0 Fork 0

Files

T

mcchaeandClaude Opus 5.5 176e195dc2 71일차 자료 추가(답 제외)

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

2026-10-23 06:50:50 +09:00

15 KiB

Raw Permalink Blame History

AGENTS.md · n8n RAG(검색·응답) 작업 규칙 (71일차 실습 폴더)

이 파일은 CLI 코딩 에이전트(Codex, Claude Code, Antigravity 등)가 이 폴더에서 n8n 워크플로우를 만들 때 따르는 규칙입니다. 사람도 읽을 수 있게 썼습니다. 70일차 규칙과 같고, 3절이 오늘 만드는 색인 · 검색 · 규정 Q&A의 계약, 5절에 벡터 저장소 · 임베딩 노드가 더해졌습니다.

1. 작업 순서 (항상 이 순서)

요청을 읽고, 만들 워크플로우의 입력 · 노드 순서 · 결과 모양을 3~5줄로 먼저 정리해 보여 준다. RAG면 문서 → 청크 → 검색 → 답 각 단계의 입력·결과도 함께 보여 준다.
워크플로우 JSON을 my-work/<이름>.json에 쓴다. 이미 있으면 그 파일을 고친다 (새 파일을 만들지 않는다).
uv run tools/flow.py check my-work/<이름>.json → 오류(✘)가 없을 때까지 고친다.

끝나면 한국어로 짧게 보고한다: 바꾼 노드, check 결과, 그리고 사람이 실행할 명령 두 줄.

uv run tools/flow.py push my-work/<이름>.json
uv run tools/flow.py test cases/<요청에 나온 테스트 파일>.json -v

push와 test는 사람이 실행해 결과를 확인한다. 사람이 "네가 push·test까지 해"라고 하면 직접 실행해도 된다 (push는 약 10초, n8n이 잠깐 재시작됨).
사람이 실패 보고서(runs/*.json)를 알려 주면 실패한 케이스의 요청·응답을 읽고 원인을 설명한 뒤 고친다. 같은 곳을 3번 고쳐도 실패하면 멈추고 다른 방법을 제안한다.
문서(my-work/*.md)를 써 달라는 요청이면 워크플로우를 만들지 않고 문서만 쓴다.

2. 환경 (바꾸지 말 것)

항목	값
n8n	2.42.6, 65일차 공식 설치 `~/day65-n8n` (Docker 프로젝트 `day65-n8n`, 컨테이너 보통 `day65-n8n-n8n-1`), 브라우저 http://localhost:5678
n8n 켜고 끄기	`~/aio-01d4-stu/Last3Mon/65/n8n`에서 `docker compose start/stop` (사람이 함, Ollama 컨테이너는 없음)
게시된 웹훅 주소	밖에서 `http://localhost:5678/webhook/<path>`, n8n 안에서도 `http://localhost:5678/webhook/<path>` (같은 컨테이너)
OpenAI Credential	id `openAiCourse0001`, name `OpenAI (.env)`, 모델 `gpt-4.1-mini`
다른 Credential	쓰지 않음 (Ollama 등 없음, LLM은 모두 위 OpenAI Credential)
데이터 API	n8n 안에서 `http://data-api:8800`, 터미널에서 `http://localhost:8800` (71일차 판 `Last3Mon/71/data-api`: FAQ · 접수 현황 · 규정 문서)
임베딩	OpenAI `text-embedding-3-large` (같은 Credential)
벡터 저장소	n8n 메모리 저장소, 이름(memoryKey) `my_policy_docs`. n8n이 재시작되면(push 할 때마다) 지워진다 → 색인을 다시 (`call my-index`)

3. 오늘 만드는 것의 계약 (요청에 다른 말이 없으면 이대로)

무엇	파일 · 웹훅	입력 (본문)	결과
색인	`my-work/index.json` · `POST /webhook/my-index`	`chunking`: `"section"`(기본) 또는 글자 수(숫자)	`{"indexed_chunks", "chunking"}`
검색	`my-work/search.json` · `POST /webhook/my-search`	`question`(필수), `top_k`(기본 3)	`{"question", "hits": [{"rank", "source", "title", "score", "text"}], "top_score", "indexed"}`
규정 Q&A	`my-work/policy-qa.json` · `POST /webhook/my-policy-qa`	`question`(필수), `min_score`(기본 0.33)	`{"route", "answer", "sources", "cited", "top_score"}`

