claude-obsidian 스킬 뜯어보기 (8): autoresearch

이 스킬이 하는 일

autoresearch는 주제 하나를 받아 웹 검색 → 소스 페칭 → 합성 → 위키 페이지 작성을 자동으로 반복하는 자율 연구 에이전트다. Karpathy의 autoresearch 패턴에서 영감을 받았다: program.md라는 설정 파일이 연구 목표와 제약 조건을 정의하고, 에이전트가 루프를 돌며 depth에 도달하면 멈춘다. 결과물은 채팅 응답이 아니라 위키 페이지로 직접 파일링된다.

사용자가 /autoresearch LLM fine-tuning best practices라고 입력하면, Claude가 주제를 분해하고, 여러 각도에서 검색하고, 모순을 확인하고, 소스/개념/엔티티/합성 페이지를 위키에 생성한다. 한 세션에 최대 3라운드, 15페이지, 라운드당 5소스까지 처리한다. 이 모든 제약은 program.md에서 사용자가 직접 조정할 수 있다.

파일 구조

claude-obsidian/
├── skills/autoresearch/
│   ├── SKILL.md                    # 스킬 본체 — 연구 루프, 파일링 규칙, 합성 구조
│   └── references/
│       └── program.md              # 연구 프로그램 설정 — 목표, 제약, 도메인 규칙
└── commands/
    └── autoresearch.md             # /autoresearch 커맨드 진입점

3개 파일로 구성된다. SKILL.md(174줄)가 연구 루프의 전체 흐름과 파일링 규칙을 정의하고, program.md(76줄)가 사용자 설정 가능한 제약 조건을 담는다. commands/autoresearch.md(17줄)는 커맨드 진입점으로, 스킬 로드와 vault 확인을 처리한다. 이전 스킬들과 비교하면 wiki(600줄+)보다는 작지만 defuddle(82줄)보다 훨씬 크다 — 자율 에이전트의 행동 규칙을 정의해야 하기 때문이다.

SKILL.md 뜯어보기

프론트매터부터 보자.

---
name: autoresearch
description: >
  Autonomous iterative research loop. Takes a topic, runs web searches, fetches sources,
  synthesizes findings, and files everything into the wiki as structured pages.
  Based on Karpathy's autoresearch pattern: program.md configures objectives and constraints,
  the loop runs until depth is reached, output goes directly into the knowledge base.
  Triggers on: "/autoresearch", "autoresearch", "research [topic]", "deep dive into [topic]",
  "investigate [topic]", "find everything about [topic]", "research and file",
  "go research", "build a wiki on".
allowed-tools: Read Write Edit Glob Grep WebFetch WebSearch
---

allowed-tools가 6개로 이 시리즈에서 가장 많다. WebFetch와 WebSearch가 핵심이다 — 다른 스킬에는 없는 웹 접근 도구다. defuddle이 Read Bash만 쓰는 것과 대조적이다. autoresearch는 외부 CLI 래퍼가 아니라 Claude 자체가 연구 에이전트로 동작하기 때문에, 검색/페칭/읽기/쓰기를 모두 직접 수행한다.

트리거 키워드도 풍부하다: research [topic], deep dive into [topic], investigate [topic], find everything about [topic], go research, build a wiki on. 사용자의 자연어 의도를 폭넓게 포착한다.

Autonomous Research Loop

SKILL.md의 첫 번째 단락이 스킬의 정체성을 한 문장으로 정의한다.

You are a research agent. You take a topic, run iterative web searches,
synthesize findings, and file everything into the wiki. The user gets
wiki pages, not a chat response.

"The user gets wiki pages, not a chat response" — 이 문장이 autoresearch의 핵심 철학이다. 일반적인 LLM 대화에서는 답변이 채팅 버블에 나타났다가 세션이 끝나면 사라진다. autoresearch는 결과를 위키 페이지로 파일링하여 영구적 산출물로 만든다. 1편에서 다룬 Knowledge Compounding 패턴의 자동화 버전이다.

references/program.md를 시작 전에 반드시 읽으라는 지시도 있다.

