프롬프트 엔지니어링 기초 완벽 가이드

AI와 효과적으로 대화하는 방법을 배웁니다. 명확한 지시문 작성부터 컨텍스트 제공, 예시 활용까지 실무에서 바로 쓸 수 있는 프롬프트 작성 기법을 단계별로 알려드립니다.

1. 프롬프트 엔지니어링이란

신입 개발자 김개발 씨는 최근 회사에서 AI 챗봇 프로젝트를 맡게 되었습니다. ChatGPT를 활용해야 하는데, 같은 질문을 해도 때로는 정확한 답변을, 때로는 엉뚱한 답변을 받습니다.

"왜 이렇게 결과가 들쭉날쭉할까요?" 팀장님이 한마디 하십니다. "프롬프트 엔지니어링을 배워야겠네요."

프롬프트 엔지니어링은 AI 모델에게 원하는 결과를 얻기 위해 효과적인 질문이나 지시문을 설계하는 기술입니다. 마치 숙련된 관리자가 팀원에게 업무를 명확하게 지시하는 것처럼, AI에게도 명확하고 구체적인 지시를 내려야 합니다.

이 기술을 익히면 AI의 응답 품질이 크게 향상되고, 개발 생산성도 함께 올라갑니다.

다음 코드를 살펴봅시다.

# 나쁜 프롬프트 예시
bad_prompt = "코드 작성해줘"

# 좋은 프롬프트 예시
good_prompt = """
Python으로 사용자 인증 API를 작성해주세요.

요구사항:
- Flask 프레임워크 사용
- JWT 토큰 기반 인증
- 이메일과 비밀번호로 로그인
- 응답은 JSON 형식

예시 응답 형식:
{"token": "eyJ...", "user_id": 123}
"""

# 프롬프트에 따라 결과가 달라집니다
print(f"명확한 지시가 좋은 결과를 만듭니다")

김개발 씨는 오늘도 ChatGPT에게 질문을 던집니다. "함수 만들어줘." 그런데 돌아온 답변은 기대와 완전히 다릅니다.

JavaScript로 작성되었고, 원하던 기능도 없습니다. 왜 이런 일이 일어날까요?

옆자리의 선배 개발자 박시니어 씨가 모니터를 들여다봅니다. "프롬프트가 너무 애매해요.

AI는 마음을 읽지 못해요. 명확하게 말해줘야 합니다." 프롬프트 엔지니어링이란 정확히 무엇일까요?

쉽게 비유하자면, 프롬프트 엔지니어링은 마치 외국인 직원에게 업무를 지시하는 것과 같습니다. 같은 한국어를 쓰더라도 문맥을 이해 못할 수 있고, 애매한 표현은 오해를 낳습니다.

그래서 명확하고 구체적으로, 배경 설명을 곁들여 지시해야 합니다. AI도 마찬가지입니다.

프롬프트 엔지니어링은 AI 모델에게 질문하거나 지시할 때, 원하는 결과를 정확하게 얻기 위해 입력문을 전략적으로 설계하는 기술입니다. 왜 이 기술이 필요할까요?

AI 모델이 처음 등장했을 때, 개발자들은 단순히 질문만 던지면 된다고 생각했습니다. 하지만 곧 문제가 드러났습니다.

같은 질문에도 매번 다른 답변이 나오거나, 원하지 않는 형식으로 결과가 나왔습니다. 더 큰 문제는 비용이었습니다.

모호한 프롬프트로 여러 번 시도하다 보면 API 비용이 눈덩이처럼 불어났습니다. 바로 이런 문제를 해결하기 위해 프롬프트 엔지니어링이라는 분야가 탄생했습니다.

프롬프트 엔지니어링을 제대로 활용하면 응답의 정확도가 크게 향상됩니다. 또한 시행착오를 줄여 비용을 절감할 수 있습니다.

무엇보다 개발 생산성이 비약적으로 증가한다는 큰 이점이 있습니다. 위의 코드를 살펴보겠습니다.

먼저 나쁜 프롬프트 예시를 보면 "코드 작성해줘"라는 매우 모호한 지시문입니다. 어떤 언어로?

무슨 기능을? 어떤 형식으로?