규정 문서: GET /docs → {"docs": [{"name", "title"}]} 8개, GET /docs/<name> → {"name", "title", "text"} (마크다운, ## 섹션). name이 source가 된다 (예: password-policy).
route: 자동 답변 또는 담당자 연결. 답 안의 출처는 문서 제목 [비밀번호·계정 보안 규정]처럼 보여 준다. cited는 답이 실제로 인용한 문서 name 목록.
관련도 기준: 검색 1등 점수(top_score)가 min_score보다 낮으면 LLM을 부르지 않고 담당자 연결 (수업 준비 측정: 규정 질문 0.46~~0.62, 규정 밖 0.20~~0.26).

4. 워크플로우 파일 규칙

{
  "name": "71 Policy QA (my)",
  "nodes": [ ... ],
  "connections": { ... },
  "settings": { "executionOrder": "v1" }
}

파일 하나에 워크플로우 하나. id는 쓰지 않아도 된다 (push가 파일 이름으로 정한다).
노드 name은 영어로, 워크플로우 안에서 겹치지 않게. 노드마다 type, typeVersion, position: [x, y], parameters가 필요하다.
API 키를 JSON에 쓰지 않는다. LLM 노드는 위 Credential id만 쓴다.
웹훅은 POST, responseMode: "responseNode", 결과는 Respond to Webhook 노드로 보낸다.
요청 본문은 $json.body.question처럼 body 아래에 있다.

5. 검증된 노드 (n8n 2.42.6에서 실행 확인)

아래 type/typeVersion을 그대로 쓴다. 다른 노드가 필요하면 써도 되지만 flow.py check가 이 n8n에 있는지 확인한다.

Webhook · If · Respond to Webhook

{"name": "Question webhook", "type": "n8n-nodes-base.webhook", "typeVersion": 2, "position": [0, 300],
 "parameters": {"httpMethod": "POST", "path": "my-policy-qa", "responseMode": "responseNode", "options": {}}}

{"name": "Has question?", "type": "n8n-nodes-base.if", "typeVersion": 2.2, "position": [200, 300],
 "parameters": {"conditions": {"options": {"caseSensitive": true, "leftValue": "", "typeValidation": "strict", "version": 2},
   "conditions": [{"id": "c1", "leftValue": "={{ $json.body.question }}", "rightValue": "",
     "operator": {"type": "string", "operation": "notEmpty", "singleValue": true}}], "combinator": "and"}, "options": {}}}

If 출력 0번이 true, 1번이 false. 조건을 둘 넣으면 combinator: "and". 불리언은 "leftValue": "={{ $json.passed }}", "operator": {"type": "boolean", "operation": "true", "singleValue": true}.

{"name": "Send result", "type": "n8n-nodes-base.respondToWebhook", "typeVersion": 1.1, "position": [2600, 300],
 "parameters": {"respondWith": "json", "responseBody": "={{ $json }}", "options": {}}}

오류 응답: "responseBody": "{ \"error\": \"question is required\" }", "options": {"responseCode": 400}

HTTP Request · Split Out (문서 가져오기)

{"name": "List docs", "type": "n8n-nodes-base.httpRequest", "typeVersion": 4.2, "position": [200, 300], "parameters": {"url": "http://data-api:8800/docs", "options": {}}}

{"name": "One item per doc", "type": "n8n-nodes-base.splitOut", "typeVersion": 1, "position": [400, 300], "parameters": {"fieldToSplitOut": "docs", "options": {}}}

{"name": "Get doc", "type": "n8n-nodes-base.httpRequest", "typeVersion": 4.2, "position": [600, 300], "parameters": {"url": "=http://data-api:8800/docs/{{ $json.name }}", "options": {}}}

Code (청크 만들기 · 결과 모양)

{"name": "Make chunks", "type": "n8n-nodes-base.code", "typeVersion": 2, "position": [800, 300],
 "parameters": {"jsCode": "const chunks = [];\nfor (const item of $input.all()) {\n  const { name, title, text } = item.json;\n  text.split(/\\n(?=## )/).slice(1).forEach((piece, i) => chunks.push({ json: { source: name, title, chunk: i + 1, text: `${title}\\n${piece}` } }));\n}\nreturn chunks;"}}

여러 항목을 돌려주면 다음 노드가 항목마다 처리한다. 청크 글 앞에 문서 제목을 붙이면 검색이 문서를 더 잘 찾는다.
Code 노드 안에는 URL 클래스가 없다.

