안녕하십니까, 강사님.자세하고 유익한 강의를 준비해주셔서 감사합니다. 이전 강의 내용과 비교하면서 궁금한 점이 생겼습니다.이전에 다루신 Adaptive RAG와 이번에 다루신 Multi-Agent 강의의 차이점이 무엇인지 알고 싶습니다.만약 다른 개념이라면, 두 접근 방식이 어떤 부분에서 가장 큰 차이를 보이는지도 궁금합니다. 

웹훅 붙일때 env 파일에는 production url이 되었으나, 이상하게 실제os.getenv("AGENT_API_URL")로 돌리면 test url로 나오는 현상이 있었습니다. 사용자 환경변수 기타 모든 환경변수 조회하였으나 안나오는데 이상하게 계속 test-url로 요청하더라구요 이걸로 4시간 잡아 먹었습니다....하하하하load_dotenv(override=True) agent_api_key = os.getenv("AGENT_API_KEY") agent_api_url = os.getenv("AGENT_API_URL")찾아서 삭제 해볼려고 하였으나, 못 찾고 대신 override하면 괜찮아 지니 참고 하시기 바랍니다.근데 진짜 이유를 모르겠습니다....왜 test url로 등록이 됫는지...

병진님 안녕하세요!좋은 강의 덕분에 재미있게 실습 중입니다ㅎㅎ강의 중에 google sheet 노드의 get row 대신 다른 방법 알게 되면 공유해달라고 하셔서, 실습하면서 다른 방법 찾게 되어서 공유 드려요! (참고로 제가 참고한 링크는 https://community.n8n.io/t/how-to-see-all-files-inside-a-google-drive/157053/2 입니다) 저는 google drive 노드의 Search files and folder를 사용하였습니다. 강의 중에는 해당 옵션을 사용하면 폴더의 id만 나온다고 하셨는데, Filter 부분에 내용을 추가하니까 해당 폴더 안에 있는 파일들의 id와 name이 나왔습니다. 그래서 get row 대신에 search files and folder 부분만 수정하였는데요. 실제로 loop over items 이후 download file 부분에서 파일의 id와 연결하여 다운로드 되는 것 까지 확인하였습니다. 작지만 도움 되셨으면 좋겠네요ㅎㅎ강의 늘 감사합니다! 

안녕하세요 병진님:)좋은 강의 감사합니다! n8n 강의를 차례차례 따라하고 있는데요.'Naver 뉴스 스크랩 봇' 강의를 따라하는 도중에 의도치 않는 결과가 나와서 질문 드립니다. 강의에서 Filter 노드를 사용하셨는데, Filter 노드는 array를 받아서 그 중에서 조건에 맞지 않는 값들은 filter하는 것으로 이해하였습니다. 하지만 저희는 for loop을 통해서 array가 아닌 한 개의 값들만 filter 노드를 통과할 것이고, 그리고 실제로 이 값이 false이면 진행하지 않고 멈춰버릴 것으로 예상됩니다.실제로 실습 도중에 아래의 그림과 같이 Filter 노드 결과가 false이니까 그 이후를 진행하지 않고 workflow successfully ended로 끝나버렸습니다. 그래서 Filter 노드를 쓰면 안된다고 이해했는데 맞을까요? 그래서 Filter 노드 대신에 If 노드를 사용하였고, false이면 for loop과 이어주었더니 그제서야 의도대로 동작하였습니다. 이렇게 수정한 버전이 맞을까요? (+아니면 Filter 노드로 원래 의도대로 동작하는거라서 굳이 If 노드를 사용할 필요가 없는건가요?) 바쁘실텐데 답변 주시면 감사하겠습니다! 

안녕하세요! 좋은 강의 만들어주셔서 감사합니다.저는 비개발자로 무턱대고 강의를 수강했는데, 파이썬 관련된 내용은 아무래도 이해가 어렵네요.순서대로 강의를 듣는 게 좋겠다고 생각해서 앞에서부터 듣고 있는데, 아무래도 저에게 가장 도움되는 파트는 Text to SQL이 아닐까 싶습니다만... 이 파트에도 파이썬 지식이 필요하면 파이썬을 공부해야 하나 고민입니다.  그래서 질문을 드리자면Text to SQL 파트도 파이썬 지식이 필요할까요?만약 그렇지 않더라도 파이썬을 공부하면 다른 강의 내용을 익히는 데 도움이 될 것 같은데, 이 경우에 파이썬을 공부하는 방법으로 추천하시는 게 있을까요?감사합니다!

안녕하세요!강사님이 올려주신 강의 전부 다 보면서 아주 유익하게 학습했습니다.혹시 가능하시다면 ACP에 관한 강의도 제작 하시면 어떨까요!