아무것도 명시되지 않았습니다. 반면 좋은 프롬프트는 언어, 프레임워크, 구체적 기능, 응답 형식까지 명확하게 제시합니다.

실제 현업에서는 어떻게 활용할까요? 예를 들어 고객 지원 챗봇을 개발한다고 가정해봅시다.

"친절하게 답변해"라는 애매한 프롬프트 대신, "고객의 감정을 공감하며, 3문장 이내로, 해결책을 먼저 제시하는 방식으로 답변해주세요"라고 구체적으로 지시하면 훨씬 일관되고 품질 높은 답변을 얻을 수 있습니다. 네이버, 카카오 같은 대기업에서도 이런 패턴을 적극 활용하고 있습니다.

하지만 주의할 점도 있습니다. 초보자들이 흔히 하는 실수는 프롬프트를 지나치게 길게 작성하는 것입니다.

너무 많은 정보를 한 번에 주면 오히려 AI가 혼란스러워할 수 있습니다. 따라서 핵심 정보만 명확하게 전달하는 것이 중요합니다.

다시 김개발 씨의 이야기로 돌아가봅시다. 박시니어 씨의 조언을 들은 김개발 씨는 프롬프트를 다시 작성했습니다.

"Python Flask로 JWT 인증 API를 만들어주세요. 이메일과 비밀번호를 받아서 토큰을 반환해야 합니다." 이번에는 정확히 원하던 코드가 나왔습니다.

프롬프트 엔지니어링을 제대로 이해하면 AI를 단순한 도구가 아닌 강력한 협업 파트너로 활용할 수 있습니다. 여러분도 오늘 배운 내용을 실제 프로젝트에 적용해보세요.

실전 팁

💡 - 프롬프트는 명확하고 구체적으로 작성합니다

원하는 출력 형식을 미리 명시하면 더 좋은 결과를 얻습니다
여러 번 시도하며 프롬프트를 개선해나가는 것이 핵심입니다

2. 좋은 프롬프트의 구조

김개발 씨는 이제 프롬프트가 중요하다는 것을 알았습니다. 하지만 막상 작성하려니 막막합니다.

"좋은 프롬프트는 어떤 구조로 만들어야 할까요?" 박시니어 씨가 화이트보드에 네 가지 요소를 적기 시작합니다.

좋은 프롬프트는 역할 지정, 작업 설명, 제약 조건, 출력 형식 네 가지 핵심 요소로 구성됩니다. 마치 건축 설계도가 기초, 골조, 마감, 인테리어로 나뉘듯이 프롬프트도 체계적인 구조가 필요합니다.

이 구조를 따르면 누구나 효과적인 프롬프트를 작성할 수 있습니다.

다음 코드를 살펴봅시다.

# 좋은 프롬프트의 4가지 핵심 구조
prompt_structure = """
[1. 역할 지정]
당신은 10년 경력의 Python 백엔드 개발자입니다.

[2. 작업 설명]
사용자 회원가입 API 엔드포인트를 작성해주세요.
이메일 중복 검사와 비밀번호 해싱이 필요합니다.

[3. 제약 조건]
- FastAPI 프레임워크를 사용하세요
- 비밀번호는 bcrypt로 해싱
- 데이터베이스는 PostgreSQL 사용

[4. 출력 형식]
완성된 코드와 함께 각 함수의 역할을 주석으로 설명해주세요.
"""

print("이 구조를 따르면 일관된 고품질 결과를 얻을 수 있습니다")

김개발 씨는 박시니어 씨의 화이트보드를 열심히 적어 내려갑니다. "프롬프트도 구조가 있다니, 마치 코드 작성하는 것 같네요." 박시니어 씨가 고개를 끄덕입니다.

"맞아요. 프롬프트도 일종의 프로그래밍이에요.

체계적으로 작성해야 합니다." 좋은 프롬프트의 구조는 무엇일까요? 쉽게 비유하자면, 좋은 프롬프트는 마치 요리 레시피와 같습니다.

