24. 학습의 단계_n8n -5일차 -
1단계. 학습의 단계
1. AWS Bedrock
첫번째 강의) Building Multi-Agentic AI Workflows on AWS Bedrock: 수강완료 (2025/4/13~04/16)
두번째 강의) Learn Agentic AI Basics, Amazon Bedrock Multi-Agent Framework (2025/4/29~06/11)
2. N8N
I. 강의 선택의 이유 / 수강 전 기대하는 부분
(중략)
이번 강의는 개념을 많이 알아보고 깨우치는 강의가 되기 보다는, "어? 그럼 이런것도 만들 수 있겠네? 어, 이거 만들어보고 싶다"라는 생각이 계속 드는 강의가 되기를 희망한다. 강의 완강까지 시간이 다소 걸려도 된다. 강의를 듣다가 배운 내용을 십분 활용하여 수강 중간에라도 toy project를 시도해보면 좋겠다.
II. 수업내용
1일차(25/6/11): Rapid API, n8n(rapid api, chat gpt api, firecrawl api)
1) 2강. "난생 첫 API 호출!" - API로 진짜 AI를 경험하다
2) 3강. "API라는 신세계" - 다양한 AI 활용 및 기초 구조
2일차(25/6/12~13): AI 챗봇, Tool 연동, 혼자서 두 개 에이전트를 만들어서 피드백 루프 구성 중.
3일차(25/6/20): 피드백 루프 구성 시도 후, 다시 강의 내용으로 복귀함. (네이버 API, claude API 연결)
3) 4강. "AI 에이전트, 1분 컷?" - 나만의 AI 비서 만들기
4일차(25/6/22~24): 5강 시작
4) 5강. "AI 에이전트 실사례" - 음성부터 텔레그램까지 손쉽게 연동
5일차(25/6/25~7/8)
5) 6강. "대규모 자동화의 힘" - 꿈꾸던 실전 데이터 수집과 처리
6) 7강. "워크플로우로 인터넷 정보 수집" - N8N 템플릿 활용 및 비즈니스 기획
이번 강의는 스프레드시트 기반으로 Crawling 및 정보 정리 업무를 자동화시키는 내용이다.
우선 구글 스프레드시트 상에 리서치할 정보들을 기입한다. 우선 강의 예시와 같이 기업명과 각 내용을 추가했다.
json 구조로 답변된 GPT 출력을 기반으로 Google spreadsheet - update a row 노드를 생성하여, GPT 출력 값들이 각 행에 맞추어 추가될 수 있도록 한다.
이후 Loop를 통해 작업을 반복하는 법에 대해 배웠다.
그 다음으로는 On form submission을 통해서, n8n 내에서 설문양식을 만들어 배포하고, 외부 사용자가 해당 양식이 요구하는 값들을 입력하도록 할 수 있다.
이렇게 입력된 값들을 기반으로, GPT가 설문 내용에 맞춘 후속 작업 (예: 강의에서는 이메일 회신)을 하도록 할 수 있다.
이 부분에서 흥미로운 것은 설문 답변에 맞춘 이메일 회신 프롬프트를 구성할 때, 설문양식의 내용을 GPT에게 물어보고, 그에 맞추어 이메일을 회신하려면 어떤 프롬프트를 구성해야하는지 작성해달라는 요청을 할 수도 있다는 것이다.
강사의 경우, 설문양식의 내용 전체를 프롬프트에 붙여넣은 후에,
" (설문양식의 전체 내용 붙여넣기)
이런 설문을 받은 다음에
이에 대해 AI 컨설팅을 어떻게 해줄지를 고민하고 있어. 저 폼을 받았을 때 써볼만한 좋은 프롬프트를 하나 줘봐."
라는 식으로 GPT가 스스로 좋은 프롬프트를 구성할 수 있도록 역제안하고 있다.
이렇게 완성된 (1) 설문양식 > (2) GPT 이메일 본문 작성 > (3) Gmail 발송의 핵심적인 워크플로우다. 생각보다 매우 단순하지만 매우 효과적인 자동응답 시스템이다.
아래 워크플로우는 위 핵심 워크플로우를 더 고도화 하는 관점에서 두 가지 기능을 추가한 것이다.
- 이메일 자동응답 시, 이메일 회신하는 시점을 wait 기능으로 Pause 시키는 기능
- 설문양식의 답변 내용이 진지한 내용인지 여부를 Taxt Classifier 노드로 판단하여, 내용이 진심이라고 판단되는 경우에만 이후 이메일 회신 워크플로우를 진행하도록 하는 기능
댓글
댓글 쓰기