# \#tauri **URL:** https://discuss.pytorch.kr/tag/tauri/5134.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Open Science Desktop: 결과 그림에서 생성 코드까지 되짚을 수 있는, 내 컴퓨터용 AI 연구 작업도구 (≠ OpenScience)](https://discuss.pytorch.kr/t/open-science-desktop-ai-openscience/11752)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [8월 31, 2026, 6:30오전 UTC](https://discuss.pytorch.kr/t/open-science-desktop-ai-openscience/11752 "2026-08-31T06:30:51Z")
Open Science Desktop 소개 연구에 AI 에이전트를 쓰다 보면 결과물은 나오는데 그 결과물의 내력이 남지 않는 문제를 만나게 됩니다. 대화 중간에 만들어진 그림 한 장이 어떤 코드로, 어떤 입력 파일로, 어떤 환경에서 그려졌는지가 대화 로그 어딘가에 흩어져 있고, 몇 주 뒤에 그 수치를 다시 확인하려면 세션을 처음부터 훑어야 합니다. 논문 심사에서 그림의 근거를 요구받을 때 특히 문제가 되며, 실험을 재현하려는 동료에게 넘겨줄 것이 스크린샷과 채팅 기록뿐인 상황도 생깁니다. Open Science Desktop은 이 문제를 겨냥해 만들어진 데스크톱 연구 워크벤치입니다. 에이전트가 만들어 낸 그림, 표, 보고서, 노트북, 실행 결과가 그것을 만든 코드와 입력, 실행 환경, 모델 출력, 대화까지 연결된 채로 로컬 폴더에 남습니다. 세션과 데이터, 출처 기록(Provenance), 노트북, 실행 기록이 모두 사용자의 컴퓨터 안에 저장되며 기본 설정에서는 아무것도 밖으로 나가지 않습니다. Open Science Desktop은 Tauri 2와 React로 만든 데스크톱 앱이며 macOS, Windows, Linux용 빌드를 제공합니다. 모델 실행은 앱에 함께 묶인 런타임(Runtime)인 OpenCode (:pytorch::kr: Opencode: 다양한 LLM을 사용할 수 있는, 터미널 기반의 오픈소스 AI 코딩 에이전트) 사이드카가 담당하므로 특정 모델 제공자에 묶이지 않고, MCP 서버와 에이전트 스킬로 기능을 확장합니다. 인터페이스 언어에 한국어가 포함되어 있고 저장소에도 한국어 README가 함께 들어 있습니다. Open Science Desktop과 이름이 비슷한 OpenScience는 다른 프로젝트입니다 이 저장소의 이름은 open-science이고 프로젝트가 자기를 부르는 이름은 Open Science Desktop입니다(이전 이름은 Open Science였습니다). 그런데 이름이 거의 같은 Synthetic Science… --- ## [LLM Wiki: 문서를 자동으로 위키 형태 지식 베이스로 컴파일하는 데스크톱 애플리케이션 (feat. Karpathy LLM Wiki 패턴)](https://discuss.pytorch.kr/t/llm-wiki-feat-karpathy-llm-wiki/10139)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [6월 17, 2026, 9:30오전 UTC](https://discuss.pytorch.kr/t/llm-wiki-feat-karpathy-llm-wiki/10139 "2026-06-17T09:30:19Z")
LLM Wiki 소개 개인 지식 관리에 LLM을 도입하면 흔히 RAG(Retrieval-Augmented Generation, 검색 증강 생성) 패턴이 먼저 떠오릅니다. 그러나 RAG는 사용자가 질문할 때마다 원본 문서에서 매번 처음부터 검색하고 답변을 생성하는 방식이라, 동일한 자료에 대해 같은 추론이 반복되고 그 과정에서 토큰과 시간이 계속 소모됩니다. 또한 검색된 청크(chunk) 단위 응답이라 원본 문서 사이의 관계, 모순, 빈 곳을 사용자가 한눈에 보기 어렵습니다. Andrej Karpathy는 이러한 한계를 극복하기 위해 LLM이 점진적으로 위키(wiki)를 만들고 유지·보수하는 패턴을 llm-wiki.md 라는 짧은 문서로 제안했습니다. LLM Wiki는 이 패턴을 추상 디자인이 아니라 누구나 설치해 사용할 수 있는 크로스플랫폼 데스크톱 애플리케이션으로 구현한 오픈소스 프로젝트입니다. LLM Wiki의 핵심 접근법은 RAG와 달리 LLM이 한 번 분석한 결과를 위키 페이지로 영속화하고, 새 자료가 들어올 때만 점진적으로 업데이트하는 점입니다. 사용자가 PDF나 DOCX, PPTX 같은 문서를 등록하면 LLM은 두 단계 사고 사슬(Two-Step Chain-of-Thought) 인제스트를 통해 먼저 핵심 엔티티와 개념, 기존 위키와의 모순을 분석하고, 이어서 그 분석 결과를 바탕으로 위키 페이지를 생성합니다. 페이지 사이 관계는 \[\[wikilinks\]\]와 4 신호 관련도 모델(4-Signal Relevance Model)로 구성된 지식 그래프(Knowledge Graph)에 반영되며, Louvain 커뮤니티 탐지(Community Detection)를 통해 자료 사이의 자연스러운 클러스터까지 드러냅니다. 그 결과 사용자는 RAG처럼 매번 처음부터 검색되는 답변이 아니라, 시간이 지날수록 풍부해지는 자기만의 위키와 대화하게 됩니다. 기능적으로 LLM Wiki는 단순한 노트 앱을 넘어 위키, 지식 그래프, 검색, Lint, 리뷰, Deep Re… --- ## [OpenLess: 말하면 AI가 다듬은 문장을 커서에 바로 넣어 주는 오픈소스 음성 입력 도구](https://discuss.pytorch.kr/t/openless-ai/10707)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [6월 15, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/openless-ai/10707 "2026-06-15T03:30:56Z")
