초심자용 메인 페이지

오픈크랩이 뭔지 비유로
처음부터 끝까지 풀어드림

인제스트·Neo4j·청킹·임베딩… 듣기만 해도 머리 아픈 단어들을 일상 비유로 박살냅니다.

한 줄 요약

오픈크랩 = 내 암묵지(노하우)를 AI가 먹기 좋게 지식 지도(온톨로지)로 만들어, GPT·클로드 같은 친구에게 "이거 보고 답해줘" 시키는 클라우드 플랫폼. 6월 정식 런칭.

PART A · 어려운 단어 5개를 일상 비유로

인제스트? Neo4j? 청킹? 임베딩?
다 풀어드릴게요

이 5개만 이해하면 카톡방 대화의 80%가 들립니다.

🧠

온톨로지

Ontology · "지식 지도"

사물·개념·관계를 컴퓨터가 이해할 수 있게 정리한 "지식 지도". 단어만 있는 게 아니라 단어 사이 의미선까지 그려둠.

🏠
가족
관계도

'아빠' 카드 옆에 '엄마(부부)' '나(자식)' '할머니(부모)' 화살표가 그어진 그림. 점(사람) + 선(관계) = 온톨로지.

🚇
지하철
노선도

역 = 노드(개념), 선로 = 엣지(관계), 노선도 전체 = 그래프. "강남에서 환승해서 어디로 갈 수 있나"가 한 번에 보임.

📚
위키
+사전

단순 위키(설명 글)는 글자만 있는데, 온톨로지는 "이 단어 = 무엇이고, 무엇과 어떤 관계인가"까지 명시적으로 적혀있음.

실제 예시 (제작자 인용)
반고흐 자화상을 온톨로지화하면 → "서양인 남자" 노드, "파이프 물고 있음" 노드, "귀에 붕대 감음" 노드, "표정 우울" 노드… 그리고 이것들 사이에 "위치 관계", "동작 관계" 같은 엣지가 그어짐.

🍜 "떡볶이"를 스키마 vs 온톨로지로 표현하면

왼쪽: 그냥 메뉴판 정보(스키마). 오른쪽: 재료·맛·관계까지 다 연결(온톨로지). 차이가 한눈에.

스키마: 속성만 (납작)

온톨로지: 관계 + 강도 라벨

차이 한 줄
스키마는 "떡볶이의 가격은 5,000원"까지. 온톨로지는 거기에 "떡볶이는 떡(필수)·고추장(매운맛★★★)으로 만들고, 순대랑 단짝, 신당동이 원조, 분식집에서 판매"까지 다 연결.

⬇️

인제스트

Ingest · "삼키다·소화시키다"

외부 자료(PDF·이미지·노션·웹사이트…)를 오픈크랩에 "먹여서" → 온톨로지(지식 지도) 형태로 가공·저장하는 작업.

🍽
소가
되새김질

소는 풀을 그냥 삼키는 게 아니라 위에서 다시 잘게 부수고 소화 효소로 분해해서 영양분만 흡수. 인제스트도 똑같음. 그냥 업로드가 아니라 "먹고 → 분해 → 의미만 추출"까지.

📖
학생이
책 외우기

시험 전에 책을 통째로 들고 가는 게 아니라, "핵심 정리 노트"를 만들어서 그것만 들고 감. 오픈크랩이 자동으로 "정리 노트"를 만들어주는 거.

🔑 중요

인제스트하면 원본 파일은 서버에 안 올라감. 정리된 "지식 지도"만 저장. 그래서 가볍고 보안에 유리. (제작자 강조 사항)

🗄

Neo4j

Neo4j · "그래프 전용 창고"

"점(노드)과 선(엣지)을 저장하는 데 특화된 데이터베이스" 그래프 형태의 지식을 빠르게 검색·저장하기 위한 전용 도구.

📦
전용
창고

엑셀(표) 저장은 일반 창고에 잘 들어감. 근데 "거미줄 같은 관계 그림"을 엑셀에 넣으면 망함. 그래서 거미줄 전용 창고가 따로 필요한데 그게 Neo4j.

🚇
지하철
전용 DB

"강남에서 3번 환승해서 갈 수 있는 모든 역" 같은 질문을 0.1초에 답하려면 일반 엑셀로는 못함. Neo4j 같은 그래프 DB는 이걸 잘함.

🔑 SQL은?

SQL은 엑셀 표 같은 데이터 다루는 전통 방식. Neo4j는 그래프 전문. 오픈크랩은 Neo4j + Chroma + PostgreSQL + MongoDB를 다 같이 씀.

📐

벡터 임베딩

Vector Embedding · "의미 좌표"

글자·이미지를 "숫자 좌표"로 바꾸는 작업. 의미가 비슷하면 좌표가 가까워짐. AI가 "비슷한 것 찾기"를 하는 핵심 기술.

🗺
도시
지도

서울(37.5, 127.0), 부산(35.1, 129.0). 두 도시가 좌표상 거리가 멀면 실제로도 멈. 임베딩은 단어를 도시처럼 좌표 위에 흩어놓는 것. "왕"과 "여왕"은 좌표가 가깝고, "왕"과 "감자"는 멀음.

🎵
향수
지문

향수 = 시트러스 8, 머스크 3, 우디 5, 플로럴 2… 같은 숫자 조합. 두 향수의 숫자가 비슷하면 비슷한 향. 단어도 이런 식의 1536개 숫자로 변환됨.

📐 단어를 2D 좌표로 펼치면 이런 모양

의미가 비슷한 단어끼리 좌표상 군집이 됨 — 왕족은 왕족끼리, 채소는 채소끼리.

왕족 단어들 (가까이 모임)

채소 단어들 (가까이 모임)

두 군집 사이는 멀음

✅ 좌표가 가까운 두 문장 (의미 비슷)

A. "왕이 명령을 내렸다."
B. "여왕이 결정을 발표했다."

→ 좌표 거리 0.18 (가까움)
→ AI가 같은 의미로 인식 → 검색되면 둘 다 매칭

❌ 좌표가 먼 두 문장 (의미 다름)

A. "왕이 명령을 내렸다."
B. "감자를 삶아 으깼다."

→ 좌표 거리 0.92 (멀음)
→ AI가 전혀 다른 의미로 인식 → 매칭 안 됨

💡 왜 중요?

