간단한 Dify RAG Chatbot 작성 사례 (부동산 정책 Chatbot)
2025.09.16

소개
지난주 설치를 했으니 이제 나만의 문서로 RAG Chatbot을 만들어봅니다.
잠깐, 문서가 있다면 사실 NotebookLM에 넣고 써도 되는데 굳이 Dify 배워서 Chatbot을 만드는 이유가 궁금하실 수 있을 것 같아서, 당연히 용도와 목적이 다르지만 NotebookLM vs Dify 비교한 내용을 적어봅니다.
NotebookLM vs Dify 종합 비교
🎯 핵심 포지셔닝
플랫폼 | 핵심 정체성 | 주요 사용자 |
|---|---|---|
NotebookLM | 즉시 사용 가능한 스마트 문서 도우미 | 연구자, 학생, 일반 사용자 |
Dify | AI 애플리케이션 개발 플랫폼 | 개발자, 기업, 기술팀 |
📊 상세 기능 비교
사용성 및 접근성
구분 | NotebookLM | Dify |
|---|---|---|
학습곡선 | 거의 없음 (5분 내 시작) | 중간~높음 (수일~수주) |
설정 복잡도 | 노코드 (드래그&드롭) | 로우코드~코드 |
즉시 사용성 | ✅ 파일 업로드 후 바로 대화 | ❌ 설정 및 구성 필요 |
기술 지식 요구 | 전혀 불필요 | 기본~고급 기술 지식 |
RAG 기능 및 성능
구분 | NotebookLM | Dify |
|---|---|---|
파일 업로드 | 50개, 각 500K 단어 | 제한 없음 (설정 가능) |
지원 형식 | PDF, 텍스트, Google Docs, URL | 모든 형식 + 이미지 |
벡터 데이터베이스 | 내장 (수정 불가) | 다양한 선택지 (Pinecone, Qdrant 등) |
검색 정확도 | 높음 (Google 최적화) | 설정에 따라 가변적 |
메모리 및 대화 관리
구분 | NotebookLM | Dify |
|---|---|---|
대화 기억 | 세션 기반 임시 | 지속적 저장 가능 |
사용자별 관리 | 불가능 | ✅ 세션 ID 기반 |
대화 히스토리 | 브라우저 종료 시 삭제 | 데이터베이스 저장 |
컨텍스트 윈도우 | 고정 | 개발자가 설정 가능 |
멀티모달 지원
구분 | NotebookLM | Dify |
|---|---|---|
이미지 업로드 | ❌ | ✅ |
스크린샷 분석 | ❌ | ✅ |
Vision 모델 연결 | ❌ | ✅ (GPT-4V, Claude Vision) |
차트/그래프 읽기 | ❌ | ✅ |
이미지 생성 | ❌ | ✅ (DALL-E 연결 시) |
확장성 및 통합
구분 | NotebookLM | Dify |
|---|---|---|
API 제공 | ❌ | ✅ |
외부 시스템 연동 | 불가능 | ✅ |
워크플로우 설계 | 불가능 | ✅ |
다중 AI 모델 | Google만 | ✅ (GPT, Claude, 로컬 모델) |
커스터마이징 | 거의 불가능 | 매우 높음 |
배포 및 운영
구분 | NotebookLM | Dify |
|---|---|---|
호스팅 | Google 클라우드만 | 클라우드/온프레미스/셀프호스팅 |
사용자 관리 | 개인 계정만 | 팀/기업 관리 기능 |
권한 설정 | 없음 | 세밀한 권한 제어 |
모니터링 | 기본적 | 상세한 분석 및 로그 |
비용 구조
구분 | NotebookLM | Dify |
|---|---|---|
기본 사용 | 무료 (제한적) | 오픈소스 (무료) |
상업적 사용 | Google 정책 따름 | 자유로운 상업적 활용 |
확장 비용 | 제어 불가능 | 투명한 비용 구조 |
숨겨진 비용 | Google 서버 의존 | 인프라 관리 비용 |
🎯 사용 시나리오별 추천
NotebookLM 추천 상황
✅ 논문 50편을 빠르게 분석하고 인사이트 도출
✅ 회의록들을 업로드해서 주요 액션 아이템 추출
✅ 교육 자료 여러 개를 종합해서 학습 가이드 생성
✅ 개인 연구 프로젝트의 문서 정리 및 분석
✅ 기술 지식 없이 즉시 RAG 챗봇 경험하기Dify 추천 상황
✅ 고객 지원용 챗봇 (이미지 분석 포함)
✅ 사내 지식베이스 통합 시스템
✅ 복잡한 워크플로우가 필요한 AI 어시스턴트
✅ 기존 CRM/ERP 시스템과 연동되는 AI 도구
✅ 팀 단위로 사용하는 AI 애플리케이션
✅ 멀티모달 (텍스트+이미지) 처리가 필요한 경우⚡ 실제 구현 시간 비교
NotebookLM 구현
📁 파일 준비: 10분
⬆️ 업로드 및 분석: 5분
💬 첫 대화 시작: 즉시
총 소요 시간: 15분Dify 구현
⚙️ 환경 설정: 1-3시간
🔧 모델 연결 및 설정: 30분-2시간
📊 워크플로우 구성: 2-8시간
🧪 테스트 및 최적화: 4-16시간
총 소요 시간: 1-3일🏆 최종 선택 가이드
"빠르게 시작하고 싶다면" → NotebookLM
기술 지식 불필요
15분 내 완성
Google의 안정적인 성능
개인/소규모 팀에 적합
"장기적으로 확장하고 싶다면" → Dify
완전한 제어권
무제한 커스터마이징
비즈니스 요구사항 대응
기업급 기능과 보안
진행 방법
올해 들어서 더욱 뜨거워진 서울 부동산 시장은 상급지를 중심으로 과열 양상까지 보이고 있는 상황입니다. 새로운 정부가 들어서고 6.27 대책으로 수도권 대출 규제가 있었고, 9.7 대책으로 공급 정책이 발표 되었습니다. 부동산 관련 정부정책들을 살펴보면 공급확대와 수요억제 정책으로 나눠볼 수 있는데, 그 안에서도 정부가 쓸 수 있는 카드들은 여러가지들이 있습니다. 하지만 자세히 살펴보면 정책이 무한정일 수 없고, 나름의 패턴이 반복적으로 나타나기에 이것을 잘 이해하는 사람들은 흐름과 맥락을 파악하고 그에 맞게 적절히 대응하는 방식으로 접근하고 있습니다.
어떤 정책이 시행되기 전 사례연구에 대한 내용과 시행 후 효과와 부작용에 대해 분석한 내용들이 포함되어 있어서 개인적으로 정부 연구자료들을 살펴보는 편입니다.
수도권 시장의 과열이 진정되지 않고 다시 재발화 된다면 아마도 추가적인 수요억제 정책이 시행될 가능성이 높습니다. 21년에 발행된 <부동산 시장질서 확립을 위한 중점 대응전략> 보고서 (720p)에는 역대 정부의 부동산 정책과 수요억제에 관한 조세/금융/형사적 정책에 대한 여러 내용들이 기술되어 있습니다.
위 문서로 간단한 RAG Chatbot을 만들어보았습니다.

