코드 한 줄 없이 실전 RAG 구축 가이드 : No-Code RAG 6가지 프로젝트
POINT 01
복잡한 코드 없이 PDF 파싱, 에이전트 구축 가능? 가능!
노코드로 구현하는 RAG 구축 6가지 프로젝트
내 문서 / 내 파일을 활용한 RAG
PDF WORD 파싱, 텍스트 임베딩, 벡터 검색 자동화로 개인 문서를 AI 검색 시스템으로 변환!
개인 문서나 프로젝트 파일을 기반으로 AI가 원하는 정보를 빠르게 찾아주도록
Vector Store, Embedding Retrieval 기능을 노코드툴을 통해 빠른 워크플로우 구성으로 RAG를 구축할 수 있습니다.
벡터스토어 내 문서 임베딩
내 데이터 활용 RAG 기반 챗봇
주요 구현 기능 01 개념 및 워크플로우 설정
- Vector Store, Embedding, Retrieva 기반으로 검색 & 응답 워크플로우 설계
주요 구현 기능 02 n8n을 활용한 검색 챗봇 구축
- Credential 셋팅 (Google, OpenAI 등 API 연동)
- 워크플로우 연결하여 챗봇 시스템 구축
- 웹 검색 및 메모리 활용하여 최신 정보 반영
주요 구현 기능 03 문서 기반 RAG 구성 검색 시스템
- Google Drive PDF 파일 업로드 & 벡터스토어(QDRANT) 연동
- Retriever 활용하여 사용자의 질문과 관련된 문서 검색 & 요약
Azure AI Foundry내의 채팅 플레이그라운드
Azure Web App으로 배포한 RAG 기반 AI 챗봇 웹사이트
주요 구현 기능 01
Azure AI Foundry
환경 설정 및 벡터 검색 구축
- Azure AI Foundry의 다양한 AI 서비스 둘러보기
- Azure AI Foundry 프로젝트 및 AI 서비스 생성
- Azure AI Search 서비스 생성 및 벡터 DB 구성
주요 구현 기능 02
No-code 방식으로
RAG 기반 AI 애플리케이션 개발
- LLM 모델 배포 및 프롬프트 최적화
- 학습용 파일 업로드 및 Azure AI Search 연동
- Search Index 구성 및 Embedding Model 설정
주요 구현 기능 03
Azure Web App을 통한
배포 및 서비스 운영
- Azure Web App을 활용한 애플리케이션 배포
- Managed Identity 및 RBAC을 통한 보안 설정
- 배포된 웹사이트에서 RAG 검색 및 응답 테스트
웹 크롤링 / 온라인 데이터 활용한 RAG
웹 크롤링, 데이터 전처리, 벡터 변환 최적화로 동적인 RAG 구축!
웹에서 실시간으로 데이터를 수집하고, 노코드 툴에서 제공하는 다양한 플러그인과 노드 최적화를 통해
문서 처리, 임베딩, 벡터 검색, 응답 생성 등 RAG 기능을 강화합니다.