Vector Store (메모리) · Embeddings · Loader — 색인

{"name": "Store chunks", "type": "@n8n/n8n-nodes-langchain.vectorStoreInMemory", "typeVersion": 1.3, "position": [1020, 300],
 "parameters": {"mode": "insert", "memoryKey": {"__rl": true, "mode": "list", "value": "my_policy_docs", "cachedResultName": "my_policy_docs"}, "clearStore": true}}

{"name": "Embeddings", "type": "@n8n/n8n-nodes-langchain.embeddingsOpenAi", "typeVersion": 1.2, "position": [960, 520],
 "parameters": {"model": "text-embedding-3-large", "options": {}}, "credentials": {"openAiApi": {"id": "openAiCourse0001", "name": "OpenAI (.env)"}}}

{"name": "Chunk loader", "type": "@n8n/n8n-nodes-langchain.documentDefaultDataLoader", "typeVersion": 1.1, "position": [1120, 520],
 "parameters": {"jsonMode": "expressionData", "jsonData": "={{ $json.text }}", "textSplittingMode": "simple",
   "options": {"metadata": {"metadataValues": [{"name": "source", "value": "={{ $json.source }}"}, {"name": "title", "value": "={{ $json.title }}"}]}}}}

clearStore: true: 색인할 때마다 비우고 다시 넣는다 (같은 청크가 두 번 들어가지 않게).
Loader의 textSplittingMode: "simple"은 거의 나누지 않는다. 청크는 앞의 Code가 정한다.
색인 뒤 개수는 Code에서 $('Make chunks').all().length로 센다.

Vector Store (메모리) — 검색

{"name": "Search policies", "type": "@n8n/n8n-nodes-langchain.vectorStoreInMemory", "typeVersion": 1.3, "position": [420, 300],
 "parameters": {"mode": "load", "memoryKey": {"__rl": true, "mode": "list", "value": "my_policy_docs", "cachedResultName": "my_policy_docs"},
   "prompt": "={{ $json.body.question }}", "topK": "={{ $json.body.top_k ?? 3 }}", "includeDocumentMetadata": true},
 "alwaysOutputData": true}

결과는 항목 여러 개: $json.document.pageContent(글), $json.document.metadata.source, $json.score(0~1, 클수록 가까움). 같은 Embeddings 노드를 ai_embedding으로 연결한다.
alwaysOutputData: true: 저장소가 비어도 빈 항목 하나가 나와 워크플로우가 멈추지 않는다. 다음 Code에서 item.json.document가 있는 항목만 쓴다.

AI Agent + OpenAI chat model (근거로 답하기, 질문 다시 쓰기)

{"name": "Answer from policies", "type": "@n8n/n8n-nodes-langchain.agent", "typeVersion": 3.1, "position": [1080, 200],
 "parameters": {"promptType": "define", "text": "=질문: {{ $json.question }}\n\n규정 발췌:\n{{ $json.context }}",
   "options": {"systemMessage": "Answer only from the numbered policy excerpts ... write the excerpt number like [2] ...", "maxIterations": 2}}}

{"name": "OpenAI chat model", "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi", "typeVersion": 1.2, "position": [1040, 420],
 "parameters": {"model": {"__rl": true, "mode": "id", "value": "gpt-4.1-mini"}, "options": {"temperature": 0}},
 "credentials": {"openAiApi": {"id": "openAiCourse0001", "name": "OpenAI (.env)"}}}

Agent의 결과는 $json.output(글자). 발췌 번호 [2]는 다음 Code에서 문서 제목으로 바꾼다.