키워드 검색은 "왕" 단어 자체가 있어야 찾는데, 임베딩은 "통치자가 지시했다"도 좌표가 가까워서 같이 찾아냄. AI가 "비슷한 뜻"을 이해하는 핵심 기술.

🔍

RAG · 그래프RAG · BM25

검색해서 답하는 3가지 방식

AI가 답할 때 자기 머리에서만 짜내면 거짓말(할루시네이션) 함. 그래서 "먼저 자료 찾고 → 그거 보고 답한다"가 RAG.

📖
오픈북
시험

답 모르면 그냥 찍는 학생(=일반 AI) vs 책 들고 와서 페이지 찾아서 답하는 학생(=RAG). 책 = 온톨로지 팩.

🔄 일반 AI vs RAG — 답하는 흐름 비교

"우리 회사 휴가 규정 알려줘" 같은 질문에 답하는 4단계 흐름

①

🔤

BM25

키워드 검색

"정확히 그 단어"를 찾음. 빠름·정확.

구글 단순 검색

②

📐

벡터 RAG

의미 검색

"비슷한 의미"를 찾음. 단어 달라도 OK.

"비슷한 노래" 추천

③

🕸

그래프 RAG

관계 검색

"이거랑 연결된 거 다 줘". 추론까지.

족보·계보 추적

키워드 벡터 그래프 다 써야 품질이 잘 나와요. 처음부터 그래프RAG로 가면 속도가 엄청 느려져요.

기술 팁 제작자

PART B · 자주 나오는 단어 사전 (총 43개)

JSON·SQL·캐싱… 듣기만 해도
머리 아픈 단어들 비유로 박살

💡 각 카테고리를 눌러서 펼쳐 보세요. 모르는 것만 골라서 보면 됩니다.

🛠 핵심 8개 (제일 자주 나옴) 8

▶

✂️

청킹

Chunking

긴 문서를 의미 단위로 잘게 자르기.

초밥집 도마질

🕷

크롤링

Crawling

웹사이트 자료를 자동으로 긁어 모음.

청소기로 빨아먹기

🪓

파싱

Parsing

PDF·이미지를 컴퓨터가 읽게 분해.

통닭→발골

🧰

하네스

9가지 문법

파싱·정리할 때 따라야 할 표준 규칙 9개.

레고 설명서

🔌

MCP

Model Context Protocol

AI에 외부 도구 꽂는 표준 단자.

USB-C 단자

🤖

에이전트

Agent

스스로 도구 쓰고 일하는 AI.

손발 있는 비서

📝

컨텍스트

Context

AI에게 주는 배경·맥락 정보.

인수인계 문서

😵

할루시네이션

Hallucination

AI가 그럴듯하게 거짓말하는 현상.

모르면서 아는 척

📦 데이터 형식 6

▶

📋

JSON (제이슨)

JavaScript Object Notation

컴퓨터끼리 주고받는 메모지 양식. {"이름":"luca"} 형태. 전 세계 표준.

카톡 답장 양식

📊

CSV

Comma Separated Values

콤마로 칸을 나눈 표 데이터. 엑셀로 바로 열림.

출석부 한 줄

📝

YAML (야믈)

Yet Another ML

JSON과 같은 정보를 들여쓰기로 사람 읽기 쉽게.

친절한 메모

📐

XML / HTML

eXtensible / HyperText ML

태그로 둘러싼 데이터. <이름>루카</이름>.

택배 박스 라벨

📄

PDF · DXF · HWP

문서 / 캐드 / 한글

사진 jpg·png처럼 문서도 포맷 여러 가지.

사진 jpg vs png

🔐

메타데이터

Metadata

"데이터에 대한 데이터". 사진의 촬영 위치 등.

책 표지의 저자·연도

🔍 데이터 조작 (쿼리·SQL·인덱싱) 6

▶

❓

쿼리

Query

데이터에 던지는 질문. "30대 남자만 보여줘".

식당 주문서

🗣

SQL

Structured Query Language

DB에 묻는 표준 언어. SELECT * FROM 회원.

사서에게 책 부탁하는 말투

🕸

Cypher

Neo4j 쿼리어

SQL의 그래프 버전. MATCH (a)-[r]->(b).

족보 전문 사서 말투

🔠

정규표현식

Regex

"010으로 시작하는 11자리" 패턴 한 줄로 표현.

패턴 자동 형광펜

🗂

인덱싱

Indexing

빠른 검색 위해 미리 만든 "찾아보기" 표.

책 뒷장 찾아보기

🧹

데이터 클렌징

Cleansing

빈 칸·오타·중복 청소. 분석 전 필수.

설거지

💾 저장소 (DB·캐시·클라우드) 9

▶

🗄

데이터베이스

Database (DB)

데이터를 체계적으로 모은 창고.

잘 정리된 옷장

🏗

스키마

Schema

"이 표는 이름·나이 칸 있다"는 규칙. 데이터 설계도.

회원가입 빈칸 양식

⚡

캐시 / 캐싱

Cache

자주 쓰는 데이터를 가까이 임시 보관. 속도↑.

책상 위 자주 쓰는 펜

☁️

클라우드

Cloud

"남의 컴퓨터". 인터넷 너머 회사 서버.

자취집 vs 호텔

💻

로컬

Local

클라우드 반대. 본인 노트북.

내 책상 서랍

🐘

PostgreSQL

Postgres

표 형식 DB. 회원·주문 정형 데이터에 강함.

고급 엑셀

🍃

MongoDB

NoSQL

JSON 그대로 저장하는 유연한 DB.

자유 양식 노트

🎨

Chroma

Vector DB

벡터 임베딩 좌표 전문 창고.