Vault Search 기능 구현
편집 아이디어 AI 제안
주요 구현 기능 01 Obsidian 설정
- 개인 지식 관리에 최적화된 노트 서비스 Obsidian 학습
- 태그 & 폴더 구조를 활용한 지식 데이터베이스 정리
주요 구현 기능 02 Smart Composer로 지식 기반 RAG 구축
- Smart Composer 플러그인을 활용하여 나의 지식노트를 기반으로 대화하는 AI 원클릭으로 구성
- AI 기반으로 중요한 내용 추출 & 요약하여 빠르게 정보 정리
- Prompt Template을 활용하여 웹 아티클 자동 요약
주요 구현 기능 03 Dataview로 구조화된 지식 관리 시스템 구축
- Dataview 플러그인을 활용하여 검색 가능한 지식 관리 시스템 구성
- 태그 및 메타데이터를 활용하여 필터링 가능한 RAG 시스템 구현
- 사용자가 원하는 특정 키워드나 주제를 빠르게 찾아볼 수 있도록 최적화
드래그 앤 드롭 노드 연결
웹 데이터 활용 챗봇 구현
주요 구현 기능 01
데이터 준비 및 전처리
(문서 & 웹 크롤링 데이터 활용)
- PDF 및 텍스트 문서 텍스트 청크 분할 전략 적용하여 검색 성능 최적화
- 웹 크롤링을 통한 실시간 데이터 수집
주요 구현 기능 02
벡터 데이터베이스
연동 및
검색 설정
- 벡터 DB(Qdrant) 개념 이해 및 Flowise 연동
- OpenAI 임베딩 모델 적용하여 검색 성능 향상
주요 구현 기능 03
RAG 시스템 테스트
및 개선
- 기본 질의응답 테스트 → 문서 기반 검색 성능 확인
- 검색 노드 최적화 → 문맥을 고려한 응답 생성 테스트
BONUS +
OpenAI & Google AI 도구 활용법
(AI 서비스 확장)
- OpenAI Assistants API 활용한 챗봇 기능
- Google Notebook LM 활용한 문서 요약 및 분석 기능
실시간 외부 api 활용 RAG
API 연동, 롱텀 메모리, SQL Agent로 지능형 AI Agent 완성!
실시간으로 변화하는 개인 데이터를 AI와 연결해, 일정 관리, 이메일 정리, 업무 자동화가 가능한 AI 비서를 구축해보고
롱텀 메모리 적용, SQL Agent를 활용하여 기존 RAG가 가진 문제점을 해결해봅니다.
RAG 컴포넌트와 지식베이스 연결
RAG 기반 답변 솔루션
주요 구현 기능 01 VectorDB 연동 RAG 구축
- Dify에서 첫 번째 RAG 챗봇 생성 & 기본 설정
- VectorDB 연동하여 챗봇에 지식 학습시키기
- RAG 옵션 설정으로 챗봇의 정확도 향상
주요 구현 기능 02 AI 에이전트 기반 업무 자동화
- Notion FAQ 데이터를 활용한 자동 응답 시스템 구축 → 고객 지원 AI 챗봇
- 리서치 에이전트 워크플로우 설계 → 웹 검색 & AI 분석 자동화
- 주제별 리서치 AI 자동화 → 특정 키워드별 분기 설정
주요 구현 기능 03 Obsidian 연동 & 데이터 정리
- Obsidian과 연동하여 AI 리서치 결과를 자동 노트 생성
- Templater 플러그인을 활용해 데이터 정리 및 활용 최적화
롱텀 메모리 적용으로 손쉽게 대화 내용 참조 및 저장
자동으로 내 일정 추가
주요 구현 기능 01
Telegram Bot 기반
AI 비서 구축
- Telegram Bot 생성 및 웹훅 연결하여 챗봇 기본 설정
- 자연어 이해를 활용하여 사용자의 명령을 처리하는 AI 챗봇 구현
주요 구현 기능 02
이메일 & 캘린더
자동화 시스템 구축
- 이메일 API 연동하여 메시지 자동 확인 & 답변 설정
- S캘린더 API 연동하여 일정 추가, 변경, 알림 기능 구현
주요 구현 기능 03
RAG 성능 개선 및
데이터 최적화
- 로그 기록 및 롱텀 메모리 적용하여 지속적인 AI 학습 가능
- S속도·성능 저하 문제 해결 전략 학습
주요 구현 기능 04
SQL Agent +
Google Sheets 연동
- SQL Agent를 활용하여 Google Sheets에서 원하는 데이터만 정확히 추출
- S업무 자동화 및 데이터 기반 AI 검색 성능 최적화
SPECIAL 학습 포인트
기존 RAG의 어려움 극복!
데이터가 커지고 로그가 길어질 경우, 속도 및 성능 저하가 되는 어려움을 해결하기 위해 N8N의 강력한 기능 확장성을 이용하여 SQL Agent를 구성해보고
기존 백터스토어 DB 구성에서 업그레이드 된 기능을 구현하여 정확하게 원하는 내용을 추출할 수 있도록 합니다.
더 이상 어떤 툴을 사용해야할지 고민하지 마세요!