Read `references/program.md` to load the research objectives and constraints.
This file is user-configurable. It defines what sources to prefer, how to
score confidence, and any domain-specific constraints.

program.md는 "사용자가 설정 가능"하다고 명시한다. 이는 autoresearch가 하드코딩된 에이전트가 아니라 설정 가능한 에이전트라는 의미다. 연구 스타일, 출처 선호도, 도메인 규칙을 사용자가 직접 바꿀 수 있다.

Three-Round Search -- 광범위 → 갭 → 검증

연구 루프의 3라운드 구조가 의사코드로 정의되어 있다.

Input: topic (from user command)
 
Round 1. Broad search
1. Decompose topic into 3-5 distinct search angles
2. For each angle: run 2-3 WebSearch queries
3. For top 2-3 results per angle: WebFetch the page
4. Extract from each: key claims, entities, concepts, open questions
 
Round 2. Gap fill
5. Identify what's missing or contradicted from Round 1
6. Run targeted searches for each gap (max 5 queries)
7. Fetch top results for each gap
 
Round 3. Synthesis check (optional, if gaps remain)
8. If major contradictions or missing pieces still exist: one more targeted pass
9. Otherwise: proceed to filing
 
Max rounds: 3 (as set in program.md). Stop when depth is reached or max rounds hit.

각 라운드의 역할이 명확하게 분리되어 있다.

Round 1 (Broad search): 주제를 여러 각도에서 광범위하게 조사한다. 한 가지 시각에 편향되지 않도록 3-5개 검색 각도로 분해하고, 각 각도마다 2-3개 쿼리를 실행한다. 최대 15개 쿼리, 15개 페이지를 처리하는 셈이다.

Round 2 (Gap fill): 1라운드에서 빠졌거나 모순된 부분만 집중 검색한다. "What's missing or contradicted"가 판단 기준이다. 최대 5개 쿼리로 제한되어 있어 1라운드보다 범위가 좁다.

Round 3 (Synthesis check): 선택적이다. "if gaps remain"일 때만 실행된다. 대부분의 연구 주제는 2라운드면 충분하다. 3라운드까지 가는 것은 출처 간 심각한 모순이 있거나 핵심 정보가 여전히 빠져 있을 때다.

마지막 줄이 중요하다: "Stop when depth is reached or max rounds hit." 두 가지 종료 조건이 있다 — 충분한 depth에 도달했거나, 3라운드를 모두 소진했거나. 이 종료 조건이 자율 에이전트의 무한 루프를 방지한다.

Topic Decomposition -- 3-5개 검색 각도

Round 1의 첫 번째 단계가 주제 분해(Topic Decomposition)다.

1. Decompose topic into 3-5 distinct search angles
2. For each angle: run 2-3 WebSearch queries

왜 3-5개인가? 너무 적으면(1-2개) 편향된 결과가 나온다. 너무 많으면(6개 이상) 라운드 하나에서 소진하는 쿼리와 토큰이 과도해진다. 3-5개는 다양성과 효율성의 균형점이다.

예를 들어 "LLM fine-tuning best practices"라는 주제라면, 검색 각도가 이렇게 분해될 수 있다:

1. fine-tuning 기법 (LoRA, QLoRA, full fine-tuning 비교)
2. 데이터 준비 및 품질 (학습 데이터 큐레이션, 합성 데이터)
3. 평가 방법론 (벤치마크, human eval, automated eval)
4. 실전 사례 (기업 적용 사례, 비용 분석)
5. 최근 동향 (2024-2025년 새로운 접근법)

각 각도에서 2-3개 쿼리를 실행하면 최소 6개, 최대 15개의 검색이 이루어진다. 검색 결과 중 상위 2-3개 페이지를 WebFetch하고, 각 페이지에서 "key claims, entities, concepts, open questions"를 추출한다. 추출 항목이 4가지로 고정되어 있어, 에이전트가 무엇을 찾아야 하는지 명확하다.

Filing Results -- Sources, Concepts, Entities

연구가 끝나면 4종류의 위키 페이지를 생성한다.

**wiki/sources/**. One page per major reference found
- Use source frontmatter (type, source_type, author, date_published, url,
  confidence, key_claims)
- Body: summary of the source, what it contributes to the topic
 
**wiki/concepts/**. One page per significant concept extracted
- Only create a page if the concept is substantive enough to stand alone
- Check the index first: update existing concept pages rather than
  creating duplicates
 
**wiki/entities/**. One page per significant person, org, or product identified
- Check the index first: update existing entity pages
 
**wiki/questions/**. One synthesis page titled "Research: [Topic]"
- This is the master synthesis. Everything comes together here.