향수 진열장

🔴

Redis

메모리 DB

RAM에만 저장 → 빛의 속도. 캐싱·세션용.

화이트보드 메모

🔌 연결 (API·웹훅·스트리밍) 4

▶

🪟

API

Application Programming Interface

두 프로그램이 정해진 양식으로 대화하는 창구.

식당 주방 픽업창구

🔑

API 키

API Key

"누가 호출했나" 식별하는 비밀번호.

멤버십 카드

🔔

웹훅

Webhook

"이 일 일어나면 자동 알려줘". 거꾸로 알림.

택배 도착 카톡 알림

🌊

SSE / 스트리밍

Server-Sent Events

서버가 응답을 한 글자씩 흘려보냄.

생방송 자막

🖥 실행 환경 (서버·도커·CLI) 7

▶

🏢

서버

Server

24시간 켜져있는 컴퓨터. 요청에 응답.

24시간 편의점

🏠

호스팅

Hosting

서버 공간 빌려 서비스 띄우기.

가게 자리 임대

👀

백엔드

Backend

사용자 안 보이는 뒤. 데이터·로직 담당.

식당 주방

🖼

프론트엔드

Frontend

사용자 보는 화면.

식당 홀·메뉴판

🐳

도커

Docker

프로그램 통조림. 어디서나 똑같이 돌아감.

컵라면

⌨️

CLI

Command Line Interface

글자(명령어)로 컴퓨터 조작.

말로 주문

🛠

IDE

통합 개발 환경

코드 에디터+디버거+실행 통합 작업실.

시스템 키친

🤖 AI · 데이터분석 6

▶

🎟

토큰

Token

AI 사용 단위. 한국어 1자 ≈ 1.5~2 토큰.

택시 미터기

🧠

LLM

Large Language Model

거대 언어 모델. GPT·클로드 본체.

박사급 만물박사

🤖

모델

Model

학습 끝난 두뇌 한 덩어리.

졸업장 받은 학생

🎯

파인튜닝

Fine-tuning

이미 학습된 모델에 내 데이터로 추가 학습.

전학 와서 적응 훈련

🎨

CLIP

Contrastive Lang-Image

이미지를 텍스트로 설명해주는 AI.

이미지 해설사

💼

SaaS

Software as a Service

구독해서 웹에서 쓰는 소프트웨어.

넷플릭스 구독

📌 이것만 외우면 카톡방 99% 알아들음

JSON(메모지)·쿼리(질문)·캐시(임시저장)·인덱싱(색인)·임베딩(좌표)·LLM(두뇌)·SaaS(구독). 7개만 알아도 어디 가서 안 꿀려요.

🎬 제작자 웨비나 핵심 슬라이드

AI는 지금 7단계 중 3단계
다음은 온톨로지

제작자가 웨비나 시작에 띄운 로드맵. AGI로 가려면 반드시 거쳐야 하는 4단계 = 온톨로지.

PART 1 · 제작자의 AI 발전 7단계

지금 우리가 막힌 곳이 어디인가

🏔 AGI로 가는 등반 루트

3단계(우리) → 4단계(온톨로지 베이스캠프) → 5단계(AGI 정상) → 6~7단계(구름 위 ASI)

현재 (3단계 등반자)

4단계 베이스캠프 (오픈크랩)

5단계 AGI 정상

6~7단계 ASI (구름 위)

LEVEL 1

도구

단순 생성

LEVEL 2

도구

검색·요약

LEVEL 3

에이전트

🔵 우리 위치

LEVEL 4
온톨로지
⭐ 오픈크랩

LEVEL 5

AGI

범용 인공지능

LEVEL 6

ASI

조직 초지능

LEVEL 7

ASI+

제도 초지능

🎯

제작자의 주장

왜 4단계가 병목인가

3단계(에이전트) → 5단계(AGI) 사이엔 "구조화된 지식"이라는 큰 강이 있다. AI가 똑똑해지려면 데이터만 많이 보는 게 아니라, 데이터끼리 어떻게 관계 맺는지 알아야 한다. 그 관계 정의 시스템 = 온톨로지.

🏔
등반
루트

에베레스트 정상(AGI) 가려면 베이스캠프(에이전트) → 4캠프(온톨로지) → 정상이 정해진 루트. 4캠프 못 거치면 죽음.

🎮
RPG
레벨업

레벨 3까진 무기만 강화하면 됨. 레벨 4부터는 "세계관·아이템 관계도"를 모르면 보스 못 깸. AGI는 보스, 온톨로지는 던전 지도.

그 퀀텀 점프를 하는 주체는 감히 단언컨데 온톨로지를 촘촘하게 구축한 사람입니다.

웨비나철학 제작자, 5/13

PART 2 · 왜 빅데이터의 반대인가

제작자가 제일 강조한 사상

⚖️

빅데이터 vs 온톨로지

완전히 반대 방향

"AI 시대엔 빅데이터가 왕"이 흔한 통념. 제작자는 정반대로 봄. LLM 자체가 이미 빅데이터 덩어리(인터넷 글 다 빨아먹음). 그래서 LLM의 한계를 넘으려면 "빅데이터의 반대 = 아주 사적인 데이터"가 필요하다.

⚖️ 빅데이터의 한계 vs 온톨로지의 가능성

"누구나 만들 수 있는 사적 데이터"가 새 자본이 되는 시대

⬅️ 빅데이터 (구시대)

• 개인은 못 만듦 (테크자이언트 독점)
• 일반적이고 평균화됨
• LLM이 이미 다 학습함
• 추가 가치 한계 도달

➡️ 온톨로지 (새 시대)

• 개인이 만들 수 있음
• 특정·맥락화된 데이터
• "그 수의사", "그 고양이"같은 특정화
• 자본·권력으로 변환 가능

농경사회엔 지주, 산업사회엔 공장, 정보화 사회엔 반도체, AI사회엔 데이터. 누구나 만들 수 있게 되었죠.