당신이 원하는 RAG를 구축할 수 있도록 필요한 핵심 5개 툴을 모두 알려드립니다.
POINT 02
복잡한 RAG 구축의 구원이 되어줄
5가지 NO-CODE TOOL
#유연성
#전문성
N8N
오픈소스 기반 자동화 워크플로우 플랫폼 기존 랭체인, 랭그래프와 같이 코드로 구현해야하는 것들을 노드로 제공하여 쉽게 RAG 구성 가능
#문서
#지식관리
OBSIDIAN
마크다운 형식을 기반으로 하는 효율적인 지식 관리 앱 플러그인 생태계가 풍부하여, 다양한 AI 플러그인을 추가해 RAG 기반 Q&A, 문서 자동 생성 기능 간편히 확장 가능
#에이전트
#검색
DIFY
AI 기반 앱을 손쉽게 빌드, 관리하도록 설계된 AI 중심 플랫폼 기존 FAQ 시스템, 업무 프로세스, 데이터 베이스 등을 연동하여, 고객 문의 자동화나 정기적 정보 수집 및 정리를 할 수 있는 챗봇, 에이전트 구축 가능
#직관적
#LLM
FLOWISE
드래그 앤 드롭 방식으로 여러 모듈을 조합해 LLM을 활용하는 노코드/로우 코드 앱 빌더 RAG 컴포넌트를 직관적으로 연결할 수 있어 RAG 시스템 빠르게 구축 가능
#엔터프라이즈
#보안
MICROSOFT AZURE
Azure AI Foundry를 활용해 내부 문서 고성능 검색 및 손쉬운 RAG 생성 Azure OpenAI API를 활용해 강력한 AI 모델과 연동 가능하며
보안 특화된 엔터프라이즈급 RAG 구축에 용이
다양한 노코드 툴을 활용해서 RAG를 구축하면 무엇이 좋은가요?
POINT 01
각 툴의 강점을 활용한
최적화된 RAG 시스템 구성
각기 다른 기능과 강점을 가진 노코드 툴을 활용하여 본인의 목적에 최적화된 RAG 시스템을 설계할 수 있습니다.
최적화된 RAG 시스템 구성
각기 다른 기능과 강점을 가진 노코드 툴을 활용하여 본인의 목적에 최적화된 RAG 시스템을 설계할 수 있습니다.
POINT 02
각 툴의 강점의 조합으로
정확도 및 효율성을 높인 RAG
각 툴의 강점을 적절히 결합하여 RAG 시스템의 효율성과 정확성을 크게 향상시킬 수 있습니다.
정확도 및 효율성을 높인 RAG
각 툴의 강점을 적절히 결합하여 RAG 시스템의 효율성과 정확성을 크게 향상시킬 수 있습니다.
NO-CODE TOOL도 꿀조합이 있다는 사실 아시나요?
옵시디언 조합 + Dify = "문서 기반 AI 에이전트"
POINT 03
RAG에 대해 아직 잘 몰라도 괜찮아요!
RAG의 등장부터 최근 트렌드까지!
RAG 시스템을 코드 없이 구현할 수 있다고 해도 원리를 제대로 이해하고 있으면 더 강력한 모델을 만들 수 있습니다!
RAG의 핵심을 이해하고 나면, 데이터 검색과 생성이 훨씬 더 강력해집니다!
➊ LLM의 등장
머신러닝에서 딥러닝, 그리고 대규모 언어 모델(LLM)로 발전해 온 AI 기술의 흐름에 대해 알아봅니다.
대규모 언어 모델이 등장하게 된 배경과 기술적 발전을 알아봅니다.
LLM이 갖고 있는 정보 고정성, 환각 문제 등의 한계를 살펴보고, 이를 극복하기 위한 다양한 접근법을 학습합니다.
➋ RAG 개념 톺아보기
LLM 모델의 한계를 극복하기 위해 검색 기반 증강 생성(RAG)이 등장한 배경과 필요성을 이해합니다.
RAG의 기본적인 작동 원리와 임베딩, 벡터 검색 등을 활용한 정보 검색 및 생성 방식에 대해 학습합니다.
