InfoGrab Docs

n8n 용어 사전

요약

AI 에이전트는 사용자의 요청에 응답하고, 의사결정을 내리며, 사용자를 위해 실제 작업을 수행할 수 있는 인공지능 시스템입니다. AI 체인을 사용하면 대형 언어 모델(LLM) 및 기타 리소스와 구성 요소 호출 시퀀스 방식으로 상호작용할 수 있습니다.

AI 에이전트 (AI agent)#

AI 에이전트는 사용자의 요청에 응답하고, 의사결정을 내리며, 사용자를 위해 실제 작업을 수행할 수 있는 인공지능 시스템입니다. 대형 언어 모델(LLM)을 사용하여 사용자 입력을 해석하고, 보유한 정보와 리소스를 활용하여 요청을 가장 효과적으로 처리하는 방법을 결정합니다.

AI 체인 (AI chain)#

AI 체인을 사용하면 대형 언어 모델(LLM) 및 기타 리소스와 구성 요소 호출 시퀀스 방식으로 상호작용할 수 있습니다. n8n의 AI 체인은 지속적인 메모리를 사용하지 않으므로 이전 컨텍스트를 참조하는 데 사용할 수 없습니다(이 경우 AI 에이전트를 사용하세요).

AI 완성 (AI completion)#

완성(Completion)은 GPT와 같은 모델이 생성한 응답입니다.

AI 임베딩 (AI embedding)#

임베딩은 벡터를 사용하여 데이터를 수치로 표현한 것입니다. AI가 여러 차원에 걸쳐 값을 매핑하여 복잡한 데이터와 관계를 해석하는 데 사용됩니다. 벡터 데이터베이스 또는 벡터 스토어는 임베딩을 저장하고 접근하도록 설계된 데이터베이스입니다.

AI 근거성 (AI groundedness)#

AI, 특히 검색 증강 생성(RAG) 컨텍스트에서 근거성과 비근거성은 모델의 응답이 소스 정보를 얼마나 정확하게 반영하는지를 나타내는 척도입니다. 모델은 소스 문서를 사용하여 근거 있는 응답을 생성하며, 근거 없는 응답은 동일한 소스로 뒷받침되지 않는 추측이나 환각을 포함합니다.

AI 환각 (AI hallucination)#

AI에서의 환각은 LLM(대형 언어 모델)이 존재하지 않는 패턴이나 객체를 잘못 인식하는 현상입니다.

AI 재순위 지정 (AI reranking)#

재순위 지정은 검색 결과의 관련성을 향상시키기 위해 후보 문서 목록의 순서를 정제하는 기법입니다. 검색 증강 생성(RAG) 및 기타 애플리케이션은 재순위 지정을 통해 생성 또는 다운스트림 작업에 가장 관련성 높은 정보를 우선순위에 두게 됩니다.

AI 메모리 (AI memory)#

AI 컨텍스트에서 메모리는 AI 도구가 상호작용 전반에 걸쳐 메시지 컨텍스트를 유지할 수 있게 해줍니다. 이를 통해 예를 들어 매 메시지마다 지속적인 컨텍스트를 제출하지 않고도 AI 에이전트와 지속적인 대화를 나눌 수 있습니다. n8n에서는 AI 에이전트 노드가 메모리를 사용할 수 있지만, AI 체인은 사용할 수 없습니다.

AI 검색 증강 생성 (AI retrieval-augmented generation, RAG)#

검색 증강 생성, 즉 RAG는 외부 소스의 새로운 정보에 LLM이 접근할 수 있도록 하여 AI 응답을 향상시키는 기법입니다. RAG 시스템은 원래 학습 데이터를 보완하기 위해 최신, 도메인별, 또는 독점 지식에 기반한 응답을 생성하고자 관련 문서를 검색합니다. RAG 시스템은 외부 데이터를 효율적으로 관리하고 검색하기 위해 종종 벡터 스토어에 의존합니다.

AI 도구 (AI tool)#

AI 컨텍스트에서 도구는 요청에 응답할 때 AI가 특정 정보나 기능을 위해 참조할 수 있는 추가 리소스입니다. AI 모델은 도구를 사용하여 외부 시스템과 상호작용하거나 특정하고 집중된 작업을 완수할 수 있습니다.

