PAIDEIA Claude Code 플러그인 2026 로컬 학습 그래프 체크리스트

PAIDEIA는 KAIST 물리학과와 수리과학을 복수전공하는 개발자가 공개한 Claude Code 플러그인으로, 강의자료·과제·솔루션·손글씨 답안을 과목별 Markdown 학습 그래프로 바꾸는 도구다. 2026년 5월 28일 KST 기준 GitHub README는 Claude Code plugin, local-first, plain Markdown artifact, OCR, weakmap, cheatsheet, mock exam 흐름을 핵심으로 설명한다.

시험공부 AI라고 하면 보통 “PDF 넣고 요약해줘”를 떠올린다. 편하다. 그런데 시험은 요약 대회가 아니다. 어느 단원이 과제에서 자주 나왔는지, 교수님이 어떤 풀이 패턴을 반복했는지, 내가 지난번에 어디서 틀렸는지가 점수에 더 직접적이다. PAIDEIA가 재미있는 지점은 여기다. 더 똑똑한 챗봇이 아니라, 내 과목 자료와 내 실수를 계속 누적하는 로컬 학습 시스템에 가깝다.

내가 Obsidian과 .claude를 운영하면서 배운 것도 비슷하다. AI가 한 번 멋진 답을 해주는 것보다, 답이 Markdown으로 남고, diff를 볼 수 있고, 다음 작업에서 다시 쓰이는 구조가 더 오래 간다. 블로그도 preflight와 발행 계약이 있어야 다음 글이 덜 흔들린다. 시험공부도 마찬가지다. 요약본 하나보다 약점 로그가 오래 간다. 성적표는 잔인하지만, 로그는 최소한 다음 행동을 준다.

PAIDEIA의 핵심은 “AI가 공부를 대신한다”가 아니라 “내 강의자료, 과제 분포, 풀이 패턴, 오답을 로컬 Markdown 학습 그래프로 남긴다”는 점이다. 시험공부 AI를 고를 때는 답변 품질보다 산출물이 남는 방식과 피드백 루프를 먼저 봐야 한다.

지금 결론

PAIDEIA는 Claude Code를 이미 쓰고 있고, 물리·수학·공학 과목처럼 강의자료, 과제, 솔루션, 손풀이가 많이 쌓이는 학생에게 특히 잘 맞는다. 일반적인 AI 튜터처럼 “개념 설명”을 받는 도구라기보다, 한 과목 폴더 안에서 ingest -> analyze -> drill -> grade -> weakmap -> cheatsheet 루프를 돌리는 도구로 보는 게 정확하다.

반대로 누구에게나 쉬운 도구는 아니다. Claude Code CLI, Python 3.9 이상, Unix-style shell, poppler, tesseract 같은 전제 조건이 있다. Windows는 WSL2나 Git Bash 경로를 안내한다. 즉 “앱 설치하고 로그인하면 끝” 유형은 아니다. 개발자 감각이 있는 학생에게 더 맞는다.

그래도 방향은 중요하다. 앞으로 좋은 학습 AI는 대화창 안에 갇힌 정답기가 아니라, 내 자료와 내 실수를 파일로 남기는 시스템이 될 가능성이 높다. 공부도 점점 local-first, artifact-first, feedback-loop-first로 갈 수 있다. 말이 좀 길지만, 요약하면 “내 공부 기록을 남의 SaaS 냉장고에만 넣어두지 말자”다.

PAIDEIA가 일반 AI 튜터와 다른 점

일반 AI 튜터는 질문에 답한다. “라그랑주 승수법 설명해줘”, “전자기학 예상문제 만들어줘”, “미분방정식 요약해줘” 같은 요청에 즉시 응답한다. 이 방식은 빠르지만, 매번 새 세션에서 다시 설명해야 하고, 지난주에 내가 틀린 풀이가 이번 주 문제 생성에 자동 반영되지는 않는다.

PAIDEIA는 과목 폴더를 만든다. README 기준으로 materials, converted, course-index, quizzes, mock, twins, chain, derivations, cheatsheet, weakmap, answers, errors 같은 구조가 생긴다. raw PDF와 손풀이가 들어오고, 변환된 Markdown과 course index, error log, weakmap, cheatsheet가 남는다.

이 차이는 생각보다 크다. 대화형 AI는 대답이 끝나면 흩어진다. PAIDEIA식 구조는 산출물이 파일로 남는다. 파일로 남으면 Obsidian에서 열 수 있고, Git으로 diff를 볼 수 있고, 다음 시험 기간에 이어 쓸 수 있다. 공부가 “질문과 답”에서 “폴더와 기록”으로 바뀐다.