강의 너무 재밌게 잘 듣고 있습니다!그런데 문득 궁금한게 생겼습니다. 작업 하시는 것 보다 보면, 어떤 경우에는 langChain, langGraph로 작업하시고, 또 어떤 경우에는 n8n으로 작업하시는데 어떤 기준으로 기술을 선택하시는지 궁금합니다.

안녕하십니까 강사님! 덕분에 강의 너무나도 잘 들었습니다.수강하게 된 계기가 파이썬 기반 백엔드 신입으로 취업 준비를 할 때 어떻게 하면 자바보다 차별화해서 준비할 수 있을까? 라는 생각으로 시작했습니다. 강의를 수강하고 나니 확실히 RAG기술은 강하다고 느꼈습니다. 하지만 저번에 답변을 해주셨을 때 프롬포트 엔지니어링만으로는 취업을 준비하기 불안정하다 라는 의견에 굉장히 동의합니다!혹시 실례가 안된다면 질문을 드리고 싶습니다! 만약에 답변이 조금 어려우시면 답변 안해주셔도 됩니다!- 파이썬 기반 백엔드 신입으로 취업 준비를 할 때 현재 저는 was와 db구현해보기 + rag기술 다루어보기 정도의 기술 스택을 가지고 있는데 강사님이 보시기에는 어떠한지 궁금합니다. 올바른 방향으로 준비를 하고 있는지 아니면 시장에서 원하는 방향이 아닌건지 궁금합니다!현재는 학부 3학년으로써 조언을 해주신다면 정말 감사하겠습니다.질문 읽어주셔서 감사합니다!

안녕하세요. 너무 좋은 강의 감사합니다. 다름이 아니오라, 18강 까지 진행중인데 강의에서 말씀하시는 제공했다는 스크립트 (create_table_for_test_sql.ipnb) 는 어디서 받을 수 있나요? 자료제공이나 강의자료를 봐도 해당 스크립트가 없네요 ㅠㅠ

AI 관련 직군이 아니더라도 AI에 대한 능력을 가지고 있어야 하는 추세같은데 여기서 말하는 AI에 대한 능력이 무엇을 말하는 것일까요? n8n을 사용해서 AI를 도입한다던지,, 필요시 랭체인 개발을 할 수 있는 능력이라던지,, AI지식이 없어 추상적으로 여쭤보는 점 죄송합니다.

안녕하세요. 해당 챕터에서 강의 내용과 실행 결과 간 매치가 잘 안되는 듯 느껴져 문의드립니다.from langchain_core.messages import HumanMessage for chunk in graph.stream({'messages': [HumanMessage('3에다 5를 더하고 거기에 8을 곱하면?')]}, stream_mode='values'): chunk['messages'][-1].pretty_print()강의 화면에서 위와 같은 query 에 대해 노드 단위로 출력한 결과를 보면, 첫 번째 Ai Message 는 Tool Calls 로 add 과 multiply 두 툴에 대한 요청을 함께 생성하고 다음 Tool Message 로 multiply 의 결과 64 를 반환, 두 번째 Ai Message 는 Tool Calls 로 multiply 만 생성하고 다음 Tool Message 로 결과 64를 반환하고 있습니다.근데 강의에서는 첫 번째 Ai Message 에 대해 "먼저 덧셈을 실시합니다. 그러니까 multiply(?) 라는 툴이 64를 주고, 근데 task 가 두 개니까 task 에서 도구 호출을 또 하는 겁니다. 그런 다음에 64라는 답이 나오고..." 라고 녹화되어 있는데... 이게 무슨 얘기인지 잘 와닿지가 않네요..녹화 당시의 실행 결과와 상관없이 add 한 번 호출 후 multiply 한 번 호출에 대한 설명인 걸까요? 아니면 병렬 도구 호출에 대한 설명인 걸까요? 감사합니다.

현업에서 보통 n8n 워크플로우를 Python 노드로 어느 정도 수준까지 전처리를 진행하나요? Python 환경과 n8n 환경을 sync를 맞춰서 연동하는 좋은 꿀팁 혹은 구조가 있는지 궁금합니다.

안녕하세요!!n8n으로 데이터 자동화 워크플로를 만들고 있는데데이터 전처리 작업을 어떻게 구성하는 게 좋을지 고민이 됩니다. 실무에서는 보통 n8n 내부 Python 노드로 어느 정도 수준까지 전처리를 하고복잡한 전처리가 필요한 경우에 외부 Python 환경과 연동하는 좋은 방법이 있을까요?n8n과 Python을 함께 쓰는 효율적인 구조가 있다면 조언 부탁드립니다.

2.7 병렬 처리를 통한 효율 개선 (feat. 프롬프트 엔지니어링)수업을 보다 생긴 궁금증 질문드립니다.병렬처리 작업 중에 어떤 부분이 에러가 발생하거나 했을때의 처리는 보통 어떻게 하시나요?

