PAI(Personal AI Infrastructure)란? 나를 아는 AI 인생 운영체제 분석
PAI(Personal AI Infrastructure)란? 나를 아는 AI 인생 운영체제 분석
ChatGPT를 켜고 똑같은 배경 설명을 또 반복한 적 있으신가요? 내가 무슨 일을 하는지, 어떤 목표를 가졌는지, 어떤 도구를 쓰는지를 매번 처음부터 알려줘야 하는 답답함 말입니다.
보안 전문가 Daniel Miessler가 만든 오픈소스 프로젝트 **PAI(Personal AI Infrastructure)**는 바로 이 문제를 정조준합니다. PAI는 자신을 "Life Operating System(인생 운영체제)"라고 부릅니다. AI 도구 하나가 아니라, 한 사람의 정체성과 목표를 담아두고 "나를 아는 AI"가 그 위에서 움직이게 만드는 인프라입니다.
이 글에서는 PAI가 정확히 무엇인지, 어떤 구조로 되어 있는지, 전신 프로젝트 Fabric과는 어떤 관계인지, 그리고 한국 개발자에게 어떤 의미가 있는지 정리합니다.
목차
- PAI는 무슨 문제를 푸는가
- 3계층 아키텍처: PAI + Pulse + DA
- RAG를 쓰지 않는 평문 설계
- Claude Code 네이티브
- v5.0.0 구성과 커뮤니티 규모
- Fabric과의 관계
- 설치와 인터뷰 4단계
- 한국 개발자에게 주는 시사점
PAI는 무슨 문제를 푸는가
PAI의 GitHub 소개 문구는 "Agentic AI Infrastructure for magnifying HUMAN capabilities(인간 능력을 증폭하는 에이전틱 AI 인프라)"입니다. 그리고 핵심 슬로건은 이렇습니다.
"AI should magnify everyone—not just the top 1%." (AI는 상위 1%가 아니라 모두를 증폭해야 한다.)
Miessler가 지적하는 문제는 두 가지입니다.
첫째, **"AI가 나를 모른다"**는 점입니다. 대부분의 사람은 AI에게 큰 그림을 전달하지 못합니다. 내가 누구인지, 무엇을 이루려는지, 어떤 도구를 가졌는지를요. PAI는 스스로를 "가장 똑똑한 모델에게 올바른 컨텍스트를 건네는 시스템"이라고 정의합니다. 모델 자체보다, 그 모델을 둘러싼 컨텍스트가 중요하다는 관점입니다.
둘째, "좋다(good)" 또는 "완료(done)"의 정의 부재입니다. PAI 문서는 "AI의 가장 큰 미해결 문제는 주어진 작업에서 무엇이 '좋다' 또는 '완료'인지 아무도 정의하지 못한다는 것"이라고 말합니다. 그 해법으로 제시하는 개념이 **Ideal State(이상 상태)**입니다. 현재 상태에서 이상 상태로 옮겨가는 과정을 명시적으로 정의하는 것이죠.
설계 철학은 "Humans first, tech second(인간이 먼저, 기술은 그다음)"입니다. 모든 설계 결정이 "이게 사용하는 사람에게 무엇을 해주는가?"에서 출발합니다.
3계층 아키텍처: PAI + Pulse + DA
PAI는 세 개의 계층으로 구성됩니다.
PAI — OS 본체
운영체제 그 자체입니다. Skills(스킬), 메모리, the Algorithm, Telos(목적), 정체성 파일이 여기에 담깁니다. 개인 컨텍스트는 PAI/USER/ 디렉토리에 보관되는데, 이곳은 인스톨러나 업그레이드가 절대 건드리지 않는 안전 영역입니다.
Pulse — 라이프 대시보드
localhost:31337에서 도는 통합 데몬입니다. 사용자의 상태, 목표, 작업을 시각화하는 Life Dashboard 역할을 합니다. 포트 번호 31337은 해커 문화의 "eleet(leet)" 숫자로, 일종의 위트입니다.
