PART별 완료 체크리스트

"작은 진전이 매일 쌓이면 큰 결과가 된다."

• 각 PART에서 반드시 직접 만들어야 하는 워크플로우를 체크한다.
• 핵심 개념 이해도를 스스로 점검한다.
• 완료하지 못한 DAY를 파악하고 복습 계획을 세운다.

• [DAY 1] n8n AI 노드 6종 이름과 역할을 말할 수 있다.
• [DAY 2] Basic LLM Chain 워크플로우를 직접 만들었다.
• [DAY 3] AI Agent 노드의 Agent / Tools / Memory 연결 구조를 이해했다.
• [DAY 4] Chat Trigger + OpenAI Chat Model 연결을 직접 완성했다.
• [DAY 5] LLM Chain과 AI Agent의 차이를 실제 실행 결과로 확인했다.

• [DAY 6] Role / Task / Format / Constraint 4요소로 System Prompt를 작성했다.
• [DAY 7] 이메일 분류 자동화 워크플로우를 완성하고 테스트했다.
• [DAY 8] 이메일 초안 자동 생성 워크플로우를 완성하고 테스트했다.
• [DAY 9] 나만의 프롬프트 템플릿을 Set 노드에 저장했다.
• [DAY 10] ReAct 루프의 Thought → Action → Observation 흐름을 설명할 수 있다.

• [DAY 11] Calculator Tool이 연결된 AI Agent를 만들었다.
• [DAY 12] Tavily Search Tool로 실시간 검색 결과를 Agent가 활용하도록 했다.
• [DAY 13] HTTP Request Tool로 외부 API를 Agent에 연결했다.
• [DAY 14] Window Buffer Memory로 대화 기억이 유지되는 Agent를 만들었다.
• [DAY 15] Sub-workflow를 Tool로 등록하여 모듈화된 Agent를 구성했다.
• [DAY 16] 개인 비서 Agent(검색 + 캘린더 + 메모 Tool)를 완성했다.

• [DAY 17] RAG의 Retrieval → Augment → Generate 흐름을 설명할 수 있다.
• [DAY 18] Text Splitter로 문서를 청킹하고 OpenAI Embeddings로 변환했다.
• [DAY 19] Supabase에 pgvector 확장을 활성화하고 documents 테이블을 생성했다.
• [DAY 20] Google Drive → 청킹 → Supabase 저장 파이프라인을 완성했다.
• [DAY 21] Supabase에서 유사도 검색으로 관련 문서를 가져오는 파이프라인을 만들었다.
• [DAY 22] Vector Store Tool이 연결된 AI Agent를 만들었다.
• [DAY 23] 사내 문서 QA 챗봇을 완성하고 6가지 시나리오로 테스트했다.

• [DAY 24] Supervisor-Worker / Parallel / Sequential 패턴의 차이를 설명할 수 있다.
• [DAY 25] Supervisor Agent가 Worker Sub-workflow를 호출하는 구조를 구현했다.
• [DAY 26] Tavily + HTTP Request Tool을 갖춘 리서치 전문 Agent를 만들었다.
• [DAY 27] Structured Output으로 일관된 형식의 글을 생성하는 Agent를 만들었다.
• [DAY 28] 검증 Agent가 품질 기준 미달 시 재시도하는 로직을 구현했다.
• [DAY 29] Notion에 결과물을 자동 저장하는 멀티 Agent 파이프라인을 완성했다.
• [DAY 30] 리서치 → 글쓰기 → 검증 → Notion 저장의 전체 흐름을 완성했다.