AI 벡터 스토어 (AI vector store)#

벡터 스토어 또는 벡터 데이터베이스는 정보의 수학적 표현을 저장합니다. 임베딩 및 검색기와 함께 사용하여 AI가 질문에 답할 때 접근할 수 있는 데이터베이스를 만드세요.

API#

API, 즉 애플리케이션 프로그래밍 인터페이스는 서비스의 데이터와 기능에 프로그래밍 방식의 접근을 제공합니다. API는 소프트웨어가 외부 시스템과 더 쉽게 상호작용할 수 있게 해줍니다. 웹 브라우저나 UI를 통해 접근하는 전통적인 사용자 중심 인터페이스의 대안으로 종종 제공됩니다.

캔버스 (n8n)#

캔버스는 n8n의 에디터 UI에서 워크플로를 구축하기 위한 주요 인터페이스입니다. 캔버스를 사용하여 노드를 추가하고 연결함으로써 워크플로를 구성합니다.

클러스터 노드 (n8n)#

n8n에서 클러스터 노드는 워크플로에서 기능을 제공하기 위해 함께 작동하는 노드 그룹입니다. 루트 노드와 노드의 기능을 확장하는 하나 이상의 서브 노드로 구성됩니다.

자격 증명 (n8n)#

n8n에서 자격 증명은 특정 앱 및 서비스에 연결하기 위한 인증 정보를 저장합니다. 인증 정보(사용자 이름과 비밀번호, API 키, OAuth 시크릿 등)로 자격 증명을 생성한 후, 해당 앱 노드를 사용하여 서비스와 상호작용할 수 있습니다.

데이터 고정 (n8n)#

데이터 고정을 사용하면 워크플로 개발 중에 노드의 출력 데이터를 일시적으로 고정할 수 있습니다. 이를 통해 외부 서비스에 반복적인 요청을 보내지 않고도 예측 가능한 데이터로 워크플로를 개발할 수 있습니다. 프로덕션 워크플로는 고정된 데이터를 무시하고 각 실행 시 새 데이터를 요청합니다.

에디터 (n8n)#

n8n 에디터 UI를 사용하면 워크플로를 생성하고 관리할 수 있습니다. 주요 영역은 캔버스로, 노드를 추가, 설정, 연결하여 워크플로를 구성할 수 있습니다. 사이드 및 상단 패널에서는 자격 증명, 템플릿, 변수, 실행 기록 등 UI의 다른 영역에 접근할 수 있습니다.

자격 부여 (n8n)#

n8n에서 자격 부여(entitlement)는 특정 기간 동안 n8n 인스턴스에 플랜 제한 기능에 대한 접근 권한을 부여합니다.

플로팅 자격 부여는 다양한 n8n 인스턴스에 배분할 수 있는 자격 부여 풀입니다. 플로팅 자격 부여를 재할당하여 다른 n8n 인스턴스로 접근 권한을 이전할 수 있습니다.

평가 (n8n)#

n8n에서 평가를 사용하면 실행 기록에 태그를 달고 정리하여 새 실행과 비교할 수 있습니다. 변경 사항을 적용하면서 시간이 지남에 따라 워크플로가 어떻게 성능을 발휘하는지 이해하는 데 사용할 수 있습니다. 특히 AI 중심 워크플로를 개발할 때 유용합니다.

표현식 (n8n)#

n8n에서 표현식을 사용하면 JavaScript 코드를 실행하여 노드 파라미터를 동적으로 채울 수 있습니다. 정적 값을 제공하는 대신, n8n 표현식 구문을 사용하여 이전 노드, 다른 워크플로 또는 n8n 환경의 데이터를 이용해 값을 정의할 수 있습니다.

LangChain#

LangChain은 대형 언어 모델(LLM)과 함께 작업하기 위해 사용되는 AI 개발 프레임워크입니다. LangChain은 다양한 모델 및 기타 리소스와 작업하고 다양한 구성 요소를 연결하여 복잡한 애플리케이션을 구축하기 위한 표준화된 시스템을 제공합니다.

대형 언어 모델 (LLM)#

대형 언어 모델, 즉 LLM은 자연어 처리(NLP) 작업에 뛰어난 AI 머신 러닝 모델입니다. 언어 및 기타 데이터의 확률 모델을 개발하기 위해 대량의 데이터를 학습하여 구축됩니다.

