dwriter: AI-augmented 터미널 기반 저널링 툴, 기록과 성찰을 도와줍니다

발행: (2026년 5월 9일 AM 03:59 GMT+9)
6 분 소요
원문: Dev.to

I’m ready to translate the article for you, but I’ll need the full text you’d like translated. Could you please paste the content (excluding the source line you already provided) here? Once I have it, I’ll translate it into Korean while preserving all formatting, markdown, and code blocks as you requested.

내가 만든 것

dwriter는 터미널을 최우선으로 하는 미니멀리즘 저널링 및 생산성 도구로, 터미널을 떠나지 않고도 순간적인 생각이나 중요한 메모를 기록할 수 있게 설계되었습니다. 제로 레이턴시 캡처 시스템과 풍부한 AI‑보강 반영 레이어를 통해 “로그 기록 마찰”을 해소합니다.

주요 기능

  • Interactive AI 2nd‑Brain – 이중 모델 추론 파이프라인과 자동으로 지속 가능한 사실(선호도, 목표, 반복되는 제약조건)을 추출하는 폐쇄 학습 루프를 통해 전체 작업 이력을 이해하고, 영구적인 개인 지식 베이스를 구축합니다.
  • Agentic ReAct pipeline – AI가 저널, 작업, Git 히스토리를 검색하여 근거 있는 데이터 기반 답변을 제공하며, 단순 채팅을 넘어섭니다.
  • Graph indexing – LadybugDB와 SQLite를 함께 사용하여 복잡한 관계 쿼리와 고속 전체 텍스트 검색을 수행합니다.
  • Local‑first, Git‑backed sync – 데이터는 프라이버시를 유지하며 Lamport 시계를 이용한 충돌 해결로 여러 기기 간에 동기화됩니다.
  • Obsidian integration – AI가 생성한 스탠드업, 주간 회고, 번아웃 체크를 마크다운 형식으로 바로 Vault에 내보냅니다.

스크린샷

2nd‑Brain의 인사이트 허브

후속 화면

타이머

보고서 화면

코드

dwriter (AI‑에디션)

Source: (원본 링크는 그대로 유지됩니다)

제가 Gemma 4를 사용한 방법

추론 깊이와 터미널‑속도 성능 사이의 완벽한 균형을 맞추기 위해, 저는 Gemma 4 패밀리를 이용한 듀얼‑모델 AI 파이프라인을 구현했습니다. 이 아키텍처는 로컬 LLM 통합에서 흔히 발생하는 “지능 지연”을 방지합니다. 인터랙티브 추론을 백그라운드 처리와 분리함으로써 dwriter는 깊이 있게 색인된 개인 지식 베이스를 구축하는 동안에도 반응성을 유지합니다.

Gemma 4 E4B (4B Dense) – “메인 브레인”

  • 역할: 고위험 추론 및 인터랙티브 합성을 담당합니다. 2nd‑Brain 채팅을 구동하고 복잡한 분석 보고서(주간 회고, 번아웃 평가)를 생성합니다.
  • Agentic ReAct Loop: Reason + Act 파이프라인으로 작동합니다. 질문을 하면 의도를 추론하고, 적절한 도구(run_cypher, fetch_recent_commits, search_facts 등)를 선택한 뒤, 원시 데이터를 근거 있는 전문 응답으로 합성합니다.
  • 컨텍스트 합성: 일기 항목, Git 히스토리, 작업 등 여러 컨텍스트 흐름을 병합해 미묘한 트렌드를 파악하고 데이터 기반 조언을 제공합니다.

Gemma 4 E2B (2B Dense) – “데몬”

  • 역할: 백그라운드에서 조용히 실행되는 고빈도, 구조화된 추출 작업을 담당합니다. 거의 즉시 실행되도록 최적화되었습니다.
  • Closed Learning Loop: 항목을 저장할 때마다 데몬이 사실 추출 및 의미 자동 태깅을 수행해 “지속 가능한 사실”(선호도, 장기 목표, 반복 제약 등)을 식별하고 이를 그래프 인덱스로 투영합니다.
  • 재귀적 요약: 장기 히스토리를 백그라운드에서 요약해 2nd Brain의 맵을 압축하면서도 정확하게 유지하고, UI 지연을 방지합니다.

자세히 알아보려면 2nd‑Brain Guide 를 방문하세요.

로컬‑퍼스트 프라이버시 및 지속성

이 듀얼‑모델 파이프라인을 로컬에서 실행하면 dwriter가 단순 로그 파일에서 Living Knowledge Base(생생한 지식 베이스)로 변환됩니다. Daemon은 개인 사실 그래프를 지속적으로 다듬으며, Main Brain은 이를 활용해 고유하게 맞춤화된 인사이트를 제공합니다. 모든 것이 내 컴퓨터에 머무르기 때문에 가장 민감한 데이터는 프라이버시가 유지되면서도 기기 간에 즉시 접근할 수 있습니다.


Gemma 4 챌린지를 위해 rhaeyyan이(가) 제출함.

0 조회
Back to Blog

관련 글

더 보기 »