레시피에는 요리사의 수준(초보/전문가), 만들 음식(작업), 재료 제한사항(알레르기 등), 완성 이미지가 모두 담겨 있습니다. 프롬프트도 이렇게 네 가지 요소를 갖춰야 AI가 정확히 이해하고 원하는 결과를 내놓습니다.

첫 번째는 역할 지정입니다. AI에게 어떤 관점에서 답변할지 명확히 알려주는 것입니다.

"당신은 시니어 개발자입니다" 또는 "당신은 초보자를 가르치는 강사입니다"처럼 역할을 부여하면, AI는 그 맥락에 맞는 답변을 생성합니다. 전문가 관점이 필요한지, 초보자 눈높이가 필요한지에 따라 달라집니다.

두 번째는 작업 설명입니다. 무엇을 해야 하는지 구체적으로 기술합니다.

"API를 만들어줘"가 아니라 "사용자 회원가입 API를 작성해주세요. 이메일 중복 검사와 비밀번호 해싱 기능이 포함되어야 합니다"처럼 세부 요구사항까지 명시합니다.

세 번째는 제약 조건입니다. 사용할 기술 스택, 준수해야 할 규칙, 피해야 할 사항 등을 나열합니다.

"FastAPI 사용", "코드 길이는 50줄 이내", "외부 라이브러리 최소화" 같은 조건들이 여기에 해당합니다. 제약 조건이 명확할수록 원하는 결과에 가까워집니다.

네 번째는 출력 형식입니다. 결과물이 어떤 모습이어야 하는지 미리 정의합니다.

"코드만 제공", "코드 + 설명", "단계별 튜토리얼 형식" 등 원하는 포맷을 지정하면 AI는 그 형식에 맞춰 답변합니다. 위의 코드를 단계별로 살펴보겠습니다.

먼저 역할 지정 부분에서 "10년 경력의 Python 백엔드 개발자"라고 명시했습니다. 이렇게 하면 AI는 초보자용이 아닌 실무 수준의 코드를 작성합니다.

다음으로 작업 설명에서는 회원가입 API와 필요한 기능을 구체적으로 나열했습니다. 제약 조건에서는 기술 스택을 명확히 했고, 마지막으로 출력 형식에서는 주석이 포함된 코드를 요청했습니다.

실제 프로젝트에서는 어떻게 쓸까요? 예를 들어 이커머스 플랫폼의 상품 추천 시스템을 개발한다고 해봅시다.

"추천 알고리즘 만들어줘"보다는 "당신은 머신러닝 엔지니어입니다. 사용자의 구매 이력을 기반으로 상품을 추천하는 협업 필터링 알고리즘을 작성해주세요.

Python과 scikit-learn을 사용하고, 코드는 Jupyter Notebook 형식으로 제공해주세요"라고 구조화된 프롬프트를 쓰면 훨씬 정확한 결과를 얻습니다. 주의할 점이 있습니다.

네 가지 요소를 모두 채우려다 보면 프롬프트가 지나치게 길어질 수 있습니다. 상황에 따라 불필요한 요소는 생략하는 것도 전략입니다.

핵심은 AI가 혼란스러워하지 않을 만큼 명확하되, 불필요하게 장황하지 않게 작성하는 균형감입니다. 김개발 씨는 이제 자신 있게 프롬프트를 작성합니다.

역할을 정하고, 작업을 구체화하고, 제약을 명시하고, 출력 형식을 정의합니다. 결과는 놀라웠습니다.

이전보다 훨씬 정확하고 실용적인 코드가 나왔습니다. 좋은 프롬프트 구조를 익히면 AI와의 협업이 한층 수월해집니다.

이 네 가지 요소를 체크리스트처럼 활용해보세요.

실전 팁

💡 - 네 가지 요소를 모두 쓰되, 상황에 따라 생략 가능합니다

역할 지정만 바꿔도 답변의 톤과 깊이가 달라집니다
출력 형식을 예시로 보여주면 더 정확한 결과를 얻습니다

3. 명확한 지시문 작성법

김개발 씨는 구조를 갖춘 프롬프트를 작성했습니다. 하지만 여전히 AI가 엉뚱한 방향으로 답변할 때가 있습니다.

박시니어 씨가 프롬프트를 보더니 말합니다. "지시문이 애매해요.

