https://arxiv.org/abs/1706.03762"
type: paper
status: read
tags: [transformers, attention, nlp]
rating: 5
---

이 메타데이터는 문헌 리뷰 쿼리를 위한 Obsidian의 Dataview 플러그인을 구동합니다 (아래에서 자세히 설명).

4단계: 핵심 인사이트 추출

그냥 저장하지 말고 — 처리하세요. 각 소스에 대해 상단에 요약 섹션을 만드세요:

## 내 요약
- 어텐션 메커니즘만으로 시퀀스-투-시퀀스 작업을 처리할 수 있음을 보여주는 Transformer 아키텍처 소개
- 핵심 인사이트: 반복 없이 어텐션 메커니즘만으로도 작동
- 트레이닝 중 대규모 병렬화 가능
- BERT, GPT, 모든 현대 LLM의 기반

## 핵심 인용구
- [특정 페이지/섹션 참조]

## 내 연구와의 관련성
- [프로젝트/논문 주제]에 직접 적용 가능
- [특정 점]에 관해 [다른 소스]와 모순됨

문헌 리뷰 구축

매트릭스 방법

Obsidian에 문헌 리뷰 매트릭스 만들기:

# 문헌 리뷰 매트릭스: Transformer 아키텍처

| 논문 | 연도 | 핵심 기여 | 방법 | 결과 | 관련성 |
|------|------|----------|------|------|--------|
| [[literature/attention-is-all-you-need]] | 2017 | 자기 어텐션 | 아키텍처 | RNN 능가 | 기반 |
| [[literature/bert-pre-training]] | 2018 | 양방향 사전 훈련 | 사전 훈련 | 11개 작업 SOTA | 방법 |
| [[literature/gpt-scaling-laws]] | 2020 | 스케일링 법칙 | 경험적 | 예측 가능한 스케일링 | 맥락 |

각 항목은 볼트의 전체 클리핑된 소스에 링크됩니다. 세부 사항이 필요할 때 클릭해서 원본을 읽으세요.

Dataview 쿼리

Dataview 플러그인을 사용하면 연구를 프로그래밍 방식으로 쿼리할 수 있습니다:

TABLE authors, year, rating, status
FROM "literature"
WHERE contains(tags, "transformers")
SORT year DESC

새 소스를 추가할 때마다 자동으로 업데이트되는 동적 문헌 표를 제공합니다.

소스별 팁

arXiv 논문

arXiv HTML 페이지는 Save로 잘 클리핑됩니다. 초록, 섹션, 참고문헌이 깔끔한 마크다운으로 변환됩니다.

Google Scholar

메타데이터를 위해 논문 랜딩 페이지를 클리핑하세요. 전체 텍스트는 출판사 사이트나 arXiv에서 찾을 수 있습니다.

기술 블로그 포스트

연구자들의 블로그 포스트는 종종 논문을 접근하기 쉬운 언어로 설명합니다. 정말 가치있는 자료입니다 — 논문과 설명 블로그 포스트 둘 다 저장하고 링크하세요:

참조: [[literature/transformers-blog-explained]] (접근하기 쉬운 설명)

공동 작업 워크플로우

연구 그룹과 함께 작업하는 경우:

1. 각자 자신의 볼트에서 소스를 클리핑하고 처리
2. 처리된 요약 (프론트매터 + 요약 섹션)을 Git 또는 공유 폴더를 통해 공유
3. 결과를 공유 문헌 리뷰 매트릭스에 병합

마크다운 형식은 공유를 간단하게 만들어줍니다 — 독점 형식 없음, 호환성 문제 없음.

장기적 관점

일주일에 5개의 소스를 클리핑하고 처리하는 박사 과정 학생은 1년 후 250개 이상의 잘 정리된 검색 가능한 노트를 갖게 됩니다. 글을 쓸 때가 되면:

• 문헌 리뷰는 매트릭스와 Dataview 쿼리에서 저절로 작성됩니다
• 인용문은 쉽게 찾을 수 있습니다 — Google이 아닌 볼트에서 검색
• 논문 간 연결은 Obsidian의 그래프 뷰에서 볼 수 있습니다
• AI 에이전트는 MCP를 통해 전체 연구 베이스를 합성할 수 있습니다

깔끔한 클리핑과 정리에 투자하는 시간은 글쓰기 중에 기하급수적으로 보상받습니다.

시작하기

1. Save를 설치하고 연구 볼트를 만드세요
2. 최근에 읽은 논문이나 기사 3개를 선택하세요
3. Save로 클리핑하고, 프론트매터를 추가하고, 요약을 작성하세요
4. 관련이 있는 곳에서 서로 링크하세요
5. 정리된 연구와 북마크 더미의 차이를 느껴보세요