웨비나철학 제작자

개인이 빅데이터를 만들 수 없잖아요. 근데 개인은 사적인 데이터는 만들 수 있잖아요. 그걸 문법만 있으면 온톨로지라는 이름의 뭔가로 만들고, 그게 가치가 있다고 판단되면??? 자본이 되고 권력이 되는 거죠.

철학 제작자

PART 3 · 특정화의 힘

"그"라는 글자 하나의 차이

🎯

특정화 (Specification)

제작자가 발견한 핵심 패턴

"수의사"는 그냥 직업. 하지만 "그 수의사"가 되는 순간 — 어떤 동물 잘 고치는지, 빠른지, 친절한지, 강아지 전문인지 — 까지 정의됨. 이 "그"가 붙는 과정이 온톨로지.

🐈

그 고양이

vs 일반 고양이

털 색, 성격, 사료, 병력, 좋아하는 장난감까지 정의됨.

이름표 vs 가족 카드

🍎

그 사과

vs 일반 사과

어디서 자란, 누가 키운, 언제 따온, 누가 먹을 사과인지.

마트 사과 vs 어머니 사과

👨‍⚕️

그 수의사

vs 일반 수의사

잘·빠르게·많이·강아지만·고양이도 고치는지까지 정의.

번호표 vs 친한 단골

여기에 '그'라는 게 붙어가는 게 온톨로지입니다. 그 수의사, 그 고양이, 그 사과. 단정해 버리면 그냥 동물을 고치는 사람인데, 잘 고치냐, 빠르게 고치냐, 강아지만 고치냐 고양이도 고치냐 이런 것까지 정의할 수 있는 게 온톨로지에요.

철학 제작자, 5/6

🏗 오픈크랩 내부 설계

9개 의미공간 + 이원화 구조
+ 6단계 파이프라인

모든 데이터는 9칸 중 하나에 들어가고, 민감한 건 로컬에 의미만 클라우드로. 그게 끝.

PART 1 · 9개 의미 공간 (9-Space)

오픈크랩 골격 — 모든 데이터는
이 9칸 중 하나에 들어감

어떤 자료든 인제스트하면 자동으로 9개 공간 중 하나에 매핑됨. 외워두면 머릿속 정리가 됨.

⭕ 9-Space 만다라

중앙에 오픈크랩 코어. 둘레에 9개 의미공간이 방사형으로 배치.

주체

Subject

"누가 행동하는가". 사람·팀·조직·AI 에이전트.

🎯 등장인물 명단

리소스

Resource

"무엇을 다루는가". 프로젝트·문서·파일·API.

🎯 작업 소재

증거

Evidence

"무엇을 관찰했는가". 텍스트 조각·로그·원자료.

🎯 관찰 일지

개념

Concept

"추상적 무엇". 키워드·토픽·태그·엔티티.

🎯 추상 단어

주장

Claim

"X는 Y다"라는 명제. 가설·결론·인과 주장.

🎯 가설·결론

커뮤니티

Community

"한 묶음의 노드 군집". 그래프상 자연 군집·동아리.

🎯 같은 동아리

결과

Outcome

"측정된 성과·리스크". KPI·매출·리스크 스코어.

🎯 성적표

레버

Lever

"움직일 수 있는 다이얼". 시뮬레이션 입력 변수.

🎯 다이얼·노브

정책

Policy

"룰·승인·민감도". 권한 정책·승인 워크플로.

🎯 사내 규정집

📌 핵심 멘탈모델

"어떤 데이터든 들어오면 → 어느 공간? → 어떤 다른 공간과 연결?" 이 두 질문이 끝. 그래서 9-Space는 단순한 분류가 아니라 온톨로지 빌딩 문법.

PART 2 · 메타엣지 (MetaEdge)

관계도 그냥 화살표가 아님

제작자가 직접 만든 용어. 일반 그래프 vs 오픈크랩 그래프의 본질 차이.

⬅️ 일반 그래프

• 노드 + 엣지(화살표) 끝
• A → B 연결만 표시
• 관계의 종류·강도 없음

➡️ 메타엣지 (오픈크랩)

• 각 엣지마다 5가지 속성:
  ① 정의 (이게 뭔지)
  ② 엣지 간 관계 (관계의 관계)
  ③ 하이라키 (상·하위 층위)
  ④ 권한 (누가 보고·수정 가능)
  ⑤ 강도 (관계 세기)

정의+엣지간의 관계+데이터의 하이라키+권한+강도들이 다 각자 정의가 됩니다. 이걸 메타엣지라고 하는데.

기술 제작자, 5/6

일상 비유
일반 그래프 = "친구 관계도" 단순 점·선. 메타엣지 그래프 = "친구 관계도인데 친한 정도(강도) + 사이가 좋은 기간(하이라키) + 비밀 공유 가능 여부(권한) + 어떻게 친해졌는지(정의)"까지 다 기록.

PART 3 · LocalCrab ↔ OpenCrab 이원화

원본은 로컬, 의미만 클라우드

웨비나가 제일 강조한 보안 모델. "내 자료 제작자가 보나요?" 의 진짜 답.

🛡 LocalCrab → OpenCrab → AI 전체 데이터 흐름

민감 원본은 내 PC에서만. 의미만 추출해서 클라우드로. 거기서 AI 도구들까지 연결.

로컬 (민감 원본 ★ 100% 보호)

원본 절대 전송 안 됨

의미만 클라우드 (1KB)

AI 도구 연결 (MCP)

핵심 한 줄
100MB 계약서 PDF → 로컬에서 그래프 빌드 → 1KB 의미만 클라우드 → GPT·클로드가 그 의미 보고 답변. 원본 픽셀·문장은 단 한 글자도 인터넷에 안 나감. 100,000배 압축 + 보안 둘 다.

🔒

LocalCrab

로컬 컴퓨터 · 깃헙 오픈소스

본인 PC에서 실행 (Apache 라이선스 오픈소스)
민감 원본 데이터(PDF·계약서·도면) 처리
Neo4j 직접 돌려서 풍부한 온톨로지 빌딩
완성된 팩만 ZIP으로 추출 → 클라우드 업로드

→

☁️

OpenCrab

클라우드 SaaS · opencrab.sh

웹에서 가입·구독해서 사용
의미만 저장 (원본 파일 X)
마켓플레이스로 팩 거래
GPT·클로드 MCP 연결

🛡 왜 이게 핵심 경쟁력?