'잘 만들어줘' 같은 표현은 AI가 해석하기 어렵습니다."

명확한 지시문은 구체적인 동사를 사용하고, 측정 가능한 기준을 제시하며, 애매한 표현을 배제합니다. 마치 법률 문서가 해석의 여지를 최소화하듯이, 프롬프트도 오해의 소지가 없어야 합니다.

명확한 지시문 하나가 수십 번의 재시도를 막아줍니다.

다음 코드를 살펴봅시다.

# 나쁜 지시문 - 애매한 표현
bad_instruction = """
좋은 코드를 작성해주세요.
잘 작동하게 만들어주세요.
"""

# 좋은 지시문 - 명확한 기준
good_instruction = """
다음 요구사항을 충족하는 함수를 작성해주세요:

5. 타입 힌트 포함

김개발 씨는 답답합니다. 분명히 "좋은 코드를 작성해달라"고 했는데 왜 AI는 이해하지 못할까요?

박시니어 씨가 질문을 던집니다. "김 개발님이 생각하는 '좋은 코드'가 뭔가요?" 김개발 씨는 대답을 망설입니다.

"음... 깔끔하고...

효율적이고..." 박시니어 씨가 웃으며 말합니다. "바로 그게 문제예요.

그 기준이 사람마다 다르거든요." 명확한 지시문이란 무엇일까요? 쉽게 비유하자면, 명확한 지시문은 마치 GPS 내비게이션과 같습니다.

"저기 가까운 곳으로 가줘"가 아니라 "서울시 강남구 테헤란로 152번지로 가줘"라고 정확한 주소를 말해야 제대로 도착합니다. 프롬프트도 마찬가지입니다.

"좋게"가 아니라 "어떻게 좋게"를 구체적으로 명시해야 합니다. 첫 번째 원칙은 구체적인 동사 사용입니다.

"만들어줘" 대신 "작성해줘", "생성해줘", "구현해줘"처럼 정확한 동사를 씁니다. "개선해줘"보다는 "리팩토링해줘" 또는 "성능 최적화해줘"가 더 명확합니다.

동사 하나만 바꿔도 AI의 이해도가 크게 달라집니다. 두 번째 원칙은 측정 가능한 기준 제시입니다.

"빠르게"가 아니라 "1초 이내에", "짧게"가 아니라 "50줄 이내로"처럼 숫자로 표현합니다. "간단하게"보다는 "외부 라이브러리 없이 표준 라이브러리만 사용"이 훨씬 명확합니다.

주관적 표현을 객관적 지표로 바꾸는 것이 핵심입니다. 세 번째 원칙은 애매한 표현 배제입니다.

"적절하게", "알아서", "잘" 같은 단어는 금물입니다. 이런 표현은 사람도 해석하기 어려운데 AI는 더욱 혼란스러워합니다.

"적절한 에러 처리"보다는 "try-except로 ValueError와 TypeError를 잡아 로그에 기록"이 정답입니다. 네 번째 원칙은 구체적인 예시 제공입니다.

"이런 식으로"보다는 실제 입력과 출력 예시를 보여줍니다. "입력: [1, 2, 3], 출력: 2.0"처럼 명시하면 AI는 정확히 무엇을 원하는지 이해합니다.

위의 코드를 비교해보겠습니다. 나쁜 지시문은 "좋은", "잘"이라는 주관적 표현만 있습니다.

반면 좋은 지시문은 입력 형식, 출력 기준, 예외 처리 방법, 함수명, 추가 요구사항까지 모두 구체적으로 명시했습니다. AI는 이제 추측할 필요 없이 정확히 따라할 수 있습니다.

실무에서는 어떻게 활용할까요? 예를 들어 데이터 분석 대시보드를 만든다고 가정해봅시다.

"그래프를 예쁘게 그려줘"보다는 "matplotlib을 사용해 선 그래프를 그려주세요. X축은 날짜(YYYY-MM-DD), Y축은 매출액(단위: 만원), 그리드 표시, 범례 위치는 우측 상단"이라고 명확히 지시하면 한 번에 원하는 결과를 얻을 수 있습니다.

흔한 실수가 있습니다. 초보자들은 정중함을 위해 완곡 표현을 씁니다.