노드 (n8n)#

n8n에서 노드는 워크플로를 만들기 위해 구성하는 개별 구성 요소입니다. 노드는 워크플로가 언제 실행될지 정의하고, 데이터를 가져오고, 보내고, 처리할 수 있으며, 흐름 제어 로직을 정의하고, 외부 서비스와 연결할 수 있습니다.

프로젝트 (n8n)#

n8n 프로젝트를 사용하면 워크플로, 변수, 자격 증명을 별도의 그룹으로 분리하여 더 쉽게 관리할 수 있습니다. 프로젝트는 관련 리소스를 공유하고 구분함으로써 팀 협업을 더 쉽게 만들어 줍니다.

루트 노드 (n8n)#

각 n8n 클러스터 노드에는 클러스터의 주요 기능을 정의하는 단일 루트 노드가 포함됩니다. 하나 이상의 서브 노드가 루트 노드에 연결되어 기능을 확장합니다.

서브 노드 (n8n)#

n8n 클러스터 노드는 루트 노드에 연결된 하나 이상의 서브 노드로 구성됩니다. 서브 노드는 루트 노드의 기능을 확장하여 특정 서비스나 리소스에 대한 접근을 제공하거나, 예를 들어 계산기 기능과 같은 특정 유형의 전용 처리를 제공합니다.

템플릿 (n8n)#

n8n 템플릿은 n8n 및 커뮤니티 구성원이 설계한 미리 만들어진 워크플로로, n8n 인스턴스에 가져올 수 있습니다. 템플릿을 사용할 때는 자격 증명을 입력하고 필요에 맞게 설정을 조정해야 할 수 있습니다.

트리거 노드 (n8n)#

트리거 노드는 특정 조건에 응답하여 워크플로를 실행하는 특수 노드입니다. 모든 프로덕션 워크플로에는 워크플로가 언제 실행되어야 하는지를 결정하는 트리거가 하나 이상 필요합니다.

워크플로 (n8n)#

n8n 워크플로는 프로세스를 자동화하는 노드의 모음입니다. 워크플로는 트리거 조건이 발생하면 실행을 시작하고, 복잡한 작업을 수행하기 위해 순차적으로 실행됩니다.

n8n 용어 사전

원문 보기
요약

AI 에이전트는 사용자의 요청에 응답하고, 의사결정을 내리며, 사용자를 위해 실제 작업을 수행할 수 있는 인공지능 시스템입니다. AI 체인을 사용하면 대형 언어 모델(LLM) 및 기타 리소스와 구성 요소 호출 시퀀스 방식으로 상호작용할 수 있습니다.

AI 에이전트 (AI agent)#

AI 에이전트는 사용자의 요청에 응답하고, 의사결정을 내리며, 사용자를 위해 실제 작업을 수행할 수 있는 인공지능 시스템입니다. 대형 언어 모델(LLM)을 사용하여 사용자 입력을 해석하고, 보유한 정보와 리소스를 활용하여 요청을 가장 효과적으로 처리하는 방법을 결정합니다.

AI 체인 (AI chain)#

AI 체인을 사용하면 대형 언어 모델(LLM) 및 기타 리소스와 구성 요소 호출 시퀀스 방식으로 상호작용할 수 있습니다. n8n의 AI 체인은 지속적인 메모리를 사용하지 않으므로 이전 컨텍스트를 참조하는 데 사용할 수 없습니다(이 경우 AI 에이전트를 사용하세요).

AI 완성 (AI completion)#

완성(Completion)은 GPT와 같은 모델이 생성한 응답입니다.

AI 임베딩 (AI embedding)#

임베딩은 벡터를 사용하여 데이터를 수치로 표현한 것입니다. AI가 여러 차원에 걸쳐 값을 매핑하여 복잡한 데이터와 관계를 해석하는 데 사용됩니다. 벡터 데이터베이스 또는 벡터 스토어는 임베딩을 저장하고 접근하도록 설계된 데이터베이스입니다.

AI 근거성 (AI groundedness)#

AI, 특히 검색 증강 생성(RAG) 컨텍스트에서 근거성과 비근거성은 모델의 응답이 소스 정보를 얼마나 정확하게 반영하는지를 나타내는 척도입니다. 모델은 소스 문서를 사용하여 근거 있는 응답을 생성하며, 근거 없는 응답은 동일한 소스로 뒷받침되지 않는 추측이나 환각을 포함합니다.