DA — Digital Assistant
사용자가 실제로 대화하는 음성·인격 레이어입니다. "1인 1 DA(디지털 어시스턴트)"가 PAI가 그리는 비전입니다.
RAG를 쓰지 않는다: "파일시스템이 곧 인덱스"
PAI의 가장 흥미로운 기술적 선택은 RAG(검색 증강 생성)를 쓰지 않는다는 점입니다. 요즘 대부분의 개인 AI 프로젝트가 벡터 데이터베이스와 RAG를 기본으로 채택하는 것과 정반대입니다.
대신 PAI는 "filesystem as context(컨텍스트로서의 파일시스템)"를 채택합니다. 모든 데이터를 평문 텍스트와 Markdown으로 저장하고, ripgrep으로 검색합니다. 이유는 명확합니다.
"If you can't read it with cat, we don't want it." (
cat명령으로 못 읽으면 채택하지 않는다.)
SQLite나 Postgres 같은 불투명한 저장소를 피하고, 사람이 직접 읽고 수정할 수 있는 평문을 고집하는 것입니다. 메모리도 마찬가지로 3계층(WORK / KNOWLEDGE / LEARNING) 구조를 평문으로 관리합니다.
Claude Code 네이티브로 만들어졌다
PAI는 Claude Code 위에 네이티브로 구축되었습니다. 스택은 Claude Code(런타임) + Bun(툴체인) + TypeScript/Bash(코드)입니다. 저장소의 주 언어는 TypeScript입니다.
README는 "PAI is built natively on Claude Code and designed to stay that way(PAI는 Claude Code 위에 네이티브로 만들어졌고, 앞으로도 그렇게 유지될 것)"라고 명시합니다. Claude Code의 hook 시스템, 컨텍스트 관리, 에이전틱 아키텍처가 최선의 기반이라 판단했다는 설명입니다.
PAI와 Claude Code의 관계를 가장 잘 표현하는 문장이 이겁니다.
"Claude Code is the engine. PAI is everything else that makes it your car." (Claude Code가 엔진이라면, PAI는 그걸 '내 차'로 만드는 나머지 전부다.)
v5.0.0 구성과 커뮤니티 규모
최신 버전 v5.0.0은 2026-05-13에 공개되었습니다(이 글 작성일 2026-05-23 기준 약 열흘 전). 구성을 보면 OS라는 표현이 과장이 아닙니다.
| 구성 요소 | 개수 |
|---|---|
| Skills | 45개 |
| Workflows | 171개 |
| Hooks | 37개 |
| the Algorithm | 7단계 루프 |
| ISA 섹션 | 12개 |
| 메모리 계층 | 3계층 |
여기서 "the Algorithm"은 OBSERVE → THINK → PLAN → BUILD → EXECUTE → VERIFY → LEARN으로 이어지는 7단계 작업 루프입니다. 과학적 방법론을 작업 프로세스로 옮긴 것이죠.
커뮤니티 규모도 작지 않습니다(2026-05-23 기준).
- GitHub 스타: 14,331개 (약 1만 4천 개)
- 포크: 2,018개 (약 2천 개)
- 컨트리뷰터: 28명
- 라이선스: MIT
저장소는 2025-09-08에 생성되어 약 8개월 만에 1만 4천 스타를 모았고, 마지막 코드 푸시가 2026-05-20으로 매우 활발하게 개발되고 있습니다.
Fabric과의 관계: 프롬프트 모음에서 OS로
Daniel Miessler의 전신 프로젝트 Fabric은 스타 41,810개(약 4만 2천 개)에 달하는 더 큰 규모의 프로젝트입니다. "AI로 인간을 증강하는 오픈소스 프레임워크"를 표방합니다.
두 프로젝트의 역할은 다릅니다.
- Fabric = "무엇을 물을지". 특정 작업을 위한 AI 프롬프트와 패턴 모음입니다.
- PAI = "내 DA가 어떻게 작동하는지". 메모리, 스킬, 라우팅, 컨텍스트, 자기개선을 포함하는 인프라입니다.
