AI 리서치를 통한 Tailwind CSS HTML 페이지 생성기 - n8n 워크플로우

• 대량의 구조화된 기사 초안이 필요한 콘텐츠 마케터 및 SEO 전문가.


• 복잡한 AI 오케스트레이션을 위한 견고한 n8n 템플릿을 찾는 개발자.


• 외부 AI 리서치 도구(예: Perplexity)를 데이터 파이프라인에 통합하려는 자동화 엔지니어.


• 원시 AI 텍스트를 세련된 웹 구성 요소로 변환하기 위한 고급 n8n 노드 조합을 찾는 사용자.

장문의 잘 구조화된 콘텐츠를 생성하는 작업은 리서치, 요약, 구조화 및 최종 스타일링과 같은 지루한 수동 단계를 수반하는 경우가 많습니다. 이 정교한 n8n 워크플로우는 전체 파이프라인을 자동화하여 간단한 사용자 쿼리를 게시 준비가 완료된 깔끔하고 현대적인 HTML 출력물로 변환합니다.

이 n8n 템플릿의 강력함은 다단계 AI 오케스트레이션에 있습니다. 먼저 사용자 리서치 주제를 최적화하고, 포괄적인 조사를 위해 Perplexity API(전용 n8n 노드 도구 사용)를 활용하며, 이후 여러 강력한 LLM 에이전트를 사용하여 구조를 강제 적용하고(JSON 스키마를 통해), 최종 HTML 출력에 미적 스타일링(Tailwind CSS 사용)을 적용합니다.

이 강력한 n8n 워크플로우는 콘텐츠 제작 주기를 획기적으로 단축시켜, 팀이 상용구(boilerplate) 생성보다는 전략 수립에 집중할 수 있도록 돕습니다.

이 복잡한 n8n 워크플로우는 사용자에 의해 트리거되는 기본 실행 흐름과 기본 흐름이 사용하는 내부 Perplexity 리서치 도구, 두 가지 주요 모드로 작동합니다.

기본 콘텐츠 생성 흐름

1. 시작: 프로세스는 Webhook n8n 트리거로 시작되며, 토픽 쿼리 파라미터(예: ?topic=latestaimodeltrends)를 수신합니다.


2. 주제 구체화: Improve Users Topic Chain LLM 노드는 고급 프롬프트를 사용하여 사용자의 원시 주제를 매우 상세한 리서치 쿼리로 향상시켜, Perplexity가 포괄적인 결과를 반환하도록 보장합니다.


3. 리서치 실행: 개선된 주제는 Perplexity Topic Agent로 전달됩니다. 이 전문화된 n8n 노드는 내부적으로 Call Perplexity Researcher 도구를 호출하며, 이는 이 n8n 워크플로우의 두 번째 부분을 참조합니다.


4. 구조화된 추출: 원시 리서치 결과는 Extract JSON 에이전트 노드로 공급됩니다. 이 에이전트는 Structured Output Parser1(article, metadata, content에 대한 상세 스키마를 강제 적용)과 함께 비정형 텍스트를 예측 가능하고 견고한 JSON 객체로 변환합니다.


5. HTML 생성: 구조화된 JSON은 Create HTML Article 에이전트로 전달되어 데이터를 스타일링되지 않은 단일 라인 HTML로 변환합니다. 이후 If HTML n8n 노드를 사용하여 HTML 콘텐츠 존재 여부를 확인합니다.


6. 스타일링 및 포맷팅: Basic LLM Chain 노드는 원시 HTML을 받아 엄격한 포맷팅 규칙을 적용하여, 전체가 Tailwind CSS 클래스로 스타일링된 단일 라인의 현대적이고 반응형인 문서로 변환합니다.


7. 최종 응답: 결과로 생성된 HTML 콘텐츠는 Respond to Webhook n8n 노드를 통해 최초 호출자에게 반환됩니다.