4가지 산출물의 역할이 분명하다:

Sources — 원본 출처의 요약과 메타데이터. 프론트매터에 confidence, key_claims 필드가 있어 나중에 위키 전체의 출처 신뢰도를 추적할 수 있다.

Concepts — 독립적으로 설명할 가치가 있는 개념. "substantive enough to stand alone"이라는 기준이 있다. 사소한 용어까지 페이지로 만들지 않는다. 그리고 인덱스를 먼저 확인하여 기존 페이지가 있으면 업데이트한다. 중복 페이지 방지 전략이다.

Entities — 사람, 조직, 제품. 개념과 마찬가지로 인덱스를 먼저 확인한다.

Synthesis — 모든 것을 하나로 모으는 마스터 페이지. wiki/questions/ 폴더에 "Research: [Topic]"이라는 제목으로 생성된다. 이 페이지가 해당 연구 세션의 진입점이 된다.

Synthesis Page 구조

합성 페이지의 전체 구조가 템플릿으로 정의되어 있다.

---
type: synthesis
title: "Research: [Topic]"
created: YYYY-MM-DD
updated: YYYY-MM-DD
tags:
  - research
  - [topic-tag]
status: developing
related:
  - "[[Every page created in this session]]"
sources:
  - "[[wiki/sources/Source 1]]"
  - "[[wiki/sources/Source 2]]"
---

프론트매터에 type: synthesis가 있다. 1편에서 다룬 프론트매터 체계에서 synthesis는 별도의 type으로, 단일 소스 요약이 아니라 여러 소스를 교차 분석한 결과물임을 표시한다. status: developing으로 시작하여, 추가 연구가 진행되면 업데이트될 수 있다는 것을 나타낸다.

related 필드에 "Every page created in this session"이 들어간다. 한 번의 autoresearch 세션에서 생성된 모든 소스/개념/엔티티 페이지가 여기에 연결된다. Obsidian의 그래프 뷰에서 합성 페이지를 중심으로 관련 페이지들이 클러스터를 형성하게 된다.

본문 섹션은 7개로 구성된다:

## Overview
[2-3 sentence summary of what was found]
 
## Key Findings
- Finding 1 (Source: [[Source Page]])
 
## Key Entities
- [[Entity Name]]: role/significance
 
## Key Concepts
- [[Concept Name]]: one-line definition
 
## Contradictions
- [[Source A]] says X. [[Source B]] says Y.
  [Brief note on which is more credible and why]
 
## Open Questions
- [Question that research didn't fully answer]
 
## Sources
- [[Source 1]]: author, date

Contradictions 섹션이 주목할 만하다. 단순히 "모순이 있다"고만 기록하는 게 아니라, "어느 쪽이 더 신뢰할 수 있고 그 이유는 무엇인가"까지 적는다. 이는 program.md의 Confidence Scoring과 연결되는 부분이다.

Open Questions 섹션은 연구의 한계를 명시한다. 3라운드 안에 답을 찾지 못한 질문이 여기에 기록된다. 이 질문들은 다음 autoresearch 세션의 시작점이 될 수 있다.

Constraints -- Max Rounds, Confidence Scoring

SKILL.md 마지막에 제약 조건이 요약되어 있다.

Follow the limits in `references/program.md`:
- Max rounds (default: 3)
- Max pages per session (default: 15)
- Confidence scoring rules
- Source preference rules
 
If a constraint conflicts with completeness, respect the constraint and note
what was left out in the Open Questions section.

마지막 문장이 핵심이다: "respect the constraint and note what was left out." 제약과 완전성이 충돌하면 제약을 우선한다. 빠진 내용은 Open Questions에 기록한다. 이 원칙이 자율 에이전트의 예측 가능성을 보장한다 — 에이전트가 "좀 더 완벽하게 조사하겠다"며 무한 루프에 빠지는 것을 방지한다.