"가능하면", "혹시", "괜찮다면" 같은 표현은 불필요합니다. AI는 감정이 없으므로 직설적이고 명령적인 문장이 오히려 더 효과적입니다.

"부담 없이 리팩토링해주세요"보다 "다음 원칙에 따라 리팩토링하세요"가 낫습니다. 김개발 씨는 이제 프롬프트를 다시 작성합니다.

"좋은 회원가입 함수 만들어줘" 대신 "이메일과 비밀번호를 받아 PostgreSQL에 저장하는 register_user 함수를 작성하세요. 이메일 형식 검증, 비밀번호 8자 이상 확인, bcrypt 해싱 적용, 중복 이메일 시 ValueError 발생"이라고 명확히 씁니다.

결과는 극적이었습니다. 단 한 번에 완벽한 코드가 나왔습니다.

명확한 지시문 작성법을 익히면 시행착오가 줄어들고 생산성이 배가 됩니다. "무엇을, 어떻게, 어느 정도로" 세 가지만 기억하세요.

실전 팁

💡 - 주관적 표현(좋게, 잘)을 객관적 기준(50줄 이내, 1초 이내)으로 바꿉니다

구체적인 예시를 포함하면 정확도가 크게 올라갑니다
완곡 표현보다 직설적 명령문이 AI에게 더 효과적입니다

4. 컨텍스트 제공하기

김개발 씨는 이제 명확한 지시문을 작성할 수 있게 되었습니다. 그런데 문제가 생겼습니다.

AI가 만든 코드가 기존 프로젝트 구조와 맞지 않습니다. 박시니어 씨가 말합니다.

"AI에게 프로젝트 배경을 알려주지 않았네요. 컨텍스트를 제공해야 합니다."

컨텍스트는 AI가 상황을 이해하는 데 필요한 배경 정보입니다. 마치 영화를 중간부터 보면 이해하기 어렵듯이, AI도 전후 맥락 없이는 적절한 답변을 만들기 어렵습니다.

프로젝트 구조, 사용 중인 기술 스택, 해결하려는 문제의 배경을 알려주면 훨씬 실용적인 결과를 얻을 수 있습니다.

다음 코드를 살펴봅시다.

# 컨텍스트 없는 프롬프트
no_context = """
데이터베이스 연결 함수를 작성해주세요.
"""

# 컨텍스트가 풍부한 프롬프트
with_context = """
[프로젝트 배경]
FastAPI 기반의 전자상거래 플랫폼을 개발 중입니다.
현재 SQLAlchemy ORM을 사용하고 있으며,
비동기 처리를 위해 asyncpg를 도입했습니다.

[문제 상황]
기존 동기 방식 DB 연결이 성능 병목입니다.
동시 접속자 100명 이상일 때 응답 지연이 발생합니다.

[요청사항]
비동기 데이터베이스 연결 풀을 구현해주세요.
연결 풀 크기는 20, 타임아웃은 30초로 설정합니다.
"""

print("컨텍스트가 풍부할수록 실용적인 답변을 얻습니다")

김개발 씨는 AI에게 "로그인 함수 만들어줘"라고 요청했습니다. 나온 코드는 완벽했지만...

문제가 있었습니다. 프로젝트는 JWT 토큰을 쓰는데 AI는 세션 기반 인증을 만들었습니다.

박시니어 씨가 한숨을 쉽니다. "AI는 우리 프로젝트를 모르잖아요.

처음 보는 사람에게 설명하듯이 배경을 알려줘야 해요." 컨텍스트 제공이란 무엇일까요? 쉽게 비유하자면, 컨텍스트는 마치 의사에게 병원 기록을 보여주는 것과 같습니다.

"배가 아파요"라고만 하면 의사는 수십 가지 가능성을 열어두고 진단합니다. 하지만 "어제 회식에서 과식했고, 평소 위염이 있으며, 진통제는 알레르기가 있습니다"라고 말하면 의사는 정확한 처방을 내립니다.

AI도 마찬가지입니다. 첫 번째 컨텍스트는 프로젝트 구조입니다.