내부 Perplexity 리서치 도구 흐름

1. 도구 트리거: 이 흐름 경로는 기본 흐름이 perplexityresearch_tool을 호출할 때 Execute Workflow Trigger n8n 노드에 의해 시작됩니다.


2. API 호출 준비: Prompts n8n 노드는 개선된 주제를 포함하여 Perplexity API 호출을 위한 시스템 및 사용자 메시지를 준비합니다.


3. 외부 API 호출: Perplexity HTTP Request 노드는 llama-3.1-sonar-small-128k-online 모델을 사용하여 Perplexity API와 직접 통신하며, 제공된 주제를 기반으로 최신 온라인 리서치 결과를 검색합니다.


4. 결과 처리: API 응답에 따라, 리서치를 포함하는 Success Response 또는 Error Response가 기본 흐름으로 다시 반환됩니다.

이 전문 n8n 워크플로우를 배포하려면 다음 단계를 따르십시오:

1. n8n 템플릿 가져오기: 전체 JSON 코드를 복사하여 n8n 인스턴스의 'New' 버튼을 사용하고 'Import from JSON'을 선택하여 가져옵니다.


2. 자격 증명 설정: 이 n8n 워크플로우는 두 가지 주요 자격 증명이 필요합니다:

1. Telegram 설정 (선택 사항): 디버깅 또는 상태 업데이트(이 경우 Telegram n8n 노드에 의해 트리거됨)를 위해 선택적 Telegram 알림을 사용하려면, Chat Id 및 Chat Id1 Set 노드를 올바른 telegramchatid로 업데이트하고 Telegram 자격 증명이 설정되었는지 확인하십시오.


2. Webhook 활성화: 기본 Webhook n8n 트리거를 활성화하고 해당 URL을 기록해 두세요. ?topic= 쿼리 파라미터를 포함하여 해당 URL로 GET 요청을 보내 n8n 워크플로우를 테스트할 수 있습니다.

이 고급 n8n 워크플로우는 오케스트레이션 및 AI 처리를 위해 수많은 전문 n8n 노드 유형을 활용합니다:

Webhook (n8n 트리거): 시작 지점이며, 경로가 /pblog로 설정되어 쿼리 파라미터를 통해 리서치 주제를 수신하는 데 사용됩니다.
Improve Users Topic (Chain LLM): 모호한 사용자 입력을 핵심 개념과 애플리케이션을 중심으로 구조화된 매우 구체적인 리서치 프롬프트로 자동 개선하기 위해 LLM을 사용하는 중요한 n8n 노드입니다.
Perplexity Topic Agent (Agent 노드): 내부 도구를 활용하여 리서치를 오케스트레이션하는 고급 Langchain n8n 노드로, 워크플로우가 정의된 단계와 시스템 메시지를 따르도록 보장합니다.
Call Perplexity Researcher (도구 워크플로우): 이 독특한 n8n 노드는 동일한 n8n 워크플로우 내에 포함된 Perplexity 리서치 로직을 호출하는 메커니즘 역할을 합니다.
Perplexity (HTTP Request n8n 노드): 온라인 실시간 리서치를 위해 외부 Perplexity API와 직접 통신하며, 고성능 모델(llama-3.1-sonar-small)을 사용하도록 구성되어 있습니다.
Extract JSON (에이전트 노드 + Structured Output Parser): 이 강력한 n8n 노드 조합은 원시 AI 리서치 텍스트를 Langchain 스키마로 정의된 엄격한 JSON 구조로 강제 변환하여 후속 HTML 생성 단계의 일관성을 보장합니다.
Create HTML Article (에이전트 노드): 깔끔하게 구조화된 JSON 데이터를 원시 HTML 콘텐츠로 변환하며, 단일 라인 출력 및 적절한 HTML 태그 사용과 같은 지침을 준수합니다.
Basic LLM Chain (Chain LLM n8n 노드): 최종 변환 단계입니다. 현대적인 Tailwind CSS 스타일링을 적용하고, 출력물이 반응형인 깔끔한 단일 라인의 HTML이 되도록 보장합니다.