파일링 후 3가지 후처리가 실행된다:

1. Update `wiki/index.md`. Add all new pages to the right sections
2. Append to `wiki/log.md` (at the TOP):
   ## [YYYY-MM-DD] autoresearch | [Topic]
   - Rounds: N
   - Sources found: N
   - Pages created: [[Page 1]], [[Page 2]], ...
   - Synthesis: [[Research: Topic]]
   - Key finding: [one sentence]
3. Update `wiki/hot.md` with the research summary

index, log, hot 세 파일 모두 업데이트한다. log.md에 라운드 수, 소스 수, 생성된 페이지 목록이 기록되어, 나중에 연구 이력을 추적할 수 있다. hot.md 업데이트는 다음 세션에서 최근 연구 맥락을 즉시 파악할 수 있게 한다.

사용자에게 보고하는 형식도 정해져 있다:

Research complete: [Topic]
 
Rounds: N | Searches: N | Pages created: N
 
Created:
  wiki/questions/Research: [Topic].md (synthesis)
  wiki/sources/[Source 1].md
  wiki/concepts/[Concept 1].md
  wiki/entities/[Entity 1].md
 
Key findings:
- [Finding 1]
- [Finding 2]
- [Finding 3]
 
Open questions filed: N

라운드 수, 검색 수, 생성된 페이지 수를 한눈에 보여주고, 핵심 발견 사항과 미해결 질문 수까지 보고한다. 사용자가 위키를 열어보지 않아도 연구 결과의 개요를 파악할 수 있다.

program.md 뜯어보기

program.md는 autoresearch 루프의 행동 설정 파일이다. SKILL.md가 "무엇을 하는가"를 정의한다면, program.md는 "어떻게 하는가"를 설정한다.

# Research Program
 
This file configures the autoresearch loop. Edit it to match your domain
and research style. The autoresearch skill reads it before every run.

"Edit it to match your domain and research style" — 이 파일은 사용자가 직접 수정하도록 설계되어 있다. AI 연구자, 비즈니스 분석가, 의학 연구자가 각자의 도메인에 맞게 조정할 수 있다.

Search Objectives -- 권위 출처 전략

기본 연구 목표 6가지가 정의되어 있다.

Default objectives for every research session:
 
- Find authoritative sources (prefer: .edu, peer-reviewed papers,
  official documentation, primary sources, established publications)
- Extract key entities (people, organizations, products, tools)
- Extract key concepts and frameworks
- Note contradictions between sources
- Identify open questions and research gaps
- Prefer sources from the last 2 years unless the topic is foundational

첫 번째 목표의 괄호 안이 핵심이다: .edu, peer-reviewed papers, official documentation, primary sources, established publications. 이 우선순위는 "위키피디아에서 빠르게 복사하기"와는 정반대 방향이다. 1차 출처(primary sources)와 공식 문서를 우선한다.

마지막 목표도 중요하다: "최근 2년 이내 소스를 선호하되, 기초적인 주제라면 예외를 둔다." TCP/IP 프로토콜 같은 기초 주제는 10년 된 RFC 문서가 더 권위 있을 수 있다. 반면 LLM 파인튜닝은 2년 전 자료도 구식이 될 수 있다. 이 구분을 에이전트가 판단하도록 위임한다.

Confidence Scoring System -- high/medium/low

모든 주장에 신뢰도 레이블을 붙이는 규칙이다.

Label every claim with confidence when filing:
 
- **high**: multiple independent authoritative sources agree
- **medium**: single good source, or sources partially agree
- **low**: speculation, opinion pieces, single informal source,
  or claim not verified

3단계 시스템이 명확하다:

• high — "multiple independent authoritative sources agree." 핵심 단어는 independent와 authoritative다. 같은 원본을 재인용한 여러 기사는 "multiple independent"가 아니다. 서로 독립적인 권위 있는 출처들이 동의해야 한다.
• medium — "single good source, or sources partially agree." 좋은 출처가 하나이거나, 여러 출처가 부분적으로만 일치할 때. 이 등급이 가장 흔할 것이다.
• low — 추측, 의견 기사, 단일 비공식 출처, 또는 미검증 주장. Reddit이나 소셜 미디어 출처는 자동으로 이 등급에 해당한다.

Source Dating -- 3년+ 구식 표시

신뢰도 스코어링과 짝을 이루는 규칙이다.