어떤 프레임워크를 쓰는지, 폴더 구조는 어떤지, 주요 라이브러리는 무엇인지 알려줍니다. "Django REST Framework 프로젝트이며, apps/users/ 폴더에 사용자 관련 코드가 있습니다"처럼 구체적으로 명시하면 AI는 기존 구조에 맞는 코드를 생성합니다.

두 번째 컨텍스트는 기술 스택과 제약사항입니다. "Python 3.9 사용", "Redis 캐싱 적용 중", "Docker 컨테이너에서 실행" 같은 정보는 AI가 호환되는 코드를 작성하는 데 필수적입니다.

특히 버전 정보가 중요합니다. Python 3.9와 3.11은 문법이 다를 수 있기 때문입니다.

세 번째 컨텍스트는 문제 상황과 목표입니다. 왜 이 코드가 필요한지, 어떤 문제를 해결하려는지 설명합니다.

"현재 API 응답 시간이 3초인데 1초로 단축하고 싶습니다"라고 배경을 알려주면, AI는 성능 최적화에 초점을 맞춘 솔루션을 제시합니다. 네 번째 컨텍스트는 기존 코드 스타일입니다.

팀의 코딩 컨벤션, 네이밍 규칙, 주석 스타일 등을 알려주면 AI는 그에 맞춰 코드를 생성합니다. "함수명은 스네이크 케이스, 클래스명은 파스칼 케이스 사용"처럼 명시합니다.

위의 코드를 비교해보겠습니다. 컨텍스트 없는 프롬프트는 단순히 "데이터베이스 연결 함수"만 요청했습니다.

AI는 가장 일반적인 동기 방식 코드를 만들 것입니다. 반면 컨텍스트가 풍부한 프롬프트는 FastAPI, 비동기, 성능 병목이라는 배경을 제공했습니다.

AI는 이제 정확히 상황에 맞는 비동기 연결 풀 코드를 작성할 수 있습니다. 실무에서 어떻게 활용할까요?

예를 들어 레거시 시스템을 마이크로서비스로 전환하는 프로젝트를 진행 중이라고 가정해봅시다. "API Gateway 만들어줘"보다는 "현재 모놀리식 Django 앱(5년 운영)을 FastAPI 마이크로서비스로 전환 중입니다.

기존 인증은 세션 방식이지만 신규 서비스는 JWT를 사용합니다. 두 방식을 모두 지원하는 API Gateway를 구현해주세요"라고 컨텍스트를 제공하면 훨씬 실용적인 솔루션을 얻습니다.

주의할 점이 있습니다. 너무 많은 컨텍스트는 오히려 독이 됩니다.

핵심 정보만 간추려서 제공하는 것이 중요합니다. 5년 프로젝트 히스토리를 모두 설명할 필요는 없습니다.

현재 해결하려는 문제와 직접 관련된 정보만 선별하세요. 김개발 씨는 이제 프롬프트에 컨텍스트를 추가합니다.

"우리 프로젝트는 Next.js 14 App Router를 사용하고, 상태 관리는 Zustand, API는 FastAPI입니다. 현재 사용자 프로필 페이지를 만들고 있고, 프로필 이미지 업로드 기능이 필요합니다." AI는 이제 Next.js에 맞는 클라이언트 코드와 FastAPI 엔드포인트를 함께 제공했습니다.

프로젝트에 바로 적용할 수 있는 수준이었습니다. 컨텍스트 제공은 AI를 팀원처럼 활용하는 비결입니다.

신입 개발자에게 온보딩하듯이 프로젝트 배경을 친절히 설명해보세요.

실전 팁

💡 - 프로젝트 구조, 기술 스택, 문제 배경을 간추려 제공합니다

버전 정보는 매우 중요합니다 (Python 3.9 vs 3.11)
핵심 정보만 선별하고, 불필요한 배경은 생략합니다

5. 예시 포함하기

김개발 씨는 컨텍스트를 제공했는데도 결과가 미묘하게 다릅니다. 박시니어 씨가 묻습니다.

"원하는 출력이 정확히 어떤 모습인가요?" 김개발 씨는 설명하려다 막힙니다. 박시니어 씨가 말합니다.