AI 환각 (AI hallucination)#

AI에서의 환각은 LLM(대형 언어 모델)이 존재하지 않는 패턴이나 객체를 잘못 인식하는 현상입니다.

AI 재순위 지정 (AI reranking)#

재순위 지정은 검색 결과의 관련성을 향상시키기 위해 후보 문서 목록의 순서를 정제하는 기법입니다. 검색 증강 생성(RAG) 및 기타 애플리케이션은 재순위 지정을 통해 생성 또는 다운스트림 작업에 가장 관련성 높은 정보를 우선순위에 두게 됩니다.

AI 메모리 (AI memory)#

AI 컨텍스트에서 메모리는 AI 도구가 상호작용 전반에 걸쳐 메시지 컨텍스트를 유지할 수 있게 해줍니다. 이를 통해 예를 들어 매 메시지마다 지속적인 컨텍스트를 제출하지 않고도 AI 에이전트와 지속적인 대화를 나눌 수 있습니다. n8n에서는 AI 에이전트 노드가 메모리를 사용할 수 있지만, AI 체인은 사용할 수 없습니다.

AI 검색 증강 생성 (AI retrieval-augmented generation, RAG)#

검색 증강 생성, 즉 RAG는 외부 소스의 새로운 정보에 LLM이 접근할 수 있도록 하여 AI 응답을 향상시키는 기법입니다. RAG 시스템은 원래 학습 데이터를 보완하기 위해 최신, 도메인별, 또는 독점 지식에 기반한 응답을 생성하고자 관련 문서를 검색합니다. RAG 시스템은 외부 데이터를 효율적으로 관리하고 검색하기 위해 종종 벡터 스토어에 의존합니다.

AI 도구 (AI tool)#

AI 컨텍스트에서 도구는 요청에 응답할 때 AI가 특정 정보나 기능을 위해 참조할 수 있는 추가 리소스입니다. AI 모델은 도구를 사용하여 외부 시스템과 상호작용하거나 특정하고 집중된 작업을 완수할 수 있습니다.

AI 벡터 스토어 (AI vector store)#

벡터 스토어 또는 벡터 데이터베이스는 정보의 수학적 표현을 저장합니다. 임베딩 및 검색기와 함께 사용하여 AI가 질문에 답할 때 접근할 수 있는 데이터베이스를 만드세요.

API#

API, 즉 애플리케이션 프로그래밍 인터페이스는 서비스의 데이터와 기능에 프로그래밍 방식의 접근을 제공합니다. API는 소프트웨어가 외부 시스템과 더 쉽게 상호작용할 수 있게 해줍니다. 웹 브라우저나 UI를 통해 접근하는 전통적인 사용자 중심 인터페이스의 대안으로 종종 제공됩니다.

캔버스 (n8n)#

캔버스는 n8n의 에디터 UI에서 워크플로를 구축하기 위한 주요 인터페이스입니다. 캔버스를 사용하여 노드를 추가하고 연결함으로써 워크플로를 구성합니다.

클러스터 노드 (n8n)#

n8n에서 클러스터 노드는 워크플로에서 기능을 제공하기 위해 함께 작동하는 노드 그룹입니다. 루트 노드와 노드의 기능을 확장하는 하나 이상의 서브 노드로 구성됩니다.

자격 증명 (n8n)#

n8n에서 자격 증명은 특정 앱 및 서비스에 연결하기 위한 인증 정보를 저장합니다. 인증 정보(사용자 이름과 비밀번호, API 키, OAuth 시크릿 등)로 자격 증명을 생성한 후, 해당 앱 노드를 사용하여 서비스와 상호작용할 수 있습니다.

데이터 고정 (n8n)#

데이터 고정을 사용하면 워크플로 개발 중에 노드의 출력 데이터를 일시적으로 고정할 수 있습니다. 이를 통해 외부 서비스에 반복적인 요청을 보내지 않고도 예측 가능한 데이터로 워크플로를 개발할 수 있습니다. 프로덕션 워크플로는 고정된 데이터를 무시하고 각 실행 시 새 데이터를 요청합니다.