Edit Fields (Set) — 담당자 연결

{"name": "Not in policies", "type": "n8n-nodes-base.set", "typeVersion": 3.4, "position": [1080, 520],
 "parameters": {"assignments": {"assignments": [
   {"id": "a0", "name": "route", "value": "담당자 연결", "type": "string"},
   {"id": "a1", "name": "answer", "value": "규정에서 답을 찾지 못했습니다. IT 문의 창구로 연결해 드릴게요.", "type": "string"},
   {"id": "a2", "name": "cited", "value": "={{ [] }}", "type": "array"}]}, "options": {}}}

6. 연결 (`connections`)

{
  "Make chunks": {"main": [[{"node": "Store chunks", "type": "main", "index": 0}]]},
  "Embeddings": {"ai_embedding": [[{"node": "Store chunks", "type": "ai_embedding", "index": 0}]]},
  "Chunk loader": {"ai_document": [[{"node": "Store chunks", "type": "ai_document", "index": 0}]]},
  "Relevant?": {"main": [[{"node": "Answer from policies", "type": "main", "index": 0}], [{"node": "Not in policies", "type": "main", "index": 0}]]},
  "OpenAI chat model": {"ai_languageModel": [[{"node": "Answer from policies", "type": "ai_languageModel", "index": 0}]]}
}

키는 보내는 노드 이름, 안의 node는 받는 노드 이름. If의 main은 [ [true 쪽], [false 쪽] ].
Chat model은 ai_languageModel, Embeddings는 ai_embedding, Loader는 ai_document로 연결한다 (main 아님).

7. 표현식 주의

표현식은 =로 시작한다: "={{ $json.body.question }}". =가 없으면 그냥 글자로 남는다.
{{ }} 안에서 객체를 만들 때 }}가 붙지 않게 띄어 쓴다: "={{ JSON.stringify({ draft: $json.draft }) }}"
다른 노드 뒤에서 웹훅 입력은 $('Question webhook').first().json.body로 읽는다 ($json은 바로 앞 노드 결과).

8. 테스트 파일 (`cases/*.json`)

{
  "webhook": "my-search",
  "before": [{"webhook": "my-index", "request": "requests/index-section.json"}],
  "cases": [
    {"name": "비밀번호 길이", "request": "requests/q-password-length.json",
     "expect": {"equals": {"hits.0.source": "password-policy"}, "contains": {"hits.0.text": ["12자"]}}},
    {"name": "직접 쓴 질문", "body": {"question": "", "top_k": 3}, "expect": {"status": 400}},
    {"name": "다른 웹훅으로", "webhook": "my-policy-qa", "body": {"question": "점심 메뉴"}, "expect": {"equals": {"route": "담당자 연결"}}}
  ]
}

before: 케이스보다 먼저 한 번 부른다 (메모리 저장소를 다시 채우는 색인). --no-before면 건너뛴다 (내가 다른 설정으로 색인해 둔 것을 그대로 쓸 때).
필드 이름은 점으로 내려간다: hits.0.source = hits 첫 항목의 source.
equals: 값이 같아야 함 · contains: 목록 중 하나라도 들어 있어야 함 (배열·객체는 JSON 글자로 바꿔 찾음) · not_contains: 하나도 없어야 함 · status: HTTP 코드(기본 200)
uv run tools/flow.py test <파일> -v --repeat 3: LLM 답은 매번 조금씩 다르므로 3번 이상 돌려 본다. -v(--verbose)는 케이스마다 보낸 요청 JSON과 받은 응답 JSON을 화면에 보여 준다 (보고서 runs/*.json에도 같은 것이 남음). call ... -v도 보낸 요청 JSON을 응답 위에 함께 보여 준다.
테스트를 통과시키려고 테스트 파일의 기대 결과를 바꾸지 않는다. 기대 결과가 틀렸다고 생각되면 사람에게 묻는다.

9. 하지 말 것

tools/, data-api/, requests/, reference/, 이 파일(AGENTS.md)을 고치지 않는다 (요청받은 경우만). 규정 문서(data-api/data/docs)를 고쳐서 테스트를 통과시키지 않는다.
답을 검색 결과 밖의 지식으로 쓰지 않는다 (규정에 없으면 없다고 하고 담당자 연결).
n8n 컨테이너를 지우거나 docker compose down을 하지 않는다. ~/day65-n8n(n8n 설치·비밀값)을 읽거나 고치지 않는다. Credential을 새로 만들지 않는다.
.env나 API 키를 읽어서 출력하지 않는다.

15 KiB Raw Permalink Blame History