# Trails - Claude Code로 100권의 책 사이의 연결을 발견 > Clean Markdown view of GeekNews topic #25730. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=25730](https://news.hada.io/topic?id=25730) - GeekNews Markdown: [https://news.hada.io/topic/25730.md](https://news.hada.io/topic/25730.md) - Type: GN+ - Author: [neo](https://news.hada.io/@neo) - Published: 2026-01-11T18:33:58+09:00 - Updated: 2026-01-11T18:33:58+09:00 - Original source: [trails.pieterma.es](https://trails.pieterma.es/) - Points: 4 - Comments: 1 ## Topic Body - **Claude Code**를 활용해 100권의 책에서 **주제 간 연관성**을 자동으로 탐색한 웹 기반 프로젝트 - 각 책의 개념을 분석해 **‘Useful Lies’, ‘Invisible Crack’, ‘Name Game’** 등 40여 개의 **테마별 연결(trail)** 로 시각화 - 각 트레일은 **심리학, 기술, 조직, 창의성, 시스템 사고** 등 다양한 분야의 개념을 교차 연결 - 사용자는 각 트레일을 클릭해 관련 책과 **핵심 개념(예: Self-deception, Innovation, Tacit knowledge)** 을 탐색 가능 - 인공지능이 **지식 간 관계를 구조적으로 탐색**하는 새로운 독서·연구 방식 제시 --- ### 프로젝트 개요 - **Trails**는 Claude Code를 이용해 여러 책의 내용을 분석하고, **공통 주제나 개념적 연결**을 자동으로 도출한 시스템 - 웹사이트는 [trails.pieterma.es](https://trails.pieterma.es)에서 공개 - 프로젝트의 작동 원리는 별도의 설명 페이지([explainer](https://pieterma.es/syntopic-reading-claude/))에서 확인 가능 - 결과물은 **책 간의 주제적 연관성**을 ‘trail’이라는 형태로 시각화 - 각 trail은 특정 개념을 중심으로 여러 책의 아이디어를 연결 ### 주요 트레일 예시 - **Useful Lies**: 자기기만을 전략으로 활용하는 인간의 행동을 다룸 - 관련 개념: Self-deception, Evolutionary psychology, Blue lies - **Invisible Crack**: 미세한 결함이 누적되어 파국적 실패로 이어지는 현상 - 관련 개념: Brittle fracture, Metal fatigue, Gradual change - **Ideas Mate**: 약한 지식재산권이 협업적 복제를 통해 혁신을 가속화함 - 관련 개념: Innovation spillover, Japanese copying, Open source - **Desperate Pivots**: 절박함이 혁신적 전환을 이끈 사례 - 관련 개념: Odeo reinvention, Startup pivot, Hindsight bias - **Expert Intuition**: 전문성은 의식적 사고를 넘어선 **직관적 지식**으로 작동 - 관련 개념: Tacit knowledge, Mētis knowledge, Intuition ### 지식 연결의 다양성 - 트레일들은 **기술·조직·심리·경제·창의성** 등 폭넓은 영역을 포괄 - 예: **Proxy Trap**(지표 최적화의 함정), **Legibility Tax**(표준화의 대가), **Joy Dividend**(즐거움의 생산성) - 각 트레일은 **3~4개의 핵심 키워드**로 구성되어, 개념 간 관계를 직관적으로 탐색 가능 - **시각적·주제적 탐색**을 통해 독자가 책의 아이디어를 새로운 맥락에서 연결 ### 기술적 특징 - **Claude Code**가 각 책의 내용을 분석해 **의미적 유사성**을 기반으로 연결 생성 - 결과는 **링크 기반 인터페이스**로 제공되어, 사용자가 주제별로 탐색 가능 - 각 트레일 페이지는 **짧은 요약 문장**과 **관련 개념 태그**로 구성 ### 의의 - 인공지능이 **지식의 구조적 관계를 자동으로 탐색**하는 실험적 시도 - 독자와 연구자가 **서로 다른 분야의 아이디어를 연결**해 사고의 폭을 확장할 수 있는 도구 - **책 기반 데이터와 AI 분석의 결합**을 통해 새로운 형태의 ‘통합적 독서 경험’ 제시 ## Comments ### Comment 49025 - Author: neo - Created: 2026-01-11T18:33:59+09:00 - Points: 1 ###### [Hacker News 의견들](https://news.ycombinator.com/item?id=46567400) - 작품 자체는 아름답지만 실제 **데이터 출력물**은 거의 쓸모없어 보임 통계 모델에 너무 많은 **비판적 사고**를 위임한 듯한 느낌임 나도 여러 고급 LLM을 오랫동안 테스트해봤지만, 텍스트 간의 ‘보이지 않는 연결’을 찾는 일은 아직 불가능했음. 