OpenLess 소개 말로 빠르게 초안을 만들고 싶을 때, 받아쓰기 도구는 보통 들리는 대로 단어를 그대로 옮겨 적습니다. 그래서 "음… 그러니까…" 같은 군더더기와 중복까지 텍스트에 남아, 결국 손으로 다시 다듬게 됩니다. OpenLess 는 이 마지막 손질을 AI에 맡기는 음성 입력 도구로, 단축키를 누르고 말한 뒤 손을 떼면 다듬어진 문장이 지금 커서가 있는 입력란에 곧장 들어갑니다. OpenLess는 ChatGPT, Claude, Cursor, Notion, 이메일 초안, 채팅창 등 어떤 텍스트 입력란에서나 동작합니다. 전역 단축키를 누르고 말하면 오디오를 녹음해 전사(transcribe)하고, 선택한 모드로 텍스트를 다듬은 뒤 커서 위치에 삽입합니다. 삽입이 막히면 대신 클립보드에 복사하므로 말한 내용이 사라지지 않습니다. 단순 받아쓰기 도구와 다른 OpenLess의 핵심은 AI 프롬프트 모드 로, 자유롭게 말하면 구조와 맥락, 제약 조건을 갖춘 프롬프트로 정리해 ChatGPT나 Claude, Cursor에 그대로 붙여 넣을 수 있게 해 줍니다. OpenLess는 Typeless, Wispr Flow, Lazy, Superwhisper 같은 상용 구독 도구의 완전 오픈소스 대안을 표방합니다. 코드가 저장소에 공개되어 있고 데이터는 사용자의 기기에 남으며, ASR과 정리용 LLM 자격 증명을 직접 가져와 쓰는 방식이라 특정 벤더에 종속되지 않습니다. 기술적으로는 Tauri 2와 Rust 백엔드에 React/TypeScript 프런트엔드를 올린 구조이고, macOS 12 이상과 윈도우 10 이상을 지원합니다. 본 게시물에서는 OpenLess의 동작 방식, ASR과 정리 모델 선택, 스타일 팩 마켓플레이스, 그리고 설치·사용 방법을 정리합니다. OpenLess의 동작 방식과 AI 프롬프트 모드 OpenLess가 하는 일은 한 가지로 모입니다. 음성을 현재 커서 위치에 쓸 수 있는 텍스트로, 특히 AI 프롬프트로 바꾸는 것입니다. 파이프라인은 음성… --- ## [OpenWork: OpenCode를 위한 데스크탑 애플리케이션](https://discuss.pytorch.kr/t/openwork-opencode/8784)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 22, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/openwork-opencode/8784 "2026-01-22T03:30:19Z")
OpenWork 소개 OpenWork는 터미널 기반의 코딩 에이전트 도구인 OpenCode를 그래픽 사용자 인터페이스(GUI) 환경에서 사용할 수 있도록 구현한 오픈소스 데스크톱 애플리케이션입니다. (:pytorch::kr: 몇 일 전 소개한, 같은 이름의 Claude Cowork를 대체하는 목적의 Openwork과는 다른 프로젝트입니다) OpenCode는 강력한 성능을 가졌지만, 텍스트 기반의 CLI(Command Line Interface) 환경에서 작동하기 때문에 일반 사용자가 접근하기 어렵거나, 복잡한 파일 변경 내역(diffs)과 로그를 텍스트로만 확인해야 하는 불편함이 있었습니다. OpenWork는 이러한 기술적 장벽을 해소하기 위해 개발되었습니다. 터미널의 복잡한 명령어 대신 채팅 기반의 직관적인 UI를 제공하여, 개발자뿐만 아니라 비개발자도 자신의 로컬 환경에서 AI 에이전트와 협업할 수 있도록 돕는 OpenCode의 클라이언트 역할을 수행합니다. OpenWork 프로젝트는 Rust 기반의 Tauri 프레임워크를 사용하여 가볍고 안전하게 구동되며, 사용자의 로컬 머신에 설치된 OpenCode 엔진과 직접 통신합니다. 결과적으로 사용자는 세련된 UX를 경험하면서도, 실제 구동은 로컬 인프라와 오픈소스 엔진 위에서 이루어지는 데이터 주권과 확장성을 동시에 누릴 수 있습니다. OpenCode CLI vs OpenWork Desktop OpenWork는 독자적인 AI 서비스라기보다, OpenCode를 사용하는 새로운 방식(Interface)입니다. 기존 OpenCode는 터미널에서 작동하며, 시스템 통합이나 자동화 스크립트, 서버 환경에서의 실행에 최적화되어 있습니다. 모든 상호작용이 텍스트 로그와 명령어로 이루어집니다. 이에 비해, OpenWork는 일반 사용자를 위한 제품(Product) 형태의 앱입니다. CLI의 텍스트 로그를 시각적인 \*\*타임라인(Timeline)\*\*으로 변환하여 보여주며, 파일 승인이나 권한 제어를 클릭 한 번…