프롬프트가 단순한 메시지를 넘어서는 이유
Source: Dev.to
프롬프트가 실제로 무엇인가
프롬프트는 LLM이 어떻게 동작할지 안내하기 위해 제공하는 전체 컨텍스트입니다. 이 컨텍스트에는 다음이 포함될 수 있습니다:
- 지시사항
- 규칙 및 제약조건
- 예시
- 출력 형식
- 이전 메시지들
- 시스템‑레벨 가이드
따라서 우리가 “프롬프트”라고 말할 때는 단일 문장을 의미하는 것이 아니라 모델이 생각하고 응답하도록 설정되는 방식을 의미합니다.
Garbage in → Garbage out
Structured prompt → Predictable results
프롬프트 레이어 (시스템, 사용자, 컨텍스트)
프롬프트는 단일 메시지만은 아닙니다. 함께 작동하는 레이어들로 구성됩니다. 대부분의 AI 시스템은 세 가지 핵심 프롬프트 레이어에 의존합니다:
시스템 프롬프트
모델이 전반적으로 어떻게 동작해야 하는지를 정의합니다. 일반적으로 다음을 포함합니다:
- 역할 및 책임
- 어조와 경계
- 포맷 규칙
이 프롬프트는 요청마다 백그라운드에서 활성 상태를 유지합니다.
사용자 프롬프트
작업 자체를 의미합니다. 예시:
- “이 텍스트 요약하기”
- “이 이미지에서 필드 추출하기”
- “JSON 응답 생성하기”
이는 무엇을 해야 하는지에 답하고, 어떻게 행동해야 하는지에 답하지 않습니다.
컨텍스트 프롬프트 / 대화 기록
이전 메시지도 응답에 영향을 미칩니다. 이는 강력하지만 위험하기도 합니다. 이유는:
- 오래된 지시가 새로운 작업에 누출될 수 있음
- 불명확한 컨텍스트가 예상치 못한 출력으로 이어질 수 있음
Prompt Structure Matters
When prompts go beyond simple experiments, structure becomes essential. A well‑structured prompt usually has:
- clear instructions
- explicit constraints
- a defined output format
- optional examples
Unstructured prompts may still work — but they’re fragile and unpredictable. Small wording changes can break output or change behavior. This is where ideas like templates, versions, and testing start to matter — not for complexity, but for stability and control. You don’t need this on day one, but every serious AI feature eventually reaches this point.
실제로 중요한 프롬프트 기법
프롬프트 기법은 두 가지 범주로 나뉩니다. 이 구분은 기법 자체보다 더 중요합니다.
가이드 기법 (모델에 얼마나 보여줄 것인가)
이 기법들은 모델이 작업을 이해하기 위해 예시가 필요한지를 결정합니다.
-
Zero‑shot / Instruction‑based Prompting
설명: 예시 없이 명확한 지시만 제공합니다.
사용 시점: 작업이 일반적이고 모델이 이미 패턴을 이해하고 있을 때.Summarize the following text in one paragraph. Use simple language. -
One‑shot Prompting
설명: 기대되는 패턴을 보여주기 위해 하나의 예시를 제공합니다.
사용 시점: 작업은 간단하지만 형식이나 스타일이 중요한 경우.Input: “Apple released a new product.” Output: “Apple launched a new device this week.” Now summarize the following text in the same way. -
Few‑shot Prompting
설명: 패턴을 강화하기 위해 여러 예시를 제공합니다.
사용 시점: 일관성이 중요하거나 작업이 다소 모호할 때.Example 1 → Input / Output Example 2 → Input / Output Now perform the same transformation. -
Chain of Thought (CoT) Prompting
설명: 모델에게 답변하기 전에 중간 단계들을 명시적으로 추론하도록 요청합니다.
사용 시점: 논리, 추론, 혹은 다단계 결정을 요구하는 작업일 때.Solve this step by step using BODMAS: 2 + 6 × 3
제어 기법 (모델의 행동 방식)
작업이 이해된 후 행동을 형성합니다. 예시:
- 명시적인 단계별 지시
- 엄격한 출력 형식 (JSON, 스키마)
- 제약 조건 (“확실하지 않으면 ‘unknown’이라고 말하세요”)
- 역할 프레이밍 (“당신은 엄격한 리뷰어입니다…”)
가이드와 제어 기법의 차이
두 기법은 다른 문제에 대해 존재합니다.
-
Guidance techniques는 모델이 작업을 이해하도록 돕습니다. 다음 질문에 답합니다:
모델이 이미 이 패턴을 알고 있는가, 아니면 예시를 보여줘야 하는가? -
Control techniques는 작업이 이해된 후 모델의 응답 방식을 형성합니다. 다음 질문에 답합니다:
출력이 얼마나 예측 가능하고, 안전하며, 구조화되어야 하는가?
In practice:
- Guidance = teaching the pattern → 가이드 = 패턴을 가르치는 것
- Control = constraining the behavior → 제어 = 행동을 제한하는 것
두 가지를 동시에 사용할 필요는 없지만, 이를 혼동하면 대부분의 프롬프트 좌절이 발생합니다.
요약
프롬프트는 단순한 메시지가 아닙니다. 그것은:
- 행동 정의
- 구조
- 제약
- 의도 결합
프롬프트를 이렇게 바라보면 AI 시스템이 덜 신비롭고 훨씬 더 제어 가능하게 느껴집니다. 이 개념이 잡히면, 추측을 멈추고 설계에 들어갑니다.