김부장의 바이브코딩 작업일지에서 오늘은 코드를 고친 이야기는 아닙니다. 하지만 제 입장에서는 코딩만큼 중요한 일이었습니다. AI와 작업한 기록을 Obsidian에 모아두면 나중에 다시 찾기 좋겠다고 생각했습니다. 일종의 개인 LLM 위키처럼 쓰고 싶었던 겁니다.
문제는 어느 날 Obsidian이 “보관함을 인덱싱하고 있습니다”라는 팝업에서 멈춘 것처럼 보였다는 점입니다. 처음에는 기다리면 끝날 줄 알았습니다. 그런데 진행률이 40% 근처에서 한참 움직이지 않았고, 노트도 제대로 쓰기 어려웠습니다. 비개발자인 제 눈에는 그저 “Obsidian이 고장 났다” 정도로만 보였습니다.
처음 막힌 지점: 서버가 문제인지, 내 PC가 문제인지
제가 가장 먼저 의심한 것은 LiveSync였습니다. Obsidian을 여러 기기에서 동기화하려고 CouchDB 기반의 LiveSync를 쓰고 있었기 때문입니다. 동기화 서버가 꼬였다면 전체 보관함이 이상해질 수 있겠다는 생각이 들었습니다.
AI와 함께 확인한 순서는 의외로 단순했습니다. 먼저 Obsidian 프로세스가 살아 있는지 보고, 서버 컨테이너 상태와 디스크, 메모리를 확인했습니다. 서버 쪽은 특별히 무너진 상태가 아니었습니다. 그러자 시선이 로컬 PC로 옮겨갔습니다.
여기서 배운 첫 번째는 “동기화 기능이 있는 앱이라고 해서 모든 문제를 서버 탓으로 보면 안 된다”는 것이었습니다. 서버는 멀쩡해도 내 컴퓨터의 캐시나 인덱스가 문제일 수 있었습니다.
두 번째 막힌 지점: 너무 큰 Markdown 파일
AI가 보관함 안의 큰 파일을 찾아보니 뜻밖의 범인이 나왔습니다. AI CLI 작업 로그였습니다. Claude, Codex, Hermes 세션을 백업해둔 Markdown 파일들이었는데, 파일 하나가 수십 MB인 것도 있었고 개수도 적지 않았습니다.
저는 Markdown이면 그냥 텍스트니까 괜찮다고 생각했습니다. 하지만 Obsidian은 그 큰 텍스트 파일을 모두 읽고 검색 색인을 만들어야 합니다. 특히 오래된 맥북과 리눅스 환경에서는 이런 대형 로그가 인덱싱을 오래 붙잡을 수 있었습니다.
처음에는 대형 로그 폴더를 Obsidian 검색 대상에서 제외했습니다. 그래도 팝업이 계속 남아 있어 로컬 IndexedDB 캐시를 백업한 뒤 재생성했습니다. 여기서 중요한 점은 원본 노트나 LiveSync 원격 DB를 지우지 않았다는 것입니다. AI가 계속 “삭제가 아니라 백업 후 재생성”으로 방향을 잡아준 덕분에 안심할 수 있었습니다.
세 번째 막힌 지점: 플러그인과 열린 PDF까지 의심하기
한 번에 해결되지는 않았습니다. 진행률은 26%, 30%처럼 조금씩 움직였지만 여전히 느렸습니다. 더 살펴보니 보관함 안에는 큰 첨부파일과 PDF, 압축파일도 있었습니다. 게다가 Obsidian이 이전에 열어둔 PDF 탭을 다시 붙잡고 있었습니다.
AI와 함께한 조치는 단계적이었습니다. 비지원 파일 표시를 줄이고, 원본 자료 폴더와 첨부 폴더를 인덱싱 대상에서 제외한 뒤 커뮤니티 플러그인을 잠시 껐습니다. 작업공간 상태도 초기화해 빈 탭으로 열리게 했습니다. 마지막에는 “이 보관함의 작성자를 신뢰하십니까?” 같은 확인창도 실제 진행을 막을 수 있다는 점까지 확인했습니다.
비개발자 김부장이 배운 점
이번 일에서 가장 크게 배운 것은 “백업”과 “검색 가능한 보관”은 다르다는 점입니다. 저는 AI 작업 로그를 전부 Obsidian 안에 넣으면 든든하다고 생각했습니다. 하지만 원본 로그를 그대로 넣는 것은 보관에는 좋을지 몰라도, 매일 쓰는 노트 앱에는 부담이 될 수 있었습니다.
이제는 방향을 조금 바꿔야겠다고 느꼈습니다. 원본 로그는 따로 안전하게 보관하고, Obsidian에는 사람이 읽을 수 있는 요약과 색인만 넣는 방식이 더 맞습니다. 비개발자인 저에게 필요한 것은 모든 원문을 눈앞에 두는 것이 아니라, 나중에 “그때 무슨 문제였고 어떻게 풀었는지” 빠르게 찾는 구조였습니다.
바이브코딩도 마찬가지인 것 같습니다. AI가 많은 일을 대신해주지만, 기록을 쌓는 방식까지 자동으로 좋은 구조가 되는 것은 아닙니다. 많이 저장하는 것보다 다시 쓸 수 있게 정리하는 것이 더 중요했습니다.
다음 편에서는 이렇게 쌓인 AI 작업 기록을 블로그 소재나 개인 지식베이스로 다시 꺼내 쓰는 방법을 더 정리해보려고 합니다.