규제·보안 강화 시대에 "민감 데이터는 절대 외부로 안 나간다 + AI 기능은 풀로 쓴다"를 둘 다 충족. 회사 자료·계약서·환자 정보도 OK. 이게 제작자가 베팅한 설계.

로컬에서 로컬 꽃게가, 웹에서는 인터넷꽃게가 — 이게 오픈소스니까요. 대신 라이센스는 아파치 입니다 ㅋㅋㅋㅋ

기술 제작자, 5/6

데이터 원본은 올리지 않습니다. 원본을 올려버리면 서버관리 보안 성능도 떨어지고 온톨로지화 시킨 의미가 별로 없어서.

기술 제작자, 5/16

PART 4 · 데이터 → 팩 변환 6단계

내 파일이 팩이 되는 폐루프

제작자 본인이 "폐루프"라고 부른 그 흐름.

🕷

크롤링

Crawling

웹·노션·구글드라이브에서 자료 긁어오기

도서관 책 빌리기

🧰

하네스

9가지 문법

정리할 양식·규칙을 깔아둠

설명서 펼침

🪓

파싱

Parsing

PDF·이미지·DXF를 텍스트로

책 페이지 옮기기

✂️

청킹

Chunking

긴 문서를 의미 단위 조각으로

초밥집 도마질

📐

임베딩

Embedding

조각을 의미 좌표로 변환

향수 지문 부여

🕸

그래프

Graph

노드·엣지로 연결해 지식 지도 완성

책끼리 화살표 잇기

크롤링 하네스 파싱 청킹 벡터임베딩 그래프 폐루프. 그리고 스트럭처 문법들을 열심히 다졌어요. 정통 온톨로지 이론과는 살짝 다르게 뽑은 게 효율과 속도가 더 중요해서.

기술 제작자

PART 5 · 인제스트 두 방향

정방향 vs 역방향

↘️ 정방향 (프리부터 OK)

오픈크랩 사이트 → AI

① 노션·옵시디언·구글드라이브 URL을 사이트에 등록
② 사이트가 알아서 인제스트 → 팩 생성
③ 이 팩 MCP로 GPT·클로드에 꽂아서 사용

"이거 자료 줄게, 이거 보고 답해줘" 흐름

↖️ 역방향 (익스퍼트만)

AI 대화 → 오픈크랩 사이트

① GPT·클로드에서 그냥 대화
② "이거 오픈크랩에 저장해" 한마디
③ 대화 내용이 거꾸로 팩으로 자동 저장

제작자 강조: "역방향부터 시멘틱이 구현됨"

📥 인제스트 공식 지원 소스

🗒

Notion

통합 토큰

노션 통합 토큰만 받아오면 페이지 통째로.

🐙

GitHub

브랜치 지정 가능

리포지토리 URL → 코드+README 통째로.

📦

Kaggle

데이터셋

캐글 데이터셋 URL 한 줄.

🗜

로컬 ZIP

파일 묶음

옵시디언 볼트 통째로 압축해서 업로드.

📁

로컬 디렉토리

폴더 통째

폴더 째로 드래그&드롭.

🌐

웹사이트 URL

크롤링

URL만 주면 알아서 크롤링→온톨로지화.

✨ THE GOLD · 만든 사람의 직접 발언

제작자 어록 35선
철학·기술·비즈·팁 4분류

1,200건 메시지에서 알짜만 추렸어요. 🆕 마크는 웨비나 신규 발견.

PART 1 · 제작자 소개

OpenCrab 제작자

🦀 OpenCrab 제작자 · 에이전트 코리아 운영자

• 온톨로지에 빠진 계기: 현업 도메인의 "암묵지"(말로 못 풀어내는 노하우)를 어떻게 AI에 넣을까 고민
• 입덕 경로: 팔란티어(미국 빅테크) AIP 사용 경험 → 직접 빌드 → "이건 클라우드여야 한다" 결론 → OpenCrab 제작
• 공개 실적: OpenCrab을 활용해 콘텐츠 플랫폼 챌린지 상위권 진입 (제품 검증 사례)
• 로컬크랩 오픈소스: 깃헙에 Apache 라이선스로 공개 → 누구나 로컬에서 직접 빌드 가능
• 5월 16일 웨비나 강사: 66분 7초 직접 시연 (Antigravity로 그래프 DB 실시간 빌딩 데모)
• 핵심 미션: "수많은 사람들이 자신의 암묵지를 거래하고 연결하고 활용하는 플랫폼"

PART 2 · 어록 35선

제작자가 직접 던진 명문장

💡 각 카테고리를 눌러서 펼치세요. 한 번에 한 그룹씩 보면 집중도 ↑

🆕 웨비나 신규 발견 5

▶

AI는 7단계로 진화합니다. 1~2단계 도구, 3단계 에이전트(지금 우리 위치), 4단계 구조·온톨로지(오픈크랩 영역), 5단계 AGI, 6~7단계 ASI.

웨비나철학 5/16 · 로드맵

민감한 원본 데이터는 LocalCrab(로컬)에 유지하고, AI에게 전달하는 건 '구조화된 맥락'만 SaaS·MCP로 전송하는 이원화 아키텍처. 규제 강화되는 AI 시장에서 핵심 경쟁 우위가 될 설계 원칙.

웨비나기술 이원화 보안

Antigravity로 브라우저 자동 크롤링 → 그래프 DB 자동 생성. 대한민국 아이돌 온톨로지를 로컬 Neo4j에 실시간으로 빌드.

웨비나기술 자율 에이전트 데모

노션 메모, 업무 매뉴얼, 취미 데이터베이스 같은 개인의 암묵지를 '온톨로지 팩'으로 가공하면 마켓플레이스에서 판매 가능한 디지털 자산이 됩니다. 지식 노동자가 직접 AI 인프라 공급자가 되는 새로운 수익 모델.