실무에서 Text-to-SQL 시스템을 구축하면서 고민이 생겼습니다.현재 상황: 간단한 단일 테이블 조회는 잘 동작하는데, 실제 업무 데이터로 넘어가니 여러 도메인을 JOIN해야 하는 복잡한 쿼리에서 정확도가 많이 떨어집니다.고려 중인 해결 방안: 도메인별로 AI 모델을 분리하는 구조를 생각하고 있습니다. 사용자 질문이 들어오면 라우터가 적절한 도메인 모델로 연결하고, 해당 모델이 쿼리를 생성하는 방식입니다. 이렇게 하면 각 도메인에 특화되어 정확도가 올라갈 것 같습니다.걸림돌: 문제는 여러 도메인(예: A, B, C)의 데이터를 함께 조회해야 하는 경우입니다. 예를 들어 "지난 분기 매출 상위 고객들의 최근 주문 배송 현황"처럼 매출(A), 고객(B), 배송(C) 도메인이 모두 엮인 질문이 들어오면 어떻게 처리해야 할까요?질문:이런 크로스 도메인 쿼리는 실무에서 보통 어떻게 해결하나요?도메인별 분리 구조가 맞는 방향인지, 아니면 전체를 아우르는 통합 모델이 나은지 조언 부탁드립니다.

안녕하십니까 강사님! 덕분에 강의 너무 유익하게 잘 들었습니다!강의 들으면서 궁금했던 점을 질문 드립니다.1. 워크플로우와 에이전트 혹은 커스텀 도구 등 선택 기준에 대하여는 명확한 기준이 있다기보다는 성능 비교를 통해 정확도, 토큰 사용량, 시간 등 이러한 지표들을 테스트 해가며 적절한 에이전트 혹은 워크플로우로 구축하면 될까요? 아니면 사용하는 호출 모델을 이해하여 그 모델에 맡게 최적화를 해야할까요? 이러한 부분들이 강의 들으면서 궁금했습니다!2. 학사 졸업생 및 신입으로 프롬포트 엔지니어링 등 이러한 분야로 취업 준비를 한다면 기업들이 원하는 인재상은 어떤지도 궁금합니다! RAG기술을 어느정도 이해하고 구축하며 또 추가적으로 도움될 기술이 있는지 궁긍합니다.수준 높은 강의를 듣게 되어 영광입니다. 앞으로도 강사님의 강의 많이 참고하겠습니다.감사합니다!!

에이전트를 실행시키는 와중에Open Ai에서 토큰이 모두 소진되거나 제한됬을때개인적으로 알람이 오게하는 서비스는 따로 구축을 해놔야하는건가요? 

안녕하세요!human-in-the-loop에 대해서 질문드립니다. 랭그래프에서 워크플로우를 정의할 때,LLM응답 후 reivew 작업을 노드에 추가하여 human-in-the-loop를 구현할 수 있다고 이해하였습니다. 이때, LLM응답이라는 작업이 끝나지 않아도(응답이 stream으로 생성되는 도중에도)사람이 review할 수 있도록 구현할 수 있을까요?생성되던 응답을 일시 정지 시키고,응답 history를 토대로 tool이나 args를 변경시킬수 있을지 궁금합니다.   

프로젝트 소스 코드의 개발 히스토리 또는 문서화를 위해 도움을 줄 수 있는 모델을 생성 할 수 있을까요?코드에 주석을 다는 것이 아닌 개발 중인 프로젝트 코드에 특정 시간 또는 날짜를 기준으로 개발 히스토리를 개별 자동 생성 및 관리화 해서 추후에 개발자가 문서화를 위해 참고 할 수 있는 정보를 얻고 싶어요

안녕하세요 강사님, 강의 잘 보고 있습니다."n8n API와 Streamlit으로 만드는 이메일 작성 봇" 강의 중 9분 04초쯤 AI Agent 노드의 Memory(Simply Memory) 설정 부분에서 질문이 있습니다.강의 초반에는 "When chat message received" 노드를 사용하셨는데, 이 경우 워크플로우가 지속적으로 실행되면서 세션이 유지되므로 AI Agent가 이전 대화 내용을 기억할 수 있습니다.그런데 강의 후반부에서 "When chat message received" 노드를 "Webhook" 노드로 변경하셨습니다(Streamlit 사용을 위해). Webhook을 사용하면 사용자의 각 질문마다 워크플로우가 새롭게 실행되고, 실행이 끝나면 세션이 종료되는 것으로 알고 있습니다.이런 구조에서는 Simple Memory가 각 Webhook 호출 간 대화 내용을 유지하지 못해, AI Agent가 이전 대화를 참고할 수 없는 것 아닌가요?Webhook 방식에서도 대화 맥락을 유지하려면 Simple Memory 대신 Redis Chat Memory나 Postgres Chat Memory 같은 영구 저장소 기반 메모리를 사용해야 하는 것이 맞는지 궁금합니다.감사합니다.