🤖 뉴즈 (Newz) - (News + Quiz) 뉴스를 풀다!

n8n을 사용한 경제/금융 뉴스로부터 문제 만들기 자동화 프로젝트

👩🏻‍💻 팀원 소개

권순재 @Soooonnn	서가영 @caminobelllo	유예원 @Yewon0106

💡 기획 배경

Pain Point

매일 수많은 경제 뉴스가 쏟아지지만 이를 매일 읽는 것도 어렵고, 읽더라도 지식을 내 것으로 만들기는 어려움

→ AI가 금융 기사를 분석해 굿노트용 학습지로 생성하여 제공하여 사용자의 능동적 학습 유도

핵심 목표

1. 능동적 학습: 요약 뿐 만 아니라 객관식/주관식 퀴즈를 통한 사고력을 확장
2. 자동화: 랜덤으로 문제를 추출 또는 URL을 넣으면 문제 생성 → PDF 변환 → 굿노트 어플로 저장 자동화

---

🛠️ Tech Stack

• Orchestration: n8n (워크플로우 자동화)

• Database: PostgreSQL (데이터 영구 저장 및 관리)

• AI Engine: OpenAI GPT-4.1-NANO (뉴스 요약 및 퀴즈 생성)

• Frontend/Trigger: HTML Dashboard (사용자 입력 및 제어)

• PDF/Email: Google Apps Script (HTML 템플릿 렌더링 및 메일 발송)

• Notification: Discord (알림 발송)

  
  

---

📊 데이터베이스 (PostgreSQL, Supabase)

PostgreSQL 기반의 Supabase : 금융 기사 데이터, AI 요약 결과, 문제 생성 결과를 구조적으로 저장 및 관리할 수 있는 데이터베이스

⚙️ ERD

기사 수집 → 요약 → 문제 생성 → PDF 출력으로 이어지는 전체 자동화 흐름을 안정적으로 관리할 수 있도록 데이터 구조 설계

📑 스키마 구조

관계형 DB를 사용하되 유연성을 위해 JSONB 타입을 활용

• articles: 크롤링된 금융 기사 원문과 AI 요약 데이터 저장
• quizzes: 기사별로 생성된 금융 시사 문제 세트 저장
  • quiz_data 컬럼을 JSONB로 설계해 [객관식, 주관식, 정답, 해설]이 담긴 배열(Array) 전체를 하나의 행에 저장
• execution_logs: 실행 이력 및 상태 추적

🐘 PostgreSQL 선택 이유

• 관계형 데이터베이스로서 [ 기사 → 실행 로그 → 퀴즈 ] 간의 명확한 관계(FK)를 설계하기에 적합
• JSONB 타입을 통해 AI가 생성한 문제 데이터 저장 가능
• 트랜잭션, 인덱스, 제약조건 등 데이터 무결성과 확장성 확보 가능

	MySQL	PostgreSQL
구분	RDBMS	ORDBMS
데이터 타입 확장성	JSON 지원은 있으나 기능 제한적	JSONB, ENUM, ARRAY 등 고급 타입 지원
JSON 데이터 처리	상대적으로 제약 조건 활용 제한	JSON 내부 필드 직접 쿼리,인덱싱 가능
Supabase 호환성	Supabase 미지원	Supabase 기본 DB

⚡ Supabase 선택 이유

• PostgreSQL을 기반으로 한 관리형 DB 서비스로 빠른 프로젝트 세팅 가능
• SQL Editor를 통한 직접적인 스키마 관리 및 디버깅 용이
• n8n과의 연동 시 Postgres Pooler 연결을 지원하여 안정적인 자동화 환경 구축 가능

🔗 데이터베이스 ↔ n8n 연동 방식

• Docker 기반 n8n 환경에서 Postgres Node를 사용하여 Supabase DB에 직접 접근
• SELECT / INSERT / JOIN 쿼리 활용해
  • 자동화 결과 검증
  • 실패 로그 추적
  • AI 생성 데이터 확인

---

🔑 핵심 기능 구현

1️⃣ n8n

전체 워크플로우

A. 실시간 생성 모드 (URL Trigger)

1. 사용자가 대시보드에서 뉴스 URL & 굿노트로 발송받을 이메일 주소를 입력
2. n8n이 기사 본문을 크롤링
3. OpenAI가 Markdown 형식으로 요약 및 퀴즈(객관식/주관식) 생성
4. 데이터를 데이터베이스에 적재
5. Google Apps Script(GAS)로 데이터 전송 → HTML 템플릿 렌더링 → PDF 변환 → 이메일 발송

B. 랜덤 문제 생성 모드 (Random Trigger)

1. DB(quizzes + articles 조인)에서 ORDER BY RANDOM() LIMIT 1 쿼리로 과거 문제 1세트 추출
2. 저장된 JSONB 데이터를 다시 Markdown 텍스트로 역직렬화
3. GAS로 전송하여 PDF 발송
4. 발송 완료된 문제는 데이터베이스에서 자동 삭제하여 중복 학습 방지

C. 스케줄링을 통한 데이터 크롤링

1. 하루 단위로 한국 경제 사이트의 금융 카테고리 기사를 크롤링 및 개별 뉴스 URL 추출
2. 기사 본문을 JSONB 형태로 데이터베이스에 적재
3. 각 기사의 본문을 파싱
4. OpenAI가 Markdown 형식으로 요약 및 퀴즈(객관식/주관식) 생성
5. 퀴즈 데이터를 데이터베이스에 적재
6. 임계치의 퀴즈가 생성되면 사용자에게 디스코드로 알림 전송

