# Lesson 10 Work Decomposition

> AI 에이전트 강의 패키지의 10강 (심화 트랙 3) — 비개발자가 큰 작업을 작은 단계로 분해하는 사고법을 익히고, Docker로 n8n을 설치해 가장 쉬운 워크플로우(노드 3~4개)를 만든 뒤 LLM API 노드 한 번을 무료/유료 중 선택해 연결할 때 사용하는 30분 대화형 강의. 사용자가 "10강 시작", "n8n", "워크플로우", "작업 분해", "큰 작업 자동화", "큰 작업 잘게 나누고 싶어요", "워크플로우 자동화", "여러 단계 묶어서 자동", "Docker n8n 설치", "노드 연결" 같은 표현을 쓰거나, 9강 끝난 후 자연스럽게 이어지는 강의에 진입하려 할 때 반드시 이 스킬을 사용한다. 단순 분해 사고법 설명이 아니라, n8n 실습까지 포함된 30분짜리 가이드형 학습 흐름이라는 점이 핵심이다.

- Skill: `matthewoong/lesson-10-work-decomposition` (Agent Skill, multi-file: 11 files)
- Install (CLI): `npx skillmds@latest add matthewoong/lesson-10-work-decomposition`
- Raw SKILL.md: https://api.skillmd.com/api/skills/matthewoong/lesson-10-work-decomposition/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: DevOps & Infra
- Author: Matthewoong (https://skillmd.com/u/matthewoong)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/matthewoong/lesson-10-work-decomposition

---


# Lesson 10 — 작업 분해 + n8n (심화 트랙 3)

> 학습자가 끝나면 큰 작업을 작은 단계로 분해하는 사고법을 익히고, Docker로 n8n을 설치해 노드 3~4개로 가장 쉬운 워크플로우를 만든다. LLM API 노드 1개를 *무료/유료 선택*해 연결한다.

---

## 0. 시작하기 전에

| 문서 | 언제 |
|---|---|
| `_shared/teaching-protocol.md` | 이론 청크 |
| `_shared/guided-practice-protocol.md` | 가이드 실습 + **💰 비용 안내** (LLM API 연결 시) |
| `_shared/learner-profile-schema.md` | 진도·draft |
| `_shared/style-guide.md` | 톤·분기·예시 |
| `_shared/menu-template.md` | 메뉴 |

---

## 1. 진입 시 행동
공통 패턴. `progress["10-work-decomposition"]`. 헤더 `📘 [Lesson 10 · 청크 X/Y]`. **첫 청크 출력 전에 사전 안내**:
```
이 강의는 Docker로 n8n을 설치하는 실습이 포함돼요. 디스크 공간 약 1GB,
설치 시간 5~10분 정도가 듭니다. LLM API 노드 연결은 *무료 옵션*과
*유료 옵션* 모두 안내하고, {{name}}님이 선택하시면 됩니다.
부담되시면 강의를 스킵하셔도 돼요.
```

---

## 2. 진도 갱신 + draft 키 명세

| 시점 | 갱신 |
|---|---|
| 10강 첫 진입 | `status = "in_progress"`, `current_chunk = 1` |
| 청크 통과 | `current_chunk += 1` |
| 청크 1~2 답변 (분해 사고) | `draft.big_task = <학습자의 큰 작업>` |
| 청크 4~5 답변 | `draft.decomposed_steps = [<단계 배열>]` |
| 청크 5 답변 | `draft.dependencies = <의존성 메모>` |
| 청크 5 답변 | `draft.first_workflow = <n8n 워크플로우 구성>` |
| 청크 6 답변 (LLM 노드) | `draft.llm_node_choice = "free" | "paid"` |
| 실습 통과 | `practice_status = "done"`, `status = "completed"` |

### 10강이 사용하는 `draft` 키

| 키 | 시점 | 형식 |
|---|---|---|
| `big_task` | 청크 1~2 | string |
| `decomposed_steps` | 청크 4~5 | array |
| `dependencies` | 청크 5 | string |
| `first_workflow` | 청크 5 | string (노드 3~4개 구성) |
| `llm_node_choice` | 청크 6 | "free" / "paid" |

---

## 3. 이론 lesson 흐름

청크 8개. *사고법(1~2)* → *n8n 실제 도구(3~7)* → *마무리(8)*.

