AI 요약관련 정보

• n8n과 Perplexity AI 에이전트를 활용하여 반복적인 리서치 작업을 자동화하고 생산성을 높일 수 있습니다. 🚀
• n8n의 최신 버전에서 AI 에이전트 기능을 통해 Perplexity의 딥 리서치 툴을 연동하여 심층적인 정보 수집이 가능합니다. 🛠️
• AI 에이전트는 LLM 모델(두뇌), 메모리(기억), 툴(손발)로 구성되며, Perplexity 툴은 리서치 작업을 수행합니다. 🧠
• 주식 투자, 부동산 정책 변화, 신규 AI 제품 출시 등 다양한 분야의 주기적인 리서치 자동화 사례가 시연되었습니다. 📈
• 시스템 프롬프트는 AI 에이전트의 역할, 규칙, 출력 형식 등을 정의하는 핵심 요소로, 영문 가이드와 한국어 출력 형식을 조합하여 활용합니다. 📝
• Perplexity 툴은 'Sonar Deep Research'로 심층 리서치를, 'Sonar'로 빠르고 저렴한 일반 리서치를 선택할 수 있으며, 검색 기간 및 도메인 필터 설정이 가능합니다. 🔍
• 리서치 결과는 Airtable에 구조화된 형태로 업데이트하거나, Slack으로 포매팅된 메시지를 전송하는 등 다양한 업무 툴과 연동됩니다. 📊
• Structured Output Parser를 사용하여 AI 에이전트의 출력을 미리 정의된 JSON 형식으로 구조화함으로써, 다른 툴과의 데이터 매핑을 용이하게 합니다. 🏗️
• 자동화된 리서치는 On Schedule 트리거를 통해 매월 또는 매주 특정 조건(예: Airtable의 체크된 티커)에 따라 실행될 수 있습니다. ⏰
• Chat Input과 On Schedule 트리거를 동시에 사용할 경우, 유저 프롬프트와 메모리 세션 ID를 동적으로 설정하여 에러 없이 작동하도록 구성해야 합니다. 🔄
• API 비용 절감을 위해 워크플로우 제작 시 예상되는 출력 형식을 미리 설정하고, 테스트 횟수를 최소화하는 것이 중요합니다. 💰
• Perplexity 딥 리서치 사용 시 프롬프트가 너무 복잡하면 타임아웃이 발생할 수 있으므로, 시스템 프롬프트를 간결하게 유지하는 것이 좋습니다. ⚠️
• Slack으로 메시지를 보낼 때는 AI 에이전트의 원본 출력을 OpenAI Message Model과 같은 추가 LLM 노드를 통해 Slack 블록 형식으로 재포매팅하여 가독성을 높일 수 있습니다. 💬