실제 서비스에서 RAG가 어떻게 적용되는지 다양한 사례를 살펴봅니다
➌ RAG 최신 트렌드
RAG 시스템을 구축하는 최신 오픈소스 프레임워크들의 특징과 차이점을 비교 분석합니다.
개발 없이도 RAG 기반 AI 에이전트를 구현할 수 있는 노코드 도구들과 RAG와의 결합으로 인한 장점을 알아봅니다.
최신 AI 서비스에서 RAG 기술이 어떻게 활용되고 있는지 살펴보고, 향후 발전 방향을 탐색합니다.
NO-CODE TOOL
활용 끝판왕 RAG 전문가 분들과 함께합니다.
POINT 04
나의 RAG 개발에 부스터를 달아줄
노코드 RAG 4인의 정예 강사님
일하는 AI 강사님
현) 국내 IT 계열사 IT Planning팀
현) 일하는 AI 유튜브 운영
전) 대기업 C사 전략기획팀
파트
· RAG 짚고 넘어가기
· N8N으로 백터스토어 기반 검색 및 Retriever 활용 RAG 시스템 구축하기
· N8N으로 이메일/캘린더 기반 일정 관리 AI 에이전트 구축하기
부가 자료
· RAG 적용 워크플로우
· N8N 활용 가이드
안녕하세요. 일하는 AI입니다. 항상 새로운 걸 시도하고, 불편을 해결하는 걸 좋아합니다.
N8N은 오픈소스로 누구나 무료로 사용할 수 있는 도구예요. 또한 LLM 및 다양한 벡터스토어와 연결되기에 매우 강력하죠.
n8n을 활용하여, 새로운 아이디어를 구현할 수 있을꺼라 생각합니다.
처음에는 어려운 n8n을 쉽고 빠르게 익힐 수 있도록 도와드립니다.
아이같은 호기심으로 강의에 푹 빠질 수 있도록 노력하겠습니다.
재밌게 즐겨주세요.
지우석 강사님
현) Reliv AI Co-founder
전) 엘리스 IoT트랙 1기 코치
전) 소프트웨어 마에스트로(한국정보산업연합회 주관) Expert (선배기수 수료생 멘토)
파트
· Obsidian으로 아티클 자동 요약 및 키워드 검색 지식 관리형 RAG 시스템 구축하기
· Dify로 노션 기반 FAQ 데이터 활용 고객 지원 AI 에이전트 구축하기
부가 자료
· 옵시디언 활용 가이드
프로젝트
· Smart Composer: Obsidian 기반의 AI RAG 플러그인 개발
· 수상한 편의점: AI 기반 게임 개발 (10만회 이상 플레이 / 300만회 이상 조회수 기록)
· Scape: 데스크탑 파일을 RAG 기반으로 검색·요약하는 AI 에이전트 개발
안녕하세요, 강사 지우석입니다. 서울대학교 수리과학부 졸업 후, AI 분야에서 폭넓은 프로젝트를 경험하며 Reliv AI 라는 스타트업 팀에서 여러 AI 프로젝트를 직접 기획·개발해온 경험이 있습니다. 어려운 기술 개념도 쉽게 풀어내고, 수강생이 ‘실제로 구현 가능한 결과물’을 만들어낼 수 있도록 돕는 교육 방식을 추구합니다. 이처럼 AI를 통해 지식과 콘텐츠 생산성을 높이는 방법을 꾸준히 연구하며, 특히 개인 지식 관리와 RAG 시스템 구축 분야에 주력해왔습니다. 이번 강의에서는 그동안의 실무 경험과 노하우를 살려, 비개발자도 쉽게 따라할 수 있는 RAG 구축 과정을 체계적으로 안내해 드릴 예정입니다. LLM을 활용하는 데 있어 RAG는 이제 전혀 새롭거나 복잡한 기술이 아닙니다. 단순히 “툴 사용법”을 배워가는 것이 아니라, 지식 관리 전략과 워크플로우 자동화 노하우를 익혀, 업무 및 학습 효율을 극대화할 수 있습니다.
