홈 | MoodleDEV

전체 강좌

코딩 없이 시작하는 업무 혁신: n8n 설치부터 첫 자동화 워크플로우 완성까지

n8n의 기본 개념, 설치, UI 사용법을 익히고, Webhooks, HTTP Request, Data Manipulation(Set/Split) 등 핵심 노드를 활용하여 간단하고 반복적인 일상 업무를 즉시 자동화하는 방법을 배웁니다.

대상자

자동화 툴이 처음인 초보자, 반복적인 단순 업무가 많은 사무직/비개발자, n8n의 자체 호스팅에 관심 있는 사용자

강의 목표

n8n을 성공적으로 설치하고, 기본 노드를 조합하여 3단계 이내의 간단한 실무 워크플로우를 직접 설계하고 실행할 수 있다.

커리큘럼

Part 1: n8n 소개 및 Docker를 이용한 Self-Hosting 환경 구축

Part 2: n8n Editor UI 및 노드(Node) 개념, 데이터 흐름 이해

Part 3: Trigger 노드 활용 (Manual, Interval, Webhook)

Part 4: Google Sheets, Slack, Email 연동을 통한 기본 알림 및 데이터 기록 자동화

Part 5: 데이터 가공 노드(Set, If, Code 맛보기)를 활용한 간단한 데이터 처리

Category 1

나만의 AI 비서 만들기: Open WebUI와 n8n을 활용한 지능형 에이전트 구축

Open WebUI의 확장성과 n8n의 AI 에이전트 기능을 결합하여, 실시간 웹 검색 및 외부 데이터 연동이 가능한 지능형 챗봇을 설계하고, 고급 프롬프트 기술을 적용하는 심화 과정입니다.

대상자

AI 에이전트 구현에 관심 있는 사용자, 고급 프롬프트 엔지니어링 기술을 배우고 싶은 기획자/마케터

강의 목표

n8n의 AI Agent 기능을 깊이 이해하고, RAG(검색 증강 생성) 등 고급 기술을 활용하여 실시간 정보 처리 능력을 갖춘 챗봇을 만들 수 있다.

커리큘럼

Part 1: Open WebUI의 'Pipe' 기능 이해 및 n8n 파이프 연동 상세 설정

Part 2: n8n에서 LLM 노드 활용 및 Tool 개념 (검색, API 호출)

Part 3: RAG를 위한 벡터 데이터베이스(Qdrant 등) 연동 및 문서 검색 에이전트 실습

Part 4: 복잡한 의사결정 구조를 가진 멀티 스텝 AI 워크플로우 설계

Part 5: 고급 프롬프트 엔지니어링 (Chain-of-Thought, ReAct, JSON 출력 제어)

Category 1

정보 검색 능력을 극대화하는 프롬프트: Open WebUI Tools & RAG 마스터

요청하신 주제인 **"정보 검색 능력을 극대화하는 프롬프트: Open WebUI Tools & RAG 마스터"**에 맞춰, 실무 중심의 15주차 커리큘럼과 강좌 상세 내용을 구성해 드립니다.

이 강좌는 단순한 프롬프트 엔지니어링을 넘어, 최신 오픈소스 도구인 Open WebUI의 강력한 기능을 활용하고, RAG(검색 증강 생성) 기술을 통해 나만의 지식 베이스를 구축하는 것을 목표로 설계했습니다.

강좌 개요서

강좌명

정보 검색 능력을 극대화하는 프롬프트: Open WebUI Tools & RAG 마스터

강좌 목표

본 강좌는 수강생이 LLM(대규모 언어 모델)을 로컬 및 클라우드 환경에서 자유롭게 운용하고, 외부 데이터를 연동(RAG)하여 환각(Hallucination) 없는 정확한 정보 검색 시스템을 구축하는 능력을 배양합니다. 특히 Open WebUI의 'Tools(도구)' 기능을 활용하여 웹 검색, API 연동, 코드 실행 등 에이전트(Agent) 수준의 워크플로우를 설계하는 방법을 마스터합니다.

수강 대상

단순 챗봇 사용을 넘어, 업무에 특화된 AI 검색 환경을 구축하고 싶은 직장인
나만의 로컬 LLM 서버를 구축하고 문서를 효율적으로 관리하고 싶은 연구자/개발자
RAG 기술과 프롬프트 엔지니어링을 결합하여 정보 처리 속도를 높이고 싶은 분

기대 효과

프롬프트 최적화: 원하는 정보를 정확히 추출하는 구조화된 프롬프트 설계 능력 습득
도구 활용(Tool Use): Open WebUI를 통해 LLM이 실시간 웹 검색 및 코드 실행을 하도록 제어
지식 베이스 구축: PDF, 문서 등을 벡터화하여 개인화된 RAG 검색 시스템 완성

주차별 커리큘럼 (15주 완성)