문제 output 포맷

[
  {
    "output": [
      {
        "id": "uuid",
        "type": "",
        "status": "",
        "content": [
          {
            "type": "",
            "annotations": [],
            "logprobs": [],
            "text": "{}"
        ],
        "role": "assistant"
      }
    ]
  }, 
  ...
]

2️⃣ 사용자 대시보드

로컬 Python 서버 실행 명령어
>> python3 -m http.server 8000

✨ User Input

1. 실시간 생성 시

   • 굿노트 이메일 (String)
   • 뉴스 기사 링크 (String)

2. 랜덤 생성 시

   • 굿노트 이메일 (String)

3. n8n Webhook URL을 연결

4. 사용자가 버튼 트리거

5. 두 가지 모드 (url or 랜덤) 방식으로 분기된 상태 n8n 노드에 전달

3️⃣ Google App Script

Code.gs (로직 처리)

1. n8n으로부터 전달받은 JSON 데이터 파싱
2. 문제집 HTML 템플릿에 데이터 주입
3. PDF 변환
4. 이메일 전송

Template.html (문제집 템플릿)

실제 굿노트에 저장된 퀴즈 문제집의 모습

4️⃣ Discord 알림

• DB에 있는 퀴즈 데이터가 IF노드에서 설정한 임계값을 초과
  → 위 사진과 같은 형식으로 사용자 알림 전송

---

🎯 트러블 슈팅

1. LLM 응답의 비정형성으로 인한 데이터 구조화의 어려움

• 문제: LLM이 생성한 퀴즈 데이터가 일정한 JSON 형식이 아니거나, 답변에 불필요한 텍스트가 포함되어 후속 노드에서 데이터를 식별하는 데 어려움이 발생
• 해결: 시스템 프롬프트에 출력 형식을 JSON으로 제한하고, 예시 데이터를 제공하여 출력의 일관성을 향상시켜 해결

2. JSON vs Array 데이터 타입 불일치

• 문제: PostgreSQL의 quiz_data 컬럼 (JSONB 타입) / 실제 퀴즈 객체 (배열 형태)

  • n8n의 기본 Insert 노드가 단순 문자열 또는 객체로 인식해 violates check constraint 에러 발생

• 해결: n8n의 UI 기반 Insert 대신 Raw SQL Query를 사용

  INSERT INTO quizzes (...) VALUES ($1, $2, $3::jsonb)

  • 데이터를 $3 파라미터로 넘길 때 JSON.stringify()로 감싸서 문자열로 전달 → DB가 이를 JSON으로 캐스팅하도록 강제하여 해결

3. 비동기 처리와 데이터 정합성

• 문제: Google App Script로 이메일을 보내는 동안 n8n이 기다리지 않고 다음 단계인 DB 행 삭제를 실행
  • 노드 외부에서 실행되는 GAS의 특성으로 인해 메일 전송은 실패되었으나 데이터가 삭제되거나 메일 발송 전에 데이터가 지워지는 문제 발생
• 해결:
  1. GAS 요청을 비동기에서→ 동기 방식으로 변경
  2. If 노드를 추가해 status: success 응답을 확인한 후에만 Delete 노드가 실행되도록 트랜잭션 순서(Select → Send → Delete)를 변경

4. 다량의 데이터 처리 시 워크플로우 중단

• 문제: 뉴스 목록에서 한 번에 다량의 기사를 가져올 때 LLM 노드에서 전체 프로세스가 중단되는 문제가 발생
• 해결: Limit 노드를 배치하여 AI가 처리해야 하는 뉴스 데이터의 양 감소

---

💁 회고 및 느낀점

1. Low-code Tool의 한계와 가능성

• n8n은 여러 로직을 시각적인 노드를 통해 간단하게 처리해 생산성을 높일 수 있는 도구
• 하지만 복잡한 DB 로직(JSONB 처리, 트랜잭션 관리)을 처리할 때는 UI만으로 해결되지 않음
• 결국 SQL과 JavaScript 코드에 대한 이해가 뒷받침되어야 노코드 툴을 더 효과적으로 활용할 수 있을 것이라 느낌

2. 데이터 구조 설계의 중요성

• 퀴즈 데이터 구조 : quiz_data를 통째로 JSON으로 저장
  • [조회 → 발송 → 삭제]로 이어지는 로직을 간단하게 구현
• 서비스의 목적(개별 문제 관리 vs 세트 단위 학습)에 맞는 DB 모델링의 중요성을 체감

---

🚀 향후 발전 가능성

본 프로젝트는 금융 기사 기반 AI 학습 콘텐츠 자동화를 출발점으로 하여, 향후 안정적인 파이프라인 운영, 문제 품질 관리, 개인화 학습 기능 확장을 통해 금융 학습을 지원하는 AI 기반 플랫폼으로 발전시킬 수 있음

• 사용자 개념 도입
  • 학습 이력
  • 틀린 문제 관리
  • 선호 난이도 관리

👉 개인화 학습 서비스로 확장 가능

• 대시 보드화
  • 일별 기사 수
  • 실패율
  • 주요 키워드 트렌드

👉 보여지는 결과물 → 학습 동기부여