에디터 (n8n)#

n8n 에디터 UI를 사용하면 워크플로를 생성하고 관리할 수 있습니다. 주요 영역은 캔버스로, 노드를 추가, 설정, 연결하여 워크플로를 구성할 수 있습니다. 사이드 및 상단 패널에서는 자격 증명, 템플릿, 변수, 실행 기록 등 UI의 다른 영역에 접근할 수 있습니다.

자격 부여 (n8n)#

n8n에서 자격 부여(entitlement)는 특정 기간 동안 n8n 인스턴스에 플랜 제한 기능에 대한 접근 권한을 부여합니다.

플로팅 자격 부여는 다양한 n8n 인스턴스에 배분할 수 있는 자격 부여 풀입니다. 플로팅 자격 부여를 재할당하여 다른 n8n 인스턴스로 접근 권한을 이전할 수 있습니다.

평가 (n8n)#

n8n에서 평가를 사용하면 실행 기록에 태그를 달고 정리하여 새 실행과 비교할 수 있습니다. 변경 사항을 적용하면서 시간이 지남에 따라 워크플로가 어떻게 성능을 발휘하는지 이해하는 데 사용할 수 있습니다. 특히 AI 중심 워크플로를 개발할 때 유용합니다.

표현식 (n8n)#

n8n에서 표현식을 사용하면 JavaScript 코드를 실행하여 노드 파라미터를 동적으로 채울 수 있습니다. 정적 값을 제공하는 대신, n8n 표현식 구문을 사용하여 이전 노드, 다른 워크플로 또는 n8n 환경의 데이터를 이용해 값을 정의할 수 있습니다.

LangChain#

LangChain은 대형 언어 모델(LLM)과 함께 작업하기 위해 사용되는 AI 개발 프레임워크입니다. LangChain은 다양한 모델 및 기타 리소스와 작업하고 다양한 구성 요소를 연결하여 복잡한 애플리케이션을 구축하기 위한 표준화된 시스템을 제공합니다.

대형 언어 모델 (LLM)#

대형 언어 모델, 즉 LLM은 자연어 처리(NLP) 작업에 뛰어난 AI 머신 러닝 모델입니다. 언어 및 기타 데이터의 확률 모델을 개발하기 위해 대량의 데이터를 학습하여 구축됩니다.

노드 (n8n)#

n8n에서 노드는 워크플로를 만들기 위해 구성하는 개별 구성 요소입니다. 노드는 워크플로가 언제 실행될지 정의하고, 데이터를 가져오고, 보내고, 처리할 수 있으며, 흐름 제어 로직을 정의하고, 외부 서비스와 연결할 수 있습니다.

프로젝트 (n8n)#

n8n 프로젝트를 사용하면 워크플로, 변수, 자격 증명을 별도의 그룹으로 분리하여 더 쉽게 관리할 수 있습니다. 프로젝트는 관련 리소스를 공유하고 구분함으로써 팀 협업을 더 쉽게 만들어 줍니다.

루트 노드 (n8n)#

각 n8n 클러스터 노드에는 클러스터의 주요 기능을 정의하는 단일 루트 노드가 포함됩니다. 하나 이상의 서브 노드가 루트 노드에 연결되어 기능을 확장합니다.

서브 노드 (n8n)#

n8n 클러스터 노드는 루트 노드에 연결된 하나 이상의 서브 노드로 구성됩니다. 서브 노드는 루트 노드의 기능을 확장하여 특정 서비스나 리소스에 대한 접근을 제공하거나, 예를 들어 계산기 기능과 같은 특정 유형의 전용 처리를 제공합니다.

템플릿 (n8n)#

n8n 템플릿은 n8n 및 커뮤니티 구성원이 설계한 미리 만들어진 워크플로로, n8n 인스턴스에 가져올 수 있습니다. 템플릿을 사용할 때는 자격 증명을 입력하고 필요에 맞게 설정을 조정해야 할 수 있습니다.

트리거 노드 (n8n)#

트리거 노드는 특정 조건에 응답하여 워크플로를 실행하는 특수 노드입니다. 모든 프로덕션 워크플로에는 워크플로가 언제 실행되어야 하는지를 결정하는 트리거가 하나 이상 필요합니다.

워크플로 (n8n)#

n8n 워크플로는 프로세스를 자동화하는 노드의 모음입니다. 워크플로는 트리거 조건이 발생하면 실행을 시작하고, 복잡한 작업을 수행하기 위해 순차적으로 실행됩니다.