# LLM Chain **LLM Chain 노드**는 지정된 프롬프트를 기반으로 LLM이 응답을 생성하도록 구성하는 가장 기본적인 체인 노드입니다.\ 프롬프트와 모델만 설정하면 **모든 유형의 단일 질문 응답, 문장 생성, 요약, 변환 등 작업에 활용할 수 있는 범용 텍스트 생성 노드**입니다. *** ### 주요 기능 * 사용자 정의 프롬프트 기반 LLM 응답 생성 * 다양한 자연어 처리 태스크에 유연하게 활용 가능 * Output Parser를 통해 **구조화된 출력 처리** 가능 * Prompt Chain의 구성 단위로 사용 가능

WindyFlo LLM Chain

### 입력값 (Inputs) | 항목 | 설명 | 필수 여부 | | -------------------- | ----------------------------- | ------------- | | **Language Model** | 문장 생성을 수행할 LLM | 필수 | | **Prompt** | 출력 결과를 생성하기 위한 명령 또는 프롬프트 텍스트 | 필수 | | **Output Parser** | 결과를 구조화된 포맷(JSON 등)으로 변환하는 옵션 | 선택 | | **Input Moderation** | 유해/부적절한 입력 차단 기능 | 선택 | | **Chain Name** | 체인에 이름을 지정할 수 있는 옵션 | 선택 (체인 관리 목적) | *** ### 출력값 (Outputs) | 출력 항목 | 설명 | | --------------------- | ----------------------------------------------- | | **LLM Chain** | 기본 LLM 응답 텍스트 (기본 출력) | | **Output Prediction** | Output Parser 적용 결과나 예측값 등 구조화된 출력 (옵션 선택 시 사용) | *** ### 활용 예시 1. **텍스트 생성** * 프롬프트: “{name}에 대한 소개 글을 작성해줘” * 입력값: `name = 'WindyFlo'` → LLM이 회사 소개 문장 생성 2. **형식 변환** * 이메일 → 회의록 요약, 텍스트 → JSON 변환 등 다양한 변환 작업에 활용 3. **간단한 추론 작업** * “다음 문장이 긍정인지 부정인지 판단해줘: {문장}” → Output Parser로 yes/no 추출 가능 *** ### 사용 팁 * Prompt는 사용자 입력값과 매핑될 수 있도록 `{}` 변수를 활용해 동적으로 구성할 수 있습니다. * Output Parser는 JSONSchema 기반 구조를 설계하거나, 커스텀 파서 노드와 연결하여 더 정교한 결과를 받을 수 있습니다. * Prompt 설계 시 System 역할 포함 가능 (예: “You are a helpful assistant.”) *** ### 주의사항 * Prompt 내 `{input}` 같은 변수명은 실제 연결되는 값과 일치해야 합니다. * Output Parser를 설정하지 않으면 LLM의 출력 결과는 **순수 텍스트 형태**로 반환됩니다. * 출력 옵션에서 Output Prediction을 선택하지 않으면 예측값은 출력되지 않으며, 파서 로직도 무시됩니다. *** LLM Chain은 WindyFlo에서 **가장 범용적이고 유연하게 사용 가능한 텍스트 생성 노드**입니다.\ 질문 응답, 문장 작성, 포맷 변환, 감정 분석 등 모든 LLM 기반 작업의 시작점으로 활용됩니다.