인간의 직관이 여전히 필요함 - “Us/Them”, “fictions”처럼 단어 하나로만 연결되는 대신, **개념 단위**로 연결되면 더 유용할 것 같음 - 좀 더 자세히 살펴보면 좋겠음. [collective-brain 트레일](https://trails.pieterma.es/trail/collective-brain/)이 훌륭함 - 많은 텍스트를 RAG로 구축하고 키워드, 장소, 날짜 등으로 추출해봤지만, **LLM이 재랭커 없이**는 제대로 된 결과를 내지 못했음. 벡터 쿼리를 돌리면 항상 답은 나오지만, 대부분 **무관한 조각들**이 섞여 있음 - 정말 멋진 작업임. 시각적으로도 **놀라운 완성도**를 보여줌 - 훌륭한 시도이지만, 나도 다른 사람들처럼 **텍스트 간의 실질적 연결**은 잘 보이지 않음 예를 들어 Jobs와 『The Elephant in the Brain』 사이의 연결은 LLM이 잡지 못했지만, 인간은 쉽게 인식할 수 있음 — 자기기만이 전략적으로 작동한다는 점에서 두 인물이 닮아 있음 - “Thanos committing fraud”라는 문구가 “useful lies” 섹션에 있는 게 혼란스러웠음 창업자가 감옥에 있는 상황에서 그 거짓말을 ‘유용하다’고 보는 건 이상함. AI가 **엉성하게 분류**한 것 같음 - 아마 “잡히기 전까지는 유용한 거짓말이었다”는 의미일지도 모르겠음 - 참고로 Thanos가 아니라 **Theranos**를 말하는 것 같음 - 나도 Claude Code를 이용해 내가 잘 모르는 **GitHub 프로젝트를 ‘읽어보는’** 실험을 했음 러시아어로 된 트렌딩 프로젝트를 따라가다 [GoodbyeDPI](https://github.com/ValdikSS/GoodbyeDPI)를 발견했는데, **deep packet inspection**의 세계로 빠져들었음 - ValdikSS는 Android용 SBC XQ 패치로 유명한 사람임. 관련 글은 [Habr 기사](https://habr.com/en/articles/456476/)와 [Android 리뷰 링크](https://android-review.googlesource.com/c/platform/system/bt/+/759299) 참고 - GitHub에는 이런 식으로 **도메인 지식 없이는 이해하기 어려운 프로젝트**가 정말 많음 - 두 텍스트를 잇는 선들이 이해되지 않음. 대부분 **의미 없는 연결선**처럼 보임 “Father wound” 섹션에서 “abandoned at birth”와 “did not”이 연결되어 있는데, 단순한 **시각적 장식**으로 느껴짐 - 나도 같은 인상을 받았음 - 보기엔 멋지지만, 결국 **LLM이 임의로 연결한 결과**임 - 나도 비슷한 프로젝트를 해봤음 pdfplumber로 PDF 텍스트를 추출해 PostgreSQL에 넣고, 100자 단위로 **chunking** 후 sentence_transformers로 384차원 임베딩을 생성했음 이후 UMAP + HDBScan으로 차원 축소 및 클러스터링을 수행해 Plotly로 시각화했는데, **주제별 클러스터**가 명확히 보였음 Docker Compose로 환경을 세팅하고 Flask 기반 웹 UI로 옮겼음. 코드 정리 후 **오픈소스 공개**를 계획 중임 - 접근 방식과 저장소를 꼭 보고 싶음 - Bertopic과 유사한 접근으로 보임. 훌륭한 라이브러리임 - 예전에 “디지털 인문학” 관련 책을 읽었는데, **“distant reading”** 개념이 인상 깊었음 수백~수천 개의 텍스트를 컴퓨터로 분석해 **거시적 통찰**을 얻는 방식임 친구가 논문에서 Python으로 이런 분석을 직접 구현했는데, 정말 흥미로웠음 지금은 LLM 덕분에 이런 접근이 더 쉬워졌고, 코드를 몰라도 시도할 수 있음 관련 개념은 [Distant reading 위키](https://en.wikipedia.org/wiki/Distant_reading)에서 볼 수 있음 - LLM은 이런 **모호한 설명으로도 자료를 찾아주는** 데 꽤 유용함 ;) - 아이디어는 좋지만, 각 책의 **주제와 서사 간의 연결**이 약함 일부는 단락 하나만 보고 전체 테마를 추론한 듯함 프롬프트를 여러 번 반복하거나 **다단계 추출 과정**을 추가하면 더 정교해질 수 있을 것 같음 - Deleuze의 인용문처럼, 책을 ‘작동하는 기계’로 볼 수도 있고 ‘의미의 상자’로 볼 수도 있음 - 출처는 모르지만, 너무 **단순화된 관점**이라고 느낌 Deleuze 역시 영향을 받은 사상가였고, 이 프로젝트의 시도는 오히려 의미 있다고 생각함 다만 결과물은 실제 텍스트를 읽은 사람에게는 **정확하지 않게** 느껴질 수 있음