Always note the source date for factual claims. Mark claims from sources
older than 3 years as potentially stale.

"potentially stale" — 3년 이상 된 소스의 주장은 잠재적으로 구식이라고 표시한다. 구식이라고 무조건 틀린 것은 아니다. 하지만 독자에게 "이 정보가 얼마나 최신인가"를 판단할 근거를 제공한다.

이 규칙은 Search Objectives의 "최근 2년 이내 선호" 규칙과 다른 차원이다. 검색 단계에서는 최신 소스를 우선하되, 파일링 단계에서는 오래된 소스도 포함하되 날짜를 명시한다. 정보를 버리는 게 아니라 맥락을 추가하는 것이다.

Loop Constraints -- rounds, pages, sources 한도

연구 루프의 물리적 한도를 설정한다.

- Max search rounds per topic: **3**
- Max wiki pages created per session: **15**
- Max sources fetched per round: **5**
- If max pages is reached before the loop completes: file what you have,
  note what was skipped in Open Questions

세 가지 한도가 서로 다른 차원을 제약한다:

• 3 라운드 — 연구의 깊이를 제한한다. 광범위 → 갭 → 검증 이상은 하지 않는다.
• 15 페이지 — 한 세션의 산출물 양을 제한한다. 소스 + 개념 + 엔티티 + 합성 페이지를 합산한다.
• 라운드당 5 소스 — 각 라운드에서 페칭하는 소스 수를 제한한다. 3라운드 × 5소스 = 최대 15소스.

마지막 줄이 SKILL.md의 제약 우선 원칙과 일관된다: 15페이지 한도에 먼저 도달하면 루프가 끝나지 않았더라도 가진 것을 파일링하고 나머지는 Open Questions에 기록한다.

이 숫자들은 실용적인 균형을 반영한다. 라운드당 5소스를 WebFetch하면 각 소스가 평균 3,000-5,000 토큰이라고 가정할 때 15,000-25,000 토큰을 소비한다. 3라운드면 최대 75,000 토큰. Claude의 컨텍스트 윈도우 안에서 검색/합성/파일링을 모두 처리하려면 이 정도가 현실적 한계다.

Output Style -- 선언적 현재형, 200행 이하

파일링할 때의 글쓰기 스타일을 규정한다.

- Declarative, present tense
- Cite every non-obvious claim: `(Source: [[Page]])`
- Short pages: under 200 lines. Split if longer.
- No hedging language ("it seems", "perhaps", "might be")
- Flag uncertainty explicitly: `> [!gap] This claim needs verification.`

5가지 규칙이 모두 위키 품질을 높이는 방향이다.

"Declarative, present tense" — "X seems to be Y"가 아니라 "X is Y"로 쓴다. hedging을 제거하면 위키 페이지가 명확해진다. 불확실한 정보는 hedging으로 흐리지 않고, [!gap] callout으로 명시적으로 표시한다.

"Cite every non-obvious claim" — 출처 없는 주장을 허용하지 않는다. (Source: [[Page]]) 형식으로 위키링크를 걸어, 독자가 원본 소스 페이지로 바로 이동할 수 있게 한다.

"Short pages: under 200 lines. Split if longer." — 200줄 이상이면 분할한다. 위키 페이지가 지나치게 길어지면 가독성이 떨어지고, 위키 쿼리(4편의 wiki-query)에서 관련 내용을 찾기도 어려워진다. 짧은 페이지가 위키의 원자성(atomicity)을 보장한다.

Explicit Uncertainty -- [!gap] callout

불확실성 표현의 구체적 방법이다.

Flag uncertainty explicitly: `> [!gap] This claim needs verification.`

Obsidian의 callout 문법을 활용한다. [!gap]은 1편에서 다룬 커스텀 callout 타입 중 하나로, CSS 스니펫으로 시각적으로 구분된다. 위키 페이지를 읽을 때 검증이 필요한 주장이 시각적으로 눈에 띄게 된다.

hedging 언어를 금지하는 대신 callout을 사용하는 이유가 있다. "it seems"이 섞인 문장은 얼마나 불확실한지 모호하다. callout은 "이 주장은 검증이 필요하다"고 이진적으로 표시한다. 모호한 불확실성 대신 명시적인 불확실성이다.

