연구자에게 논문은 식량과 같지만, 매일 쏟아지는 수백 편의 논문을 모두 정독하기에는 물리적 시간이 턱없이 부족합니다. 특히 실험과 데이터 분석을 병행해야 하는 환경에서 ‘읽을 만한 논문’을 골라내는 선별 작업(Screening)만으로도 지치기 마련입니다. 본 포스팅에서는 자가 구축한 Nextcloud-개인서버와 구글의 최신 모델인 Gemini 2.5 Flash API를 결합하여, 논문을 특정 폴더에 던져두기만 하면 AI가 즉시 분석 리포트를 작성해 주는 ‘AI 논문 사서’ 시스템 구축 과정을 상세히 공유합니다. 1. 시스템 설계: 왜 ‘요약’이 아니라 ‘스크리닝’인가? 많은 AI 도구들이 논문 전체 요약을 시도하지만, LLM의 특성상 서론만 읽고 결론을 지어내는 환각(Hallucination) 현상을 피하기 어렵습니다. ...
프롤로그: 우리는 왜 기록에 실패하는가? 연구자, 특히 실험과 데이터 분석을 병행하는 포닥의 일상은 혼돈 그 자체입니다. 아침에 읽은 논문의 핵심 아이디어, 점심시간에 떠오른 실험 수정 방안, 퇴근길에 생각난 코딩 알고리즘이 머릿속을 스쳐 지나갑니다. 우리는 이 생각들을 붙잡기 위해 수많은 노트 앱을 사용하고 지나쳐갑니다. 에버노트, 노션, 구글 킵, 그리고 최근 각광받는 옵시디언(Obsidian)까지. 하지만 저는 항상 두 가지 문제에 봉착했습니다. 동기화의 번거로움: 보안이 중요한 연구 데이터를 상용 클라우드에 올리기는 찜찜하거나, 매번 싱크(Sync) 설정을 맞추는 것이 귀찮습니다. 정리의 압박: “옵시디언은 제텔카스텐(Zettelkasten) 방식으로 써야 해"라는 강박 때문에, 막상 글을 작성하는 것을 주저하게 됩니다. 그래서 저는 결심했습니다. 수집은 가장 게으르게, 정리는 AI에게, 저장은 가장 완벽하게 하는 시스템을 만들기로요. 제 개인 워크스테이션과 생성형 AI(Gemini/ChatGPT)를 활용한 저만의 하이브리드 워크플로우를 공유하려고 합니다. ...