앤드류 강사님
현) 미래지식관리협회 협회장
현) 1200명 규모 AI 활용 생산성 커뮤니티 더배러 운영자
현) 이지텍스트 UX라이팅 컨설턴트
전) 글로벌 및 국내 IT 기업 B2B 마케팅 전문가
파트
· Flowise로 텍스트 청크 분할 및 노드 구성 RAG 시스템 구축하기
기술과 사람, 그리고 사람과 사람을 잇는 더배러 모더레이터 앤드류입니다. 어려운 기술을 쉽게 설명하고, 누구나 활용하도록 돕는 일에 진심입니다. AI 기술의 혁신은 더 이상 전문 개발자의 영역이 아니며, 이 강의를 통해 여러분은 코드 없이도 강력한 AI 시스템을 구축하는 능력을 얻게 될 것입니다. 비즈니스 전문성과 AI의 결합으로 새로운 가능성을 열어가는 여정에 함께하게 되어 기쁘고, 여러분이 만들어낼 창의적인 솔루션이 기대됩니다!
김은지 강사님
현) 국내 B사 스타트업 Software Engineer
현) 유튜브 ‘코딩캣’ 운영
전) Microsoft Software Engineer
전) Microsoft Technical Evangelist
파트
· Microsoft Azure AI Foundry로 RAG 기반 AI 애플리케이션 구축하기
안녕하세요, 저는 Microsoft에서 7년간 일하며 기업 고객을 대상으로 여러번의 AI 프로젝트를 진행했던 경험이 있습니다. Azure 클라우드 서비스를 활용하여 AI 서비스를 개발하는 방법을 쉽고 친절하게 설명해드리고자 합니다. 요즘 주목받는 LLM과 RAG 기술을 배우고, 내 데이터를 활용해 AI 애플리케이션을 직접 만들어보는 경험을 제공합니다. Azure에서 제공하는 AI 서비스들을 사용하여 개발에 대한 지식 없이도, AI 애플리케이션 개발 및 배포가 가능하며 여러가지 LLM 모델들을 제공하기에 내가 사용하고 싶은 모델을 손쉽게 배포하여 테스트 해보실 수 있습니다. 개발 경험이 없는 분들도 RAG 기반 AI 애플리케이션을 직접 만들어 보면서, LLM 및 RAG에 대한 개념을 이해하고 실무에 활용하는데 도움이 되시길 바랍니다.
POINT 05
패스트캠퍼스 수강생 한정
노코드 Specialist 강사님의 3가지 추가 혜택
* 워크플로우 및 활용 가이드는 강의 전체 오픈시 제공됩니다.
해당 강의에서 사용되는
유료 TOOL을 안내 드립니다. (25년 3월 기준)
- Claude API
(Claude 3.7 Sonnet 기준 월 Input 0.8$ Output 4.0$ *사용량 기반 과금)
- Microsoft Azure
(실습 기준 월 약 10,000원 내외 비용 *모델 호출량 & 사용량 기반 과금)
*프로그램은 제공해 드리지 않습니다.
유료 TOOL을 안내 드립니다. (25년 3월 기준)
- Claude API
(Claude 3.7 Sonnet 기준 월 Input 0.8$ Output 4.0$ *사용량 기반 과금)
- Microsoft Azure
(실습 기준 월 약 10,000원 내외 비용 *모델 호출량 & 사용량 기반 과금)
*프로그램은 제공해 드리지 않습니다.
QUESTION 1
어떤 분들이
수강하시면 좋을까요?
수강하시면 좋을까요?