Domain-Specific Rules -- AI/Business/Medical

도메인별 소스 선호도와 주의사항이다.

For AI/tech research:
- Prefer: arXiv, official GitHub repos, official product documentation,
  Hacker News discussions with high karma
- Note: LLM benchmarks are often gamed: treat leaderboard claims as
  low confidence unless independently verified
 
For business/market research:
- Prefer: company filings, Crunchbase, Bloomberg,
  verified industry reports
- Flag: press releases as low confidence without
  independent verification
 
For medical/health research:
- Prefer: PubMed, Cochrane reviews, peer-reviewed clinical trials
- Always note: sample size, study type (RCT vs observational),
  and recency

세 도메인에 대해 구체적인 지침이 있다.

AI/tech: arXiv 프리프린트, 공식 GitHub 레포, 공식 문서, 고카르마 Hacker News 토론을 선호한다. 특히 "LLM benchmarks are often gamed"라는 경고가 실용적이다. 리더보드 순위를 high confidence로 기록하면 안 되고, 독립적으로 검증되지 않은 벤치마크 주장은 low confidence로 처리한다.

Business/market: SEC 공시(company filings), Crunchbase, Bloomberg, 검증된 산업 보고서를 선호한다. 보도자료(press releases)는 독립적 검증 없이는 low confidence로 처리한다. 보도자료는 기업이 자신에게 유리하게 작성하는 1차 자료이므로, 팩트 체크가 필요하다.

Medical/health: PubMed, Cochrane 리뷰, 피어 리뷰된 임상 시험을 선호한다. 그리고 반드시 기록해야 하는 3가지: 샘플 크기, 연구 유형(RCT vs 관찰 연구), 최신성. 의학 연구에서 "50명 대상 관찰 연구"와 "5,000명 대상 이중맹검 RCT"는 신뢰도가 전혀 다르다.

이 섹션은 [Add domain-specific instructions here. Examples:]라는 주석으로 시작한다. 제공된 3가지 도메인은 예시이며, 사용자가 자신의 도메인(법률, 교육, 엔지니어링 등)에 맞는 규칙을 추가할 수 있다.

Excluded Source Types

high-confidence 출처로 인용해서는 안 되는 소스 유형이다.

Do not cite as high-confidence sources:
- Reddit posts or forums (use as pointers to primary sources only)
- Social media posts
- Undated web pages
- Sources that don't cite their own claims

4가지 제외 유형 모두 합리적이다:

• Reddit/포럼 — "use as pointers to primary sources only." 완전히 무시하는 게 아니라, 1차 출처를 찾기 위한 포인터로만 활용한다. Reddit에서 누군가 논문 링크를 공유하면, 그 논문이 출처이지 Reddit 포스트가 출처가 아니다.
• 소셜 미디어 — 트위터/X, 링크드인 포스트 등. 주장의 근거로 사용할 수 없다.
• 날짜 없는 웹페이지 — 언제 작성되었는지 알 수 없으면 최신성을 판단할 수 없다.
• 자체 인용이 없는 출처 — 주장을 하면서 근거를 제시하지 않는 소스. 이런 소스를 인용하면 "출처 없는 주장을 출처 삼는 꼴"이 된다.

이 제외 목록은 Confidence Scoring System과 연동된다. 제외 목록에 해당하는 소스는 high confidence를 줄 수 없고, 최대 low confidence까지만 허용된다.

commands/autoresearch.md 뜯어보기

커맨드 파일은 17줄로 짧지만, /autoresearch 호출의 진입점과 전후 처리를 정의한다.

/autoresearch 호출 흐름

---
description: Run an autonomous research loop on a topic. Searches the web,
  synthesizes findings, and files everything into the wiki as structured pages.
---

프론트매터의 description이 Claude Code에게 이 커맨드가 언제 실행되어야 하는지 알려준다.

Read the `autoresearch` skill. Then run the research loop.
 
Usage:
- `/autoresearch [topic]` — research a specific topic
- `/autoresearch` — ask "What topic should I research?"