둘은 경쟁이 아니라 상호보완 관계입니다. 실제로 많은 PAI 사용자가 Fabric의 패턴(예: ExtractWisdom)을 PAI의 스킬로 통합해 씁니다. Fabric이라는 "프롬프트 모음"에서 PAI라는 "개인 AI 인프라"로 진화한 흐름으로 볼 수 있습니다.
설치는 한 줄, 그다음 인터뷰 4단계
PAI 설치는 의외로 간단합니다. 원라인 인스톨러 한 줄이면 됩니다.
curl -sSL https://ourpai.ai/install.sh | bash
인스톨러가 Bun/Git/Claude Code 검증, ElevenLabs 키 입력(선택), DA 정체성 마법사, Pulse의 launchd 서비스 등록까지 자동으로 처리합니다. 기존 ~/.claude/ 설정은 백업본으로 안전하게 보관됩니다.
설치 후에는 localhost:31337에서 대시보드를 열고, Claude Code에서 /interview를 실행해 4단계 인터뷰를 진행합니다.
- TELOS — 미션, 목표, 신념, 도전, 멘탈 모델
- IDEAL_STATE — 이상 상태 정의
- Preferences — 환경설정
- Identity — 정체성
README는 "TELOS 없으면 DA가 최적화할 대상이 없다"며 이 인터뷰가 가장 중요하다고 강조합니다.
한국 개발자에게 주는 시사점
PAI가 한국 개발자에게 던지는 메시지는 명확합니다.
첫째, 이미 Claude Code를 쓰고 있다면 절반은 준비된 것입니다. PAI는 Claude Code 네이티브이기 때문에, 별도의 새로운 런타임을 배울 필요가 없습니다.
둘째, 평문 기반이라 학습과 커스터마이징이 쉽습니다. 모든 것이 Markdown과 텍스트로 되어 있어서, 블랙박스 없이 동작 원리를 직접 뜯어볼 수 있습니다. 한국어 컨텍스트를 채워 넣는 것도 자유롭습니다.
셋째, "내 AI가 나를 모른다"는 답답함의 구조적 해법을 제시합니다. 매번 컨텍스트를 반복하는 대신, 한 번 정체성과 목표를 정의해두면 됩니다.
물론 모든 것을 PAI로 옮길 필요는 없습니다. 다만 개인 AI 워크플로우를 어떻게 구조화할지 고민 중이라면, MIT 라이선스로 공개된 PAI의 설계를 살펴보는 것만으로도 좋은 레퍼런스가 됩니다.
자주 묻는 질문 (FAQ)
Q. PAI는 Claude Code 없이도 쓸 수 있나요? A. PAI는 Claude Code 네이티브로 설계되어 있어서, 기본적으로 Claude Code를 런타임으로 전제합니다. 다만 커뮤니티가 OpenCode로 포팅한 provider-agnostic 버전(pai-opencode)도 존재합니다.
Q. PAI가 RAG를 안 쓰면 검색은 어떻게 하나요? A. 모든 데이터를 평문 텍스트로 저장하고 ripgrep으로 검색합니다. "파일시스템이 곧 인덱스"라는 철학으로, 벡터 DB 없이 텍스트 검색만으로 컨텍스트를 구성합니다.
Q. 설치하면 기존 ~/.claude/ 설정이 사라지나요?
A. 아닙니다. 인스톨러가 기존 설정을 ~/.claude.backup-{TIMESTAMP} 형태로 자동 백업한 뒤 진행합니다.
마무리
PAI는 "AI 도구를 하나 더 쓰는" 차원이 아니라, "AI가 나를 중심으로 작동하게 만드는" 발상의 전환입니다. RAG를 거부하고 평문을 고집하는 점, Claude Code 네이티브로 설계한 점, 그리고 "1인 1 디지털 어시스턴트"라는 비전까지. 개인 AI 인프라의 한 방향을 제시하는 프로젝트로서 충분히 들여다볼 가치가 있습니다.
관심이 생겼다면 GitHub 저장소부터 둘러보시길 권합니다.
관련 글
출처