사용법은 아래처럼 간단하게 진행했습니다.
'지식'에 파일을 넣고
지식 설정을 한 후에
'스튜디오'에서 각 노드 설정



그리고 관련 자료를 찾아보다 보니 TeddyFlow 라는 게 있네요.
TeddyFlow는 기업과 개발자를 위한 AI 오케스트레이션 및 팀스페이스 플랫폼으로, 다양한 AI 백엔드와 툴(Dify, LangGraph, n8n 등)을 통합해 워크플로를 자동화하고, B2B SaaS 형태로 제공되는 서비스입니다.
주요 특징 및 기능
다양한 AI 도구(Dify, LangGraph, n8n 등)와 연동, 한 곳에서 통합 관리 가능.
기업의 AI 트랜스포메이션을 지원하며, 팀 단위 협업과 서비스 대시보드, 애널리틱스 개발이 용이.
Next.js, React, FastAPI, Docker, Azure 등 최신 기술 스택 기반으로 작동.
자체 MCP(Model Context Protocol) 기반 에이전트와 채팅 인터페이스를 제공, 동적으로 다양한 도구 설정 및 실시간 반영.
커뮤니티·브랜드 맞춤 기능 및 B2B 기능 요청도 가능.

Dify에 만든 Chatbot을 TeddyFlow에 연결해보았습니다.

결과와 배운 점
노코드 기반이라 다행히 배우는 과정이 크게 어렵지는 않네요. Dify 같은 노코드 도구로 RAG Chatbot 맛보기 하고 필요 시 LangChain으로 넘어가도 되겠네요.
도움 받은 글 (옵션)
로그인하고 댓글을 남겨 주세요
정리 정말 유익했습니다! 제가 RAG와 Dify에 특히 관심이 많다 보니, 이번 글의 NotebookLM(개인·학습) vs Dify(운영·확장) 포지셔닝이 크게 와닿네요. 덕분에 “NotebookLM으로 개념 익히기 → Dify로 워크플로우·배포 확장” 로드맵이 더 또렷해졌습니다. 다음엔 Dify에서 하이브리드 리트리버+재랭커 튜닝 팁도 소개해 주시면 좋겠습니다 🙌




답변은 지식 기반으로 잘나오던가요?
답변들이 유의미한지 궁금하네요!