복잡한 AI 작업을 효율적으로 처리하고 싶은 모든 분들을 위한 도구입니다.
기술 문서에서 요구사항 자동 추출
LLM 모델 비교 및 프롬프트 실험
문서 요약 및 지식 추출 자동화
복잡한 AI 파이프라인 시각적 구축
입력 데이터가 노드를 따라 흐르며, 각 노드에서 LLM 처리, RAG 검색, 검증 등의 작업이 수행됩니다.
텍스트 데이터의 시작점과 최종 결과를 표시합니다.
생성, 앙상블, 검증 노드에서 GPT-4, Gemini 등 LLM을 활용합니다.
지식 베이스에서 RAG 기반으로 관련 문맥을 검색합니다.
각 노드는 고유한 역할을 수행하며, 연결하여 복잡한 워크플로우를 구성합니다.
워크플로우의 시작점. 분석할 텍스트를 입력합니다.
LLM을 사용해 요구사항, 분석 결과 등을 생성합니다.
여러 노드의 출력을 하나로 통합하고 정리합니다.
생성된 결과를 지식 베이스와 대조하여 검증합니다.
RAG 기반으로 지식 베이스에서 관련 문맥을 검색합니다.
워크플로우의 최종 결과를 표시합니다.
시각적 캔버스, 다중 모델 지원, 지식 베이스 관리 등 핵심 기능을 제공합니다.
React Flow 기반의 직관적인 캔버스에서 노드를 배치하고 연결합니다.
각 노드를 클릭하면 세부 설정 패널이 열립니다.
PDF, TXT 문서를 업로드하여 벡터 DB를 생성하고 RAG에 활용합니다.
워크플로우 실행 시 LLM 응답이 실시간으로 스트리밍됩니다.
워크플로우 구성부터 실행까지 전체 과정을 확인하세요.
문서에서 키워드를 검색하고, LLM이 요구사항을 생성한 후, 다시 LLM이 요구사항을 검증하는 워크플로우 데모
드래그로 노드를 연결하여 데이터 흐름을 정의합니다.
컨텍스트 노드가 지식 베이스에서 관련 문맥을 검색합니다.
LLM 응답이 실시간으로 스트리밍되어 표시됩니다.
단계별로 따라하며 첫 워크플로우를 만들어보세요.
분석할 문서(PDF, TXT)를 업로드하여 지식 베이스를 생성합니다. 폴더를 만들어 체계적으로 관리할 수 있습니다.
상단 버튼으로 노드를 추가하고, 핸들을 드래그하여 노드를 연결합니다. 여러 생성 노드의 결과를 앙상블 노드로 통합하고, 검증 노드를 통해 LLM 출력을 지식 베이스와 대조 검증하여 할루시네이션을 줄일 수 있습니다.
각 노드를 클릭하여 LLM Provider와 모델 선택, 출력 형식 설정, 프롬프트 입력을 할 수 있습니다. 프롬프트에서 연결된 이전 노드의 출력은 {input_data}로, 연결된 컨텍스트 노드의 검색 결과는 {context} 변수로 받아 활용할 수 있습니다.
"워크플로우 실행" 버튼을 클릭하면 노드가 순차적/병렬로 실행되며, 결과가 실시간으로 스트리밍됩니다.
출력 노드와 결과 패널에서 최종 결과를 확인합니다. 워크플로우를 저장하거나 JSON으로 내보내 재사용하세요.
검증된 프레임워크와 라이브러리로 구축되었습니다.