웨비나비즈 암묵지 자산화

기존 RAG는 텍스트를 청킹해서 유사도 검색하는 방식. 오픈크랩은 '주장↔증거 간의 의미적 관계'를 그래프로 보존하여, AI가 단순 검색이 아닌 '추론 기반 답변'을 생성. 이는 AI 인프라의 다음 표준.

웨비나기술 RAG의 다음 진화

🟣 철학 · 비전 8

▶

저는 오픈크랩이 수많은 사람들이 자신의 암묵지를 거래하고 연결하고 활용하는 플랫폼이 되었으면 좋겠습니다.

철학 5/8 · 핵심 미션

저는 빅데이터의 반대라고 봐요. 개인이 빅데이터를 만들 수 없잖아요. 근데 개인은 사적인 데이터는 만들 수 있잖아요. 그걸 문법만 있으면 온톨로지라는 이름의 뭔가로 만들고, 그게 가치가 있다고 판단되면??? 자본이 되고 권력이 되는 거죠.

철학 5/6 · 빅데이터 안티

유명 유튜버들 처럼 유명 온톨로지스트 스타가 탄생할 것이라고 기대를 하고 있습니다. 온톨로지를 사고 파는 시장이 지금은 없습니다.

철학 5/8 · 생태계 비전

AGI가 나온다고 모든 사람이 직장을 잃거나 회사들이 망할 거라고 생각하지 않습니다. 그 퀀텀 점프를 하는 주체는 감히 단언컨대 온톨로지를 촘촘하게 구축한 사람입니다.

철학 5/13 · AGI론

농경사회엔 지주, 산업사회엔 공장, 정보화 사회엔 반도체, AI사회엔 데이터. 누구나 만들 수 있게 되었죠.

철학 5/6 · 시대 명제

저도 현업 종사자인데 그 (도메인) 암묵지 때문에 온톨로지에 관심이 시작되었습니다.

철학 5/6 · 출발점

가장 어려운 온톨로지라는 개념을 가장 쉬운 GPT와 연결하고 싶었어요.

철학 5/6 · 제품 철학

저는 오염될 수록 좋다고 생각해요. 이 서비스가 개인용 서비스고. 개인의 생산성과 사업성에서는, 온톨로지가 적당히 섞여서 창발이 나오는 경우를 많이 봤어요.

철학 5/6 · "오염" 논쟁

🟢 기술 · 설계 11

▶

온톨로지화된 지식베이스가 클라우드로 언제 어디서든 연결되어서 사용가능하다는 게 이 서비스의 핵심입니다.

기술 5/4 · 한 줄 요약

크롤링 → 하네스 → 파싱 → 청킹 → 벡터임베딩 → 그래프 → 폐루프

기술 5/6 · 파이프라인 6단계

DB 스키마와 온톨로지는, 엔티티를 정의하고 분류하는 데까진 같을 수 있는데, 거기서 관계의 설정과 권한의 설정 강도의 설정 이 부분에서 차이가 납니다.

기술 5/6 · DB vs 온톨로지

정의+엣지간의 관계+데이터의 하이라키+권한+강도들이 다 각자 정의가 됩니다. 이걸 메타엣지라고 하는데.

기술 5/6 · 메타엣지 정의

9가지 문법은 일종의 하네스라고 보시면 됩니다.

기술 5/7 · 하네스 정의

Recall은 4가지 검색 전략을 병렬로 수행합니다. 의미론적: 벡터 유사성 / 키워드: BM25 정확한 일치 / 그래프: 개체·시간·인과 관계 연결 / 시간적: 시간 범위 필터링.

기술 5/6 · 검색 설계

팩들은 로컬에서 Neo4j를 돌려서 올린팩들이 많아요. 돈 많이 벌면 벡엔드에도 Neo4J 탑재하겠습니다 ㅋㅋㅋㅋ

기술 5/5 · 백엔드 솔직 토로

아 크롤링은 파이썬 프로그램을 만들어놨고, 파싱은 AI, 벡터임베딩은 크로마, 그래프는 neo4j 이렇게 리소스를 나눠나서 별로 안 먹어요.

기술 5/6 · 스택 구성

원본은 사라집니다. 파싱의 증거, 청킹 후 임베딩 베이스, 그래프 사이퍼 자료들이 9가지 문법으로 정리됩니다. 수만장의 pdf가 사이퍼와 몇 가지 제이슨으로 정리되니 엄청 작아지죠.

기술 5/13 · 압축 비밀

온톨로지만 잘 만들어 놓으면 백엔드를 대체할 수 있습니다.

기술 5/11 · 도발적 주장

작은 데이터셋으로도 그래프를 그려 각 노드별 에이전트를 만들고 최대 100만개의 에이전트가 최대 100가지의 미래를 시뮬레이션을 합니다. 과거 데이터 → 현재의 현황 → 미래 시뮬레이션.

기술 5/6 · 미래 시뮬레이션

🟠 비즈니스 · 시장 7

▶

여러분이 가지고 계신 암묵지 블랙박스 중 팔릴만한 데이터를 온톨로지화 해서 전세계인에게 거래하게 한다면…

비즈 5/6 · 핵심 가치 제안

대기업에서 SI에 발주하면 (엄청) 비싸다고 하네요. 여러분 오픈크랩 이용해서 각 도메인에서 떼돈 버세요 ㅋㅋㅋㅋ

비즈 5/16 · 가격 신호

기업에서는 이거 10분의 1도 구현 못합니다.

비즈 5/5 · 자신감

개인 판매용 온톨로지는 팩 업데이트 신규팩으로 내는 게 전략적으로 (좋아요). 과거 닌텐도·플스 시대에 철권4를 5로 업데이트했다고… 게임이나 프로그램 세일즈는 이런 식의 마케팅들이었습니다.

비즈 5/6 · 판매 전략

판매용은 사전 협의와 심사를 거치려고요. 판매용은 검수를 통한 품질관리.