두 가지 호출 방식이 있다. 주제를 지정하면 바로 시작하고, 주제 없이 호출하면 "무엇을 연구할까요?"라고 물어본다. 주제 없는 호출은 대화형 워크플로우에서 유용하다 — 사용자가 먼저 /autoresearch를 입력하고, Claude의 질문에 답하면서 주제를 구체화할 수 있다.

Program Constraints Loading

연구 시작 전 반드시 program.md를 로드한다.

Before starting, read `skills/autoresearch/references/program.md` to load
the research constraints and objectives.

이 지시가 commands/autoresearch.md와 SKILL.md 양쪽에 반복된다. 중복처럼 보이지만, 커맨드 파일이 스킬 파일보다 먼저 로드되는 경우를 대비한 안전장치다.

vault가 존재하지 않는 경우의 처리도 정의한다.

If no vault is set up yet, say: "No wiki vault found. Run /wiki first
to set one up."

autoresearch는 wiki 볼트가 있어야 결과를 파일링할 수 있다. 볼트가 없으면 연구를 시작하지 않고 /wiki를 먼저 실행하라고 안내한다. 1편에서 다룬 /wiki 스킬이 볼트 스캐폴딩을 담당한다.

Wiki Update After Research

연구 완료 후 위키 업데이트와 보고를 처리한다.

After research is complete, update wiki/index.md, wiki/log.md,
and wiki/hot.md.
 
Report how many pages were created and what the key findings are.

SKILL.md에서 정의한 3가지 후처리(index, log, hot 업데이트)를 커맨드 레벨에서 다시 한번 강조한다. 그리고 사용자에게 "몇 개 페이지가 생성되었고 핵심 발견은 무엇인가"를 보고하라고 명시한다.

이 보고 지시가 SKILL.md의 "Report to User" 섹션과 연결된다. 커맨드 파일은 간결하게 "보고하라"고만 말하고, 보고 형식의 상세는 SKILL.md에 위임한다.

다른 스킬과의 연결점

autoresearch는 claude-obsidian 스킬 체인에서 자율 연구 계층을 담당한다.

주제 → [autoresearch] → WebSearch/WebFetch → [defuddle] → 정제된 소스
                                                              ↓
wiki/sources/ ← wiki/concepts/ ← wiki/entities/ ← wiki/questions/

wiki와의 관계. 1편에서 다룬 wiki 스킬이 볼트를 스캐폴딩하고, autoresearch는 그 볼트에 연구 결과를 채운다. 볼트가 없으면 autoresearch가 동작하지 않는다.

wiki-ingest와의 관계. 3편의 wiki-ingest는 단일 소스를 수동으로 인제스트한다. autoresearch는 여러 소스를 자동으로 검색하고 인제스트한다. 공통점은 결과물이 모두 wiki/sources/, wiki/concepts/, wiki/entities/에 파일링된다는 것이다. 차이점은 wiki-ingest가 사용자가 제공한 소스를 처리하는 반면, autoresearch는 스스로 소스를 찾아낸다.

wiki-query와의 관계. 4편의 wiki-query는 기존 위키 콘텐츠에서 답변을 생성한다. autoresearch가 위키를 풍부하게 채울수록 wiki-query의 답변 품질이 높아진다. autoresearch의 Open Questions가 wiki-query의 gap identification으로 이어질 수도 있다.

defuddle과의 관계. 7편의 defuddle은 웹페이지에서 클러터를 제거한다. autoresearch가 WebFetch로 소스를 가져올 때 defuddle이 자동으로 적용될 수 있다. 토큰 절감 효과가 autoresearch의 "라운드당 5소스" 한도 안에서 더 많은 정보를 처리할 수 있게 한다.

wiki-lint와의 관계. 5편의 wiki-lint는 위키 건강 상태를 점검한다. autoresearch가 한 세션에 최대 15페이지를 생성하므로, 몇 번의 autoresearch 세션 후에는 lint를 돌려 고아 페이지, 죽은 링크, 프론트매터 누락을 점검하는 것이 좋다.

autoresearch는 claude-obsidian에서 가장 야심찬 스킬이다. 사용자가 주제 하나만 던지면 웹 검색부터 위키 파일링까지 전 과정을 자동화한다. 다음 9편에서는 이미지, PDF, 노트를 시각적으로 배열하는 canvas 스킬을 분석한다.