주차	소제목	강의 요약
1주	AI 검색 패러다임의 변화와 LLM 기초	기존 키워드 검색과 LLM 기반 시맨틱 검색의 차이, LLM 작동 원리 이해
2주	프롬프트 엔지니어링 핵심: 맥락과 제약	Zero-shot, Few-shot 기법, 페르소나 설정 및 명확한 지시문 작성법
3주	고급 프롬프트 전략: CoT와 ReAct	생각의 사슬(Chain of Thought)과 ReAct(Reasoning+Acting) 프롬프팅 실습
4주	로컬 LLM 환경 구축: Ollama & Open WebUI	Docker를 활용한 Open WebUI 설치, Ollama 모델(Llama 3, Mistral 등) 로드 및 관리
5주	Open WebUI 인터페이스 완벽 분석	모델 파라미터(Temperature, Context Window) 튜닝 및 Modelfile 커스터마이징
6주	RAG(검색 증강 생성)의 이해	RAG의 개념, 벡터 데이터베이스(Vector DB)와 임베딩(Embedding)의 원리
7주	Open WebUI에서의 문서 RAG 실습	PDF, TXT 문서 업로드 및 임베딩 처리, 문서 기반 질의응답 최적화
8주	정보 검색 퀄리티 높이기: 청킹(Chunking) 전략	문서를 어떻게 쪼개야 검색이 잘 되는가? 청킹 사이즈와 오버랩 전략
9주	Open WebUI Tools 기능 입문	LLM에 '손' 달아주기: Built-in Tools 활용 및 개념 이해
10주	실시간 웹 검색 연동 (Web Search Tools)	Google/DuckDuckGo 검색 API 연동, 최신 정보 기반 답변 생성하기
11주	고급 도구 제작 1: Python Code Execution	Open WebUI에서 파이썬 코드를 실행하여 데이터 분석 및 시각화 수행
12주	고급 도구 제작 2: Custom API 연결	외부 뉴스 API, 날씨 API 등을 연결하여 나만의 비서 만들기 (Function Calling)
13주	멀티모달(Multimodal) 검색과 활용	이미지를 인식하고 분석하는 Vision 모델 활용 및 이미지 생성 프롬프트
14주	종합 프로젝트: 나만의 AI 리서치 에이전트 구축	특정 주제를 던지면 웹 검색 + 논문 요약 + 리포트 작성을 수행하는 봇 제작
15주	미래의 검색, 에이전틱(Agentic) AI	자율 에이전트의 흐름, 윤리적 고려사항, 최종 프로젝트 발표 및 피드백

강좌 상세 내용 (주요 모듈별)

Module 1. 프롬프트 엔지니어링과 검색의 기초 (1~3주차)

이 모듈에서는 AI에게 질문하는 법을 다시 배웁니다. 단순히 "알려줘"가 아니라, LLM이 사고하는 과정을 유도하여 정보의 정확도를 높이는 Chain of Thought(CoT) 기법과 복잡한 문제를 해결하는 ReAct 프롬프팅을 집중적으로 다룹니다. 이는 이후 Tools 사용의 기반이 됩니다.

Module 2. Open WebUI와 로컬 LLM 마스터 (4~5주차)

Open WebUI는 현재 가장 강력한 오픈소스 LLM 인터페이스 중 하나입니다.

설치 및 세팅: Docker를 이용한 안전한 설치 및 Ollama와의 연동.
Modelfile: 나만의 시스템 프롬프트가 적용된 커스텀 모델을 만들고 저장하는 방법.
파라미터 튜닝: 창의적인 글쓰기와 정확한 정보 검색에 필요한 Temperature 값 조절 노하우.

Module 3. RAG(Retrieval-Augmented Generation) 심화 (6~8주차)

LLM의 가장 큰 약점인 '할루시네이션'을 잡기 위해 사용자가 가진 데이터를 학습 없이 참조하게 만드는 RAG 기술을 배웁니다.

임베딩 모델 선택: 한글 처리에 강한 임베딩 모델 적용법.
하이브리드 검색: 키워드 검색과 벡터 검색을 결합하여 검색 정확도를 극대화하는 방법.

Module 4. Tools & Agentic Workflow (9~12주차)

이 강좌의 하이라이트입니다. LLM이 텍스트만 생성하는 것이 아니라, 실제로 도구를 사용하게 만듭니다.

Web Search: "오늘 서울 날씨 어때?"라고 물으면 LLM이 검색 엔진을 돌려 실시간 정보를 가져오게 설정합니다.
Python Tool: "이 엑셀 파일 분석해줘"라고 하면 내부적으로 파이썬 코드를 짜서 실행하고 그래프를 그려주는 기능을 구현합니다.

Module 5. 종합 프로젝트 (13~15주차)

수강생은 배운 내용을 종합하여 **'자동화된 리서치 에이전트'**를 만듭니다. 사용자가 "최신 AI 트렌드 조사해줘"라고 입력하면, 1) 웹 검색 수행, 2) 주요 기사 스크랩, 3) 내용 요약, 4) 최종 보고서 생성을 한 번에 수행하는 워크플로우를 완성합니다.

강의 형식 및 준비물

강의 형식: 이론 30% + 실습 70% (매주 실습 과제 부여)
준비물:
- PC/노트북 (RAM 16GB 이상 권장, GPU 있으면 좋으나 CPU 모드로도 실습 가능)
- Docker 설치 가능 환경 (Windows/Mac/Linux)
- 기초적인 Python 지식이 있으면 11~12주차에 유리하나 필수 아님