비즈 5/6 · 마켓 큐레이션

컨스트럭트는 에이전트 풀필먼트 OS, 오픈크랩은 온톨로지 빌딩 커넥트 OS.

비즈 5/6 · 포지셔닝

깃헙은 온톨로지 생산하는 꽃게입니다. 클라우드는 저장하고 판매하고 융합하고 연결하는 꽃게입니다.

비즈 5/7 · 두 꽃게론

🔵 실전 팁 · 사용법 5

▶

기본적으로 데이터들 제목은 영어로 하면 토큰 아끼실 수 있고, 폴더관리도 좀 해놓으면 그 컨텍스트를 인식하고요.

팁 5/16 · 토큰 절약

옵시디언이나 쌩 문서도 바로 업로드하면 인제스트 해주고, 노션은 토큰만 받아오시면 노션을 통째로 온톨로지화해서 넘길 수 있어요.

팁 5/16 · 인제스트 소스

~~한 일을 하려는데 ~~~팩을 써서 해줘. (GPT나 클로드에 이렇게 시키면 됨)

팁 5/7 · 사용 문법

쿼리로 '근육'이라고 치면, 헬스케어·메디칼·분자 뭐 이런 팩들에서 근육 관련 노드들만 반짝거려요. 걔네들을 복수선택하고 머지를 하면 근육팩이 생기는.

팁 5/7 · 노드 머지

GPT에서 나오는 답은 OpenAI가 학습시킨 지식 + 검색 데이터. 회사에서 사용하는 규정이나 기준 등은 GPT가 모릅니다. 그 문서들을 로컬에서 온톨로지화해서 오픈크랩의 본인 워크스페이스에 프라이빗 모드로 쓴다면, 회사 업무에 대한 가장 똑똑한 녀석이 생기는 거죠.

팁 5/7 · 회사용 활용법

제작자가 자주 던지는 한 마디

"그 퀀텀 점프를 하는 주체는
감히 단언컨대 온톨로지를 촘촘하게 구축한 사람입니다."

— Alexai, 5월 13일

🎬 웨비나 공식 발표

가격은 $0 / $10 / $30
실행은 5단계

웨비나에서 공식 공개한 3티어 요금제 + 오늘 30분이면 끝나는 가입·연결 가이드.

PART 1 · 공식 요금제 (웨비나 공개)

FREE / PRO / EXPERT

2주 베타기간 + 5/31까지는 설문 작성자에 한해 PRO 무료 체험.

FREE

베타 전원

$0/월

마켓플레이스 팩 다운로드
MCP로 GPT·클로드 연결
팩 삭제 가능
팩 직접 생성
본인 데이터 인제스트
팩 판매

⭐ 추천

PRO

제작자용 · 설문 작성 시 5/31까지 무료

$10/월

FREE 기능 전체
본인 데이터 인제스트
팩 직접 빌드
워크플로 활용
인덱싱 + 캐싱 풀활용
마켓에 팩 판매

EXPERT

판매자용 · 심사 통과 필수

$30/월

PRO 기능 전체
역방향 인제스트
GPT·클로드 대화 → 팩 자동 저장
마켓에 팩 판매
수익화 시작
심사 + 협의 필수

📊 3가지 티어 비용 비교

한눈에 보이는 가격 차이

※ 대기업이 SI 외주로 비슷한 시스템을 자체 구축하면 엄청 비쌈 (제작자 발언).

PART 2 · 지금 바로 30분 안에 시작

5단계 실행 가이드

opencrab.sh 가입

웨비나에서 공개된 공식 도메인은 opencrab.sh. 이메일 또는 구글 로그인.

⚠️ 카카오톡 브라우저에서 열면 구글 로그인이 막힘 → 크롬·사파리에서 직접 접속.

마켓플레이스에서 관심 팩 다운로드

현재 베타 기간 전부 무료. 본인 도메인(건축·디자인·소설·당뇨·위스키 등) 관련 팩 1~2개부터.

다운받은 팩은 작업공간(workspace)에서 노드·엣지가 보임. 통계: 푸르지오 조경 팩 = 문서 9개, 노드 117개, 엣지 108개.

오른쪽 MCP 패널에서 URL 생성

대시보드 오른쪽에 MCP 패널. 클릭하면 본인 전용 URL 발급. 형식은 opencrab.sh/api/mcp/....

한 번 만든 링크는 계속 본인 것. 팩 업데이트해도 링크는 안 변함.

GPT·클로드에 리모트 MCP로 연결

GPT (맥 데스크탑 앱·웹·모바일): Settings → Connected Apps → URL 입력. Auth = 사용 안함 체크.
클로드 (데스크탑): Settings → Connectors → 커넥터 추가.
코덱스·클로드코드·안티그래비티: 자연어로 "이 링크 OpenCrap이라는 이름으로 리모트MCP 세팅해" 한 마디면 끝.

⚠️ ChatGPT Plus 이상 유료 플랜 필요.

설문 작성 → 5/31까지 PRO 무료 체험

설문 작성한 사람만 PRO로 업그레이드해줌. 노션·옵시디언·구글드라이브 본인 데이터 직접 인제스트할 절호의 기회.

옵시디언은 볼트 폴더를 ZIP으로 압축해서 업로드 → 통째로 온톨로지화. 노션은 통합 토큰만 받아오면 페이지 전체 자동 인제스트.

PART 3 · 한 단계 더 깊이

토큰 절약 + 효율 사용 팁

🔤

제목 영어로

토큰 절약

파일·노드 제목은 한국어 대신 영어로. 토큰 30~40% 절약.

📁

폴더 정리

컨텍스트 인식

잘 정리된 폴더 구조 자체가 컨텍스트로 인식됨.

🎯

팩 위계 잡기

하이라키 활용

예: 도시구조 → 건축 → 3D모델링 → 조경 → 식물.

🔄

워크플로 저장

자동화

"1팩 조사 → 2팩 가다듬기 → 3팩 그리기" 저장하면 매번 실행 가능.