비교 축	일반 AI 튜터	PAIDEIA식 학습 그래프
입력	질문 중심	강의자료, 과제, 솔루션, 손풀이
기억	세션/서비스 기록 의존	과목 폴더의 Markdown artifact
개인화	사용자가 매번 설명	오답과 과제 분포가 누적
검증	답변을 사람이 읽음	채점, weakmap, cheatsheet 루프
이전 학기 재사용	다시 업로드 필요	폴더 fork와 diff 가능

핵심은 HW density = exam probability

PAIDEIA README에서 가장 실용적인 원칙은 HW density = exam probability다. 시험에 나올 가능성을 막연한 감으로 정하지 않고, 과제에서 얼마나 자주 다뤘는지를 강한 신호로 본다. 과제 3회 이상 나온 단원은 exam-primary, 2회는 exam-likely, 1회는 exam-possible, 0회는 low-risk처럼 다룬다.

이건 공부를 못 하게 만드는 욕심을 줄여준다. 시험 직전에는 사람이 갑자기 모든 단원을 다 완벽히 하고 싶어진다. 특히 어려운 단원 하나가 눈에 밟히면 그쪽으로 빨려 들어간다. 그런데 교수님이 과제로 거의 다루지 않은 단원이라면 우선순위가 낮을 수 있다. 공부도 포트폴리오 배분이다. 전부 사면 계좌가 터진다. 전부 공부하면 뇌가 터진다.

물론 이 원칙이 항상 맞는 건 아니다. 교수님이 의도적으로 과제에 안 낸 걸 시험에 낼 수도 있고, 과제 분포가 시험 범위를 완전히 대변하지 않을 수도 있다. 그래서 PAIDEIA를 쓰더라도 최종 판단은 syllabus, 공지, 기출, 교수님 힌트와 같이 봐야 한다. 그래도 “무엇부터 할까”를 정하는 기본 축으로는 꽤 강하다.

로컬 우선 구조가 중요한 이유

PAIDEIA는 모든 산출물을 plain Markdown으로 남긴다고 설명한다. 패턴 카드, 약점 지도, 치트시트, 오답 로그가 앱 내부 DB에만 갇히지 않고 과목 폴더 안에 남는 방식이다. 이건 공부 도구에서 아주 큰 장점이다.

학생 입장에서는 학기 끝나면 구독을 끊을 수 있다. 모델이 바뀔 수도 있고, Claude Code 대신 Codex CLI를 쓸 수도 있다. 실제로 README는 PAIDEIA-codex 포트도 연결한다. 이때 산출물이 Markdown이면 도구를 바꿔도 공부 기록은 남는다. 지식은 내 디스크에 있고, 도구는 교체 가능해야 한다.

이 구조는 Obsidian 사용자에게 특히 잘 맞는다. weakmap, errors/log.md, cheatsheet/final.md 같은 파일은 그대로 노트가 될 수 있다. 시험이 끝난 뒤에도 “내가 전자기학에서 계속 틀린 패턴”, “수학 과제에서 반복된 증명 구조” 같은 자료가 남는다. 좋은 공부 도구는 정답을 주고 끝나지 않고, 내가 어떻게 틀렸는지를 보관한다.

보안과 개인정보 관점에서도 로컬 구조는 유리하다. 다만 기본 OCR이 Claude vision을 쓸 수 있다는 점은 알아야 한다. 손글씨 답안이나 강의자료가 외부 모델로 나갈 수 있는지 민감하다면 Ollama와 Qwen3-VL 같은 로컬 OCR 옵션을 검토해야 한다. “로컬 우선”은 좋은 출발점이지만, 실제 데이터 경로는 엔진 선택까지 봐야 한다.

도입 전 체크리스트

첫 번째는 과목 적합성이다. PAIDEIA는 수학, 물리, 공학처럼 풀이 패턴, 과제 분포, 손풀이 채점이 중요한 과목에 잘 맞는다. 단순 암기형 과목이나 에세이형 과목에서는 구조를 그대로 쓰기보다 일부만 참고하는 편이 낫다.

두 번째는 자료 품질이다. 강의자료, 과제, 솔루션, 기출, 손풀이가 충분히 있어야 학습 그래프가 살아난다. 파일이 부실하면 AI도 부실하게 분석한다. 냉장고에 재료가 없는데 요리사가 유명해도 라면이다.

세 번째는 설치 장벽이다. Claude Code, Python, shell, poppler, tesseract, 선택적 Ollama까지 요구될 수 있다. 개발 환경에 익숙하지 않은 학생에게는 설치부터 벽일 수 있다. 그래서 팀이나 동아리에서 쓴다면 초기 템플릿과 설치 가이드를 같이 만들어야 한다.