RAG 개념을 알고 있고, 실제로 적용해보고 싶은 사람
개발 실력이 부족하지만, RAG 시스템을 직접 만들어보고 싶은 사람
업무에 RAG가 필요해서 빠르게 구축하고 싶은 직장인
- 팀원들과 LLM 문서를 효율적으로 공유하고 활용하고 싶은 분
- 깊이 공부할 시간 없이 바로 적용할 수 있는 RAG 시스템이 필요한 분
내 노하우를 활용해 RAG 서비스로 발전시키고 싶은 분
- 개인 문서, 업무 자료 등을 AI가 정리·검색하는 시스템으로 만들고 싶은 분
RAG가 필요하긴 한데, 처음부터 공부하긴 부담스러운 분
개발 실력이 부족하지만, RAG 시스템을 직접 만들어보고 싶은 사람
업무에 RAG가 필요해서 빠르게 구축하고 싶은 직장인
- 팀원들과 LLM 문서를 효율적으로 공유하고 활용하고 싶은 분
- 깊이 공부할 시간 없이 바로 적용할 수 있는 RAG 시스템이 필요한 분
내 노하우를 활용해 RAG 서비스로 발전시키고 싶은 분
- 개인 문서, 업무 자료 등을 AI가 정리·검색하는 시스템으로 만들고 싶은 분
RAG가 필요하긴 한데, 처음부터 공부하긴 부담스러운 분
QUESTION 2
노코드 툴로 RAG 구현 시
어떤 점이 좋을까요?
어떤 점이 좋을까요?
노코드 툴은 복잡한 코드 작성 없이 직관적인 인터페이스를 제공하여, 개발 경험이 부족한 사람들도 간단히 RAG 시스템을 구축할 수 있게 해줍니다. 기존 코드로 RAG를 구현하는 것 보다 훨씬 적은 시간이 들지만, 거의 동일한 수준의 결과물을 얻을 수 있고 실무에 바로 적용할 수 있습니다.
QUESTION 3
과정을 수강하면
어떤 방향성을 가질 수 있나요?
어떤 방향성을 가질 수 있나요?
RAG나 임베딩, 벡터 DB 등의 용어가 낯설어도, 직접 시스템을 구축하고 실제 데이터를 연결해 봄으로써 실무 적용 능력을 빠르게 키울 수 있습니다.
노코드 툴에 대한 자신감과 AI에 대한 심화 이해를 모두 얻어갈 수 있으며, 이후 더 복잡한 AI 프로젝트나 개발 협업을 진행할 때도 기초 체력을 갖춘 상태로 도전이 가능합니다. 단순히 “툴 사용법”을 배워가는 것이 아니라, 지식 관리 전략과 워크플로우 자동화 노하우를 익혀, 업무 및 학습 효율을 극대화할 수 있습니다.
노코드 툴에 대한 자신감과 AI에 대한 심화 이해를 모두 얻어갈 수 있으며, 이후 더 복잡한 AI 프로젝트나 개발 협업을 진행할 때도 기초 체력을 갖춘 상태로 도전이 가능합니다. 단순히 “툴 사용법”을 배워가는 것이 아니라, 지식 관리 전략과 워크플로우 자동화 노하우를 익혀, 업무 및 학습 효율을 극대화할 수 있습니다.
QUESTION 4
기술 스택을 알려주세요.
Docker Desktop + Docker Compose
Github
Chrome Browser
Googledrive Desktop
Telegram Desktop
N8N
Qdrant
PostgreSQL
Ollama
Google OAuth2 Credential
Telegram BotToken
Obsidian (최신 버전)
Smart Composer Plugin (최신 버전)
Dataview Plugin (최신 버전)
Claude API (유료/사용량 기반 과금)
Dify (최신 버전)
Node.js v18.15.0 이상,
Flowise 최신 버전,
OpenAI API(GPT-4/임베딩),
Google Notebook LM,
Microsoft Azure,
크로스 플랫폼 지원(Windows 10/11, macOS, Linux)
*모든 기술 스택은 강의 진행 시 설치 및 활용이 진행됩니다.
Github
Chrome Browser
Googledrive Desktop
Telegram Desktop
N8N
Qdrant
PostgreSQL
Ollama
Google OAuth2 Credential
Telegram BotToken
Obsidian (최신 버전)
Smart Composer Plugin (최신 버전)
Dataview Plugin (최신 버전)
Claude API (유료/사용량 기반 과금)
Dify (최신 버전)
Node.js v18.15.0 이상,
Flowise 최신 버전,
OpenAI API(GPT-4/임베딩),
Google Notebook LM,
Microsoft Azure,
크로스 플랫폼 지원(Windows 10/11, macOS, Linux)
*모든 기술 스택은 강의 진행 시 설치 및 활용이 진행됩니다.