aio-01d4-stu/Last3Mon/64/README.md

64일차 실습 · AI 워크플로우 구조 이해와 업무 자동화 시나리오 분석

• 일자: 2026-10-14 (64일차)
• 교과목: 노코드 멀티 에이전트 워크플로우 설계 및 운영
• 단원: AI 워크플로우 개념 및 구성 요소 이해
• 강의 자료: Lecture/64

구성

Last3Mon/64/
├── README.md
├── SETUP-WSL-OLLAMA.md            # 사전 준비 · WSL과 Ollama 로컬 LLM
├── LAB-01-FIRST-WORKFLOW.md        # 1단계 · 첫 워크플로우 실행과 실행 기록 읽기
├── LAB-02-LLM-TOOL-MEMORY.md       # 2단계 · LLM·Tool·Memory 연결하기
├── LAB-03-SCENARIO-ANALYSIS.md     # 3단계 · 업무 자동화 시나리오 분석과 설계
├── templates/
│   └── SCENARIO-ANALYSIS-TEMPLATE.md
├── my-work/                        # 여러분의 결과물 (직접 만듭니다)
└── workflow-lab/                   # 미니 워크플로우 엔진 (uv 프로젝트)
    ├── flows/                      # 예제 워크플로우 01~05
    ├── data/                       # 날씨·FAQ 샘플 데이터
    ├── src/miniflow/               # 엔진 소스
    └── tests/

실습 순서

flowchart LR
  L1["Lab 01<br/>워크플로우 실행·실행 기록<br/>(1~2교시)"] --> L2["Lab 02<br/>LLM·Tool·Memory 연결<br/>(3~4교시)"] --> L3["Lab 03<br/>시나리오 분석·설계<br/>(5~6교시)"]

예제 워크플로우	패턴	사용하는 노드
01-llm-only.json	LLM 단독	input → llm → output
02-llm-tool.json	근거 제공 (Tool → LLM)	input → tool → llm → output
03-save-profile.json	기억 저장	input → memory_write → output
04-recommend-with-memory.json	개인화 순환 (Memory → LLM → Memory)	memory_read·tool → llm → memory_write
05-tech-support-ticket.json	업무 시나리오 (분류 + FAQ 검색 + 이력)	memory_read·llm·tool → llm → memory_write

준비 (수업 전날)

실습은 Windows 11의 WSL(Ubuntu)에서, LLM은 노트북에서 실행하는 Ollama(gemma3:4b, 8GB 노트북은 gemma3:1b)로 진행합니다. API 키는 필요 없습니다.

먼저 실습 준비 안내 로 전체 준비 항목을 확인하고, 설치는 SETUP-WSL-OLLAMA.md 의 순서대로 진행한 뒤 마지막에 아래 두 명령이 통과하는지 확인합니다.

uv run pytest -q          # 12 passed, 1 skipped
uv run miniflow check     # Reply (ollama, ...)