네 번째는 산출물 검수다. 패턴 추출, exam tier, weakmap, mock exam은 편하지만 틀릴 수 있다. 특히 수학/물리 풀이에서는 작은 부호 하나가 결과를 바꾼다. AI가 만든 치트시트는 그대로 외우기보다, 내가 수동으로 한 번 정리하면서 검수해야 한다.

다섯 번째는 학습 윤리다. 이 도구는 내 자료 기반 연습과 피드백에 잘 맞지만, 제출 과제를 대신 풀게 하거나 시험 부정행위에 쓰면 완전히 다른 문제가 된다. 좋은 학습 자동화와 대리 수행은 경계가 있다. 선을 넘으면 공부 도구가 아니라 학점 지뢰가 된다.

체크 칸	질문	시작 기준
과목	풀이 패턴과 과제 분포가 중요한가	수학·물리·공학 과목 우선
자료	강의자료, HW, 솔루션, 기출이 충분한가	과목 폴더로 정리
설치	Claude Code와 Python 환경을 다룰 수 있나	테스트 course로 시작
검수	AI 생성 패턴과 치트시트를 사람이 확인하나	최종 치트시트 직접 편집
윤리	대리 수행이 아니라 연습 루프인가	오답·드릴·복습 중심

내 워크플로에 가져올 만한 점

PAIDEIA에서 가장 가져오고 싶은 건 “모든 산출물을 다음 루프의 입력으로 남긴다”는 태도다. 블로그 운영에서도 초안, 리뷰, preflight, 발행 URL, 성과 확인이 흩어지면 다음 글이 매번 새로 시작된다. PAIDEIA는 공부에서도 이 문제를 푼다.

두 번째는 약점 지도의 개념이다. AI 사용에서도 내가 자주 틀리는 패턴이 있다. 출처 확인을 빼먹는다든지, 관련 글 URL을 추측한다든지, 제목이 너무 generic해진다든지. 이런 실수를 errors/log.md처럼 남기고 다음 작업에 반영하면 개인 생산성 도구도 더 똑똑해진다.

세 번째는 printable cheatsheet다. AI 산출물은 길어지기 쉽다. 시험 직전이나 발행 직전에는 한 페이지로 압축된 기준표가 필요하다. PAIDEIA의 cheatsheet 발상은 학습뿐 아니라 코드 리뷰, 블로그 발행, 투자 체크리스트에도 그대로 쓸 수 있다.

결국 PAIDEIA는 “AI가 똑똑해졌다”보다 “AI 산출물이 내 시스템에 남는가”라는 질문을 던진다. 이 질문이 좋다. 대화창은 순간적으로 똑똑할 수 있지만, 시스템은 누적되어야 똑똑해진다.

FAQ

Q. PAIDEIA는 Claude Code가 꼭 필요한가?

기본 저장소는 Claude Code 플러그인으로 설계되어 있다. 다만 README는 Codex CLI용 PAIDEIA-codex도 연결한다. 도구 선택보다 중요한 것은 같은 on-disk layout과 Markdown artifact를 유지하는 구조다.

Q. 일반 학생도 바로 쓸 수 있나?

개발 환경에 익숙하지 않다면 설치 장벽이 있다. Claude Code, Python, shell, poppler, tesseract 같은 전제가 있기 때문이다. 먼저 테스트 과목 폴더 하나로 설치와 /paideia:init-course 흐름을 확인하는 편이 좋다.

Q. PAIDEIA가 답안을 대신 풀어주는 도구인가?

그렇게 쓰면 안 된다. 핵심은 강의자료와 과제 기반으로 풀이 패턴을 정리하고, 내가 푼 답안을 채점하고, 오답을 weakmap과 drill에 반영하는 학습 루프다. 대리 수행보다 연습과 피드백에 써야 한다.

Q. Obsidian과 같이 쓰기 좋은가?

좋다. 산출물이 plain Markdown으로 남기 때문에 Obsidian에서 열고, 링크하고, 편집하기 쉽다. 다만 기존 vault와 바로 섞기보다 과목별 별도 폴더로 시작하고, 파일 구조를 확인한 뒤 연결하는 편이 안전하다.

Q. 제일 먼저 확인할 출력물은 무엇인가?

course-index, errors/log.md, weakmap, cheatsheet/final.md를 먼저 보면 된다. 이 네 가지가 실제로 과목 자료와 내 실수를 잘 반영하는지 확인해야 PAIDEIA의 가치가 보인다.

PAIDEIA Claude Code 플러그인 2026 – 시험 공부를 AI 튜터가 아니라 로컬 학습 그래프로 바꾸는 법