1. Prompt Engineering(프롬프트 엔지니어링) — AI에게 일(말)을 잘 거는 기술

1. 프롬프트 엔지니어링(Propt Engineering)

AI에게 그때그때 일들을 잘 요청하는 기술 — 소통의 기술

• GPT에게 질문 던지기
• 모델에게 묘사 전달
• 매번 맥락을 새로 설명
• 일관된 결과를 얻기 어려움
• 모델이 가진 잠재력을 최대로 끌어내는 '질문과 지시의 최적화'
• 단순히 말을 잘 거는 것을 넘어, 페르소나 설정, Few-shot 학습, Chain-of-Thought(사고의 사슬) 유도 등을 통해 모델의 추론 능력을 극대화
• 아무리 데이터(Context)가 좋아도 지시(Prompt)가 모호하면 결과물은 엉뚱하게 나옴
  • 그래서 모델의 추론 경로를 가이드하고 출력의 품질을 결정하는 '구조 설계'를 잘 해야한다.

주요 기법들 (Techniques)

단순히 질문을 잘하는 것을 넘어, AI의 사고 능력을 극대화하는 몇 가지 전문 기법들이 있다.

1. 기본 지시 기법 (The Foundations)

가장 기초적이면서도 강력한 기법

• Zero-shot 기법 : 예시 없이 바로 명령을 내리는 것으로, 모델의 성능이 좋을 때 주로 사용(모델의 내장 지식에만 의존)

양자역학의 개념을 초등학생도 이해할 수 있게 한 문장으로 설명해줘.

• Few-shot 기법 : AI에게 지시사항과 함께 몇 가지의 입출력 예시를 제공하여 미리 보여주어 패턴을 학습시키는 방법(모델이 문맥과 형식을 빠르게 파악하도록 도와줌)

다음 문장의 감정을 분류해줘.
1. 오늘 날씨가 정말 좋다: 긍정
2. 배송이 너무 늦어서 짜증 나요: 부정
3. 그럭저럭 볼만하네요: 중립
4. 이 영화는 내 인생 최고의 작품이다:

• Persona (페르소나) 기법 : "너는 20년 경력의 시니어 소프트웨어 엔지니어다"와 같이 특정 페르소나를 부여하여 답변의 톤과 전문성을 조절

너는 20년차 배드민턴 전문 코치야. 이제 막 배드민턴을 시작하는 사람에게 따뜻하면서도 현실적인 조언을 해줘

---

2. 논리적 추론 기법 (Reasoning)

AI가 복잡한 문제를 풀 때 '생각의 단계'를 밟게 만드는 기술

• Chain-of-Thought (CoT, 사고의 사슬): "단계별로 차근차근 생각해보자(Let's think step by step)"라는 문구를 넣어 모델이 중간 논리 과정을 생략하지 않게 만드는 기법. 결과의 정확도가 비약적으로 상승

철수는 사과 5개를 가지고 있었어. 영희에게 2개를 주고, 시장에서 10개를 더 산 뒤, 그중 절반을 동생에게 줬어.
철수에게 남은 사과는 몇 개일까? 단계별로 차근차근 생각해서 답해줘.

• Least-to-Most : 큰 문제를 작고 해결 가능한 하위 문제(Sub-problems)로 먼저 분해한 뒤, 하나씩 순차적으로 해결하도록 유도

파이썬으로 웹 크롤러를 만들고 싶어.
1. 먼저 웹 크롤링을 위해 필요한 라이브러리가 무엇인지 알려줘.
2. 그 라이브러리들을 설치하는 코드를 작성해줘.
3. 특정 뉴스 사이트의 제목만 가져오는 간단한 코드를 짜줘.

• Self-Consistency (자기 일관성): 동일한 질문에 대해 여러 개의 추론 경로를 생성하게 한 뒤, 가장 많이 공통으로 나온 답을 최종 결과로 선택하는 다수결 방식

초콜릿 3박스가 있어. 각 박스에는 초콜릿이 12개씩 들어있고, 나는 친구 4명에게 똑같이 나눠주려고 해. 이 문제를 해결하기 위한 서로 다른 3가지 논리적 경로를 제시하고, 가장 일관된 최종 답을 도출해줘.

---

3. 구조화 및 명확화 기법 (Structuring)

모델이 지시사항과 데이터를 혼동하지 않게 만드는 '형식의 기술'

• Delimiters (구분자) 활용: ###, --, """ 같은 기호를 사용하여 지시문, 참고 문헌, 사용자 입력을 명확히 분리

다음 [본문]의 내용을 아래의 ###형식###에 맞춰 요약해줘

• Output Structuring: 답변 형식을 JSON, Markdown, Table 등으로 강제. 이는 나중에 코드가 답변을 파싱(Parsing)하기 쉽게 만들어 준다.

서울의 주요 관광지 3곳을 추천해주고, 결과는 반드시 JSON 형식으로 출력해줘. 키값은 'name', 'location', 'description'으로 해줘

• Negative Prompting: "~는 포함하지 마", "설명은 생략하고 결과만 말해"와 같이 하지 말아야 할 행동을 명시하여 출력을 제어

인공지능의 미래에 대해 에세이를 써줘. 단, '인공지능', 'AI', '딥러닝'이라는 단어는 절대 사용하지 말고 설명해줘.

---

4. 고도화 기법 (Advanced)

최근 연구되고 있는 더 정교한 프롬프트 전략

• Generated Knowledge Prompting: 질문에 바로 답하게 하지 않고, 모델이 관련 지식을 먼저 스스로 생성하게 한 뒤, 그 지식을 바탕으로 최종 답변을 내게 하는 방식

1. 먼저 '간헐적 단식'의 과학적 원리와 부작용에 대한 지식을 요약해줘.
2. 위에서 생성한 지식을 바탕으로, 평소 위장이 약한 사람을 위한 식단 가이드를 작성해줘

• Directional Stimulus Prompting (방향성 자극): 답변에 포함되어야 할 핵심 키워드나 힌트를 프롬프트에 슬쩍 던져주어 모델이 원하는 방향으로 답변하게 유도

강아지에 대한 짧은 동화를 써줘. [힌트: 우주선, 뼈다귀 모양 행성, 그리움]이 키워드들이 반드시 이야기의 핵심 요소로 포함되어야 해.

• Chain-of-Verification (CoVe): 답변을 생성한 후, 모델 스스로가 답변의 사실 관계를 검증하기 위한 질문을 던지고 다시 확인하게 하는 자기 검증 루프

1. 17세기 유명한 화가 3명과 그들의 대표작을 알려줘.
2. 방금 네가 답변한 내용 중 사실과 다른 부분이 있는지 스스로 검증하는 질문 3개를 던져봐.
3. 그 질문에 답하면서 오류가 있다면 최종적으로 수정된 답변을 줘.

프롬프트 엔지니어링의 핵심

구분 전략 효과

구체성	"짧게 써줘" 대신 "100자 이내로 요약해줘"	모호함 제거 및 의도 반영
순서	중요한 지시는 프롬프트의 맨 끝에 한 번 더 강조	최신 편향(Recency Bias) 활용
반복	"반드시 JSON으로 답해"를 반복 명시	출력 형식 강제력 강화