🔍

노드 머지

새 팩 만들기

쿼리로 "근육" 치면 관련 노드 반짝 → 복수 선택 → 머지 = 근육팩.

🏠

로컬크랩 병행

고급

민감 자료는 로컬크랩(깃헙 오픈소스)에서 빌드 → ZIP만 업로드.

🎬 웨비나가 던진 메시지

왜 이게 미래의 표준이 되는가

Gemini 3 Pro가 66분 영상에서 추출한 결론적 메시지 3가지 + 비전공자 FAQ 6개.

PART 1 · 3대 인사이트

웨비나에서 제작자가 던진 큰 그림

INSIGHT 01

RAG의 다음 진화는 그래프 추론

기존 RAG는 텍스트를 청킹해서 유사도 검색하는 방식. "비슷한 문장 찾아서 보여줌"이 끝.

오픈크랩은 "주장 ↔ 증거 간의 의미적 관계"를 그래프로 보존. 그래서 AI가 단순 검색이 아니라 "추론 기반 답변"을 생성.

예: "이 약을 먹으면 졸려?" → 일반 RAG는 "졸음" 키워드 본문만. 그래프 RAG는 약 → 성분 → 부작용 → 졸음 체인을 따라가서 근거 있는 답.

이게 AI 인프라의 다음 표준이 될 가능성이 높음. (Gemini 3 Pro 분석)

INSIGHT 02

개인 암묵지의 직접 자산화

노션 메모, 업무 매뉴얼, 취미 데이터베이스 — 본인은 "이게 자산이 되겠어?" 의심하지만, 사실 개인의 암묵지(暗默知)는 LLM이 모르는 핵심 가치.

오픈크랩의 '온톨로지 팩'으로 가공하면 마켓플레이스에서 판매 가능한 디지털 자산이 됨.

지식 노동자가 직접 AI 인프라 공급자가 되는 새 수익 모델. 제작자 비유: "유명 유튜버처럼 유명 온톨로지스트 스타가 탄생할 것".

참고: 같은 기능을 SI 외주 주면 10억원. 익스퍼트 티어로 직접 만들면 월 $30.

INSIGHT 03

프라이버시 ↔ 확장성 딜레마 해결

AI 시대의 핵심 모순: "내 데이터를 AI에 보여줘야 똑똑한 답이 나오는데, 그러면 보안이 깨진다".

오픈크랩의 답: LocalCrab ↔ OpenCrab 이원화.
• 민감 원본 → 로컬에서만 처리 (LocalCrab, Apache 오픈소스)
• AI에 전달되는 건 구조화된 맥락(=온톨로지)만

즉 "원본은 로컬, 의미만 클라우드". 규제 강화 시대(EU AI Act, 의료·법률·금융)에 핵심 경쟁 우위가 될 설계 원칙.

회사 도면, 환자 차트, 법무 자료도 안심하고 AI에 붙일 수 있게 됨.

웨비나가 던진 한 마디

"내 지식을 AI가 읽을 수 있는 자산으로 만든다."

— 제작자 베타테스트 웨비나 핵심 명제

PART 2 · 비전공자 FAQ

자주 막히는 포인트 6개

Q. 내 자료 올리면 제작자가 다 볼 수 있나요?

아뇨. 제작자 본인도 "프라이빗 팩들은 제가 볼 수는 없어요"라고 명시. 마켓에 공개된 퍼블릭 팩만 보여요. 그리고 결정적으로 원본 PDF·이미지는 서버에 안 올라감 — 온톨로지화된 노드/엣지만 저장됨. 민감한 자료는 LocalCrab(깃헙 오픈소스)에서 빌드해서 ZIP만 업로드하면 더 안전.

Q. MCP 연결을 정확히 어떻게 하나요?

1️⃣ opencrab.sh 가입 → 2️⃣ 마켓에서 팩 다운로드 → 3️⃣ 오른쪽 MCP 패널에서 URL 생성 → 4️⃣ 그 URL을 복사.

GPT: Settings → Connected Apps에 URL 입력, Auth=사용 안함.
클로드: Settings → Connectors → 커넥터 추가.
코덱스·클코·안티그래비티: "이 링크 리모트MCP로 세팅해" 한 마디면 끝.

Q. 토큰이 뭐고 얼마나 들어요?

토큰은 AI 사용 단위(글자 수에 가까움). 오픈크랩 자체는 팩 사용에 토큰 별로 안 듦. 다만 GPT·클로드 본인 측 토큰은 별도. 제작자 팁: "데이터 제목을 영어로 하면 토큰 30~40% 절약".

Q. 팩이 너무 많아서 뭐 골라야 할지 모르겠어요

제작자 권장: "본인 데이터부터 올려보세요. 노션·옵시디언이 가장 쉬워요". 그래야 자기 도메인에 딱 맞는 게 됨. 마켓 팩은 보조 도구로 사용. 개인 데이터 + 공개 팩 조합이 가장 강함.

Q. Neo4j니 Chroma니 다 알아야 하나요?

아니요. 그건 오픈크랩 내부에서 알아서 돌아가는 엔진들. 사용자는 그냥 사이트에서 클릭해서 인제스트하고 MCP 꽂으면 끝. 단, 제작자가 더 강력한 걸 원하면 LocalCrab(깃헙 오픈소스)을 본인 컴퓨터에 설치해서 직접 Neo4j 돌릴 수 있게 만들어놨음 (neo4j://127.0.0.1:7687).

Q. GPT의 "노트북LM"이랑 뭐가 달라요?

제작자 답: "노트북LM은 그냥 RAG. 이건 그래프 RAG 이상 온톨로지까지 지향. 완전히 다르다고 보시면 됩니다". 노트북LM은 자료 10개 정도 검색해서 답하는 수준, 오픈크랩은 자료끼리 "관계까지" 추적하는 그래프 추론.

자, 이제 직접 써볼 차례 🦀

설문 작성하면 5/31까지 PRO 무료 체험

💰 가격·실행 페이지로 →