### 10강에서 *왜* 한 청크씩 가는가
사고법과 도구를 동시에 배워야 *왜 이렇게 분해하는지* 와닿습니다. 한 청크씩 *분해 → 노드 매핑 → 다음*으로 가야 학습자가 본인 작업을 자동화 가능한 형태로 보는 눈이 생깁니다.

---

## 4. 가이드 실습 — 옵션 2개 인라인

### 4-0. 진입 시 draft 정리

```
🎉 이론 끝! 이제 진짜 n8n에서 워크플로우를 돌려볼 시간이에요.

📝 큰 작업: <draft.big_task>
📝 분해된 단계:
   - <draft.decomposed_steps[0]>
   - <draft.decomposed_steps[1]>
   - <draft.decomposed_steps[2]>
📝 의존성: <draft.dependencies>
📝 LLM 노드 선택: <draft.llm_node_choice>

이걸 토대로 n8n에서 워크플로우를 만들어볼게요.
```

### 4-1. 옵션 제시

```
어떻게 진행하시겠어요?

  (1) {{name}}님 본인 작업으로 워크플로우 만들기
  (2) 가상 사례 (예: "주간 리포트 자동 생성")로 연습

번호로 답해주세요.
```

### 4-2. 가이드 실습 7단계 (LLM API 노드 — 무료/유료 분기)

1. 옵션 선택
2. 사전 점검 — Docker 설치 여부 확인 (학습자 OS 맞춤)
3. **💰 비용 안내** (LLM 노드 단계에서 의무 표시):
   ```
   LLM API 노드 연결은 두 가지 길이 있어요.

     (a) 무료 옵션
         - Google AI Studio (Gemini) 무료 한도
         - OpenRouter 일부 무료 티어 모델
         - Anthropic 신규 가입 크레딧 (있으면)
     (b) 유료 옵션
         - 본인이 이미 가진 키 사용 (호출당 비용 발생)

   어떻게 하시겠어요?
     (1) 무료 옵션으로 진행
     (2) 유료 옵션으로 진행 (비용 안내 받기)
     (3) LLM 노드 빼고 워크플로우만 만들기 (스킵)
   ```
4. n8n Docker 설치 명령어 (학습자 OS 맞춤)
5. n8n 첫 워크플로우 만들기 (노드 3~4개)
6. LLM API 노드 추가 (선택한 옵션에 따라)
7. 실행 + 결과 확인 + 검증

### 4-3. 검증 기준

| 항목 | 통과 기준 |
|---|---|
| n8n 컨테이너가 *정상 실행* | ✅ |
| 워크플로우가 노드 3~4개 *연결* | ✅ |
| 1회 *실행 성공* (또는 LLM 노드 스킵 시 다른 노드로 동작) | ✅ |

3개 중 2개 이상 ✅. *학습자가 LLM 노드를 스킵해도* 워크플로우 자체가 동작하면 ✅.

### 4-4. 트러블슈팅
Docker 미설치 → 학습자 OS별 Docker Desktop 설치 안내. n8n 포트 충돌 → 포트 변경. LLM API 키 미인식 → 환경 변수 재설정.

---

## 5~7. 자리표시자 / 도구 비종속 / 종료
1강 동일. 종료 시 다음 강의(11) 안내.

---

## 8. 강의 작성자 메타

- **트랙**: 심화 3강
- **선행**: 기초 1~7강 + 심화 8~9강 (권장)
- **분량**: 약 30분 + n8n 설치 시간 5~10분
- **외부 자료**: Docker, n8n 공식 이미지, LLM API (선택)
- **💰 비용**: 부분적 (n8n 무료, LLM API 노드만 비용 — 무료 옵션 우선 안내)
- **학습 목표**:
  - 큰 작업을 작은 단계로 분해하는 사고법을 안다
  - Docker + n8n 설치를 한 번 시연
  - 노드 3~4개의 가장 단순한 워크플로우를 *직접* 만든다
  - LLM API 노드를 *무료 또는 유료*로 한 번 연결
- **다음 강의**: 11-tool-selection

---

## 9. 빠른 자기 점검
- [ ] 학습자 프로필 읽음
- [ ] `📘 [Lesson 10 · 청크 X/Y]`
- [ ] 한 청크만, 끝에 ❓/🛠/🔀
- [ ] 자리표시자 채움
- [ ] 도구명 노출 X
- [ ] 시도 전 답 X
- [ ] `progress["10-work-decomposition"]` 갱신
- [ ] **10강 추가**: LLM API 노드 단계에서 *무료/유료/스킵* 3가지 옵션을 모두 안내했는가