"말로 설명하기 어려우면 예시를 보여주세요. 백 마디 설명보다 한 가지 예시가 낫습니다."

예시는 AI가 원하는 결과를 정확히 이해하게 만드는 가장 강력한 도구입니다. 마치 디자이너에게 레퍼런스 이미지를 보여주듯이, AI에게도 입력과 출력의 구체적인 예시를 제공하면 오해의 여지가 사라집니다.

이를 퓨샷 러닝이라고 부르며, 프롬프트 엔지니어링의 핵심 기법입니다.

다음 코드를 살펴봅시다.

# 예시 없는 프롬프트
no_example = """
이메일 주소를 파싱하는 함수를 작성해주세요.
"""

# 예시를 포함한 프롬프트
with_example = """
이메일 주소에서 사용자명과 도메인을 추출하는 함수를 작성해주세요.

예시 1:
입력: "user@example.com"
출력: {"username": "user", "domain": "example.com"}

예시 2:
입력: "john.doe@company.co.kr"
출력: {"username": "john.doe", "domain": "company.co.kr"}

예시 3 (잘못된 형식):
입력: "invalid-email"
출력: {"error": "Invalid email format"}
"""

print("예시는 설명보다 강력합니다")

김개발 씨는 "날짜 형식을 변환하는 함수"를 요청했습니다. AI가 만든 함수는 작동했지만 형식이 달랐습니다.

"2024-01-15"를 원했는데 "15/01/2024"가 나왔습니다. 박시니어 씨가 조언합니다.

"입력과 출력 예시를 3개 정도 보여주세요. 말로 설명하는 것보다 100배 빠릅니다." 예시 포함하기란 무엇일까요?

쉽게 비유하자면, 예시는 마치 요리할 때 완성 사진을 보여주는 것과 같습니다. "스파게티를 만들어줘"라고만 하면 토마토 소스일지 크림 소스일지 알 수 없습니다.

하지만 완성된 까르보나라 사진을 보여주면 정확히 어떤 요리를 원하는지 알 수 있습니다. 프롬프트에서도 입력과 출력의 실제 예시를 제공하는 것이 핵심입니다.

퓨샷 러닝이라는 개념이 있습니다. 제로샷은 예시 없이, 원샷은 예시 1개, 퓨샷은 예시 2-3개를 제공하는 방식입니다.

연구 결과에 따르면 퓨샷 러닝은 제로샷 대비 정확도가 30-50% 향상됩니다. 특히 복잡한 형식 변환이나 데이터 파싱 작업에서 효과가 큽니다.

첫 번째 원칙은 정상 케이스 예시입니다. 가장 일반적이고 전형적인 입력과 출력을 보여줍니다.

"user@example.com"처럼 표준적인 형태를 예시로 들면 AI는 기본 패턴을 학습합니다. 두 번째 원칙은 엣지 케이스 예시입니다.

특이한 상황도 포함합니다. "john.doe@company.co.kr"처럼 점이나 하이픈이 포함된 경우, 또는 국가 코드가 있는 도메인 같은 복잡한 케이스를 보여주면 AI는 예외 상황도 처리하는 코드를 작성합니다.

세 번째 원칙은 에러 케이스 예시입니다. 잘못된 입력에 대한 처리 방법도 예시로 제공합니다.

"invalid-email"을 입력했을 때 어떤 에러 메시지를 반환해야 하는지 보여주면 AI는 적절한 예외 처리 로직을 추가합니다. 네 번째 원칙은 다양성 확보입니다.

예시는 최소 2-3개가 적절합니다. 1개만 제공하면 AI가 과적합될 수 있고, 5개 이상은 불필요합니다.

2-3개면 패턴을 파악하기에 충분합니다. 위의 코드를 살펴보겠습니다.

예시 없는 프롬프트는 "파싱하는 함수"라는 추상적인 요청만 있습니다. AI는 다양한 방식으로 해석할 수 있습니다.

반면 예시를 포함한 프롬프트는 세 가지 케이스를 제시했습니다. 정상 케이스, 복잡한 케이스, 에러 케이스까지 커버하므로 AI는 정확히 어떤 출력을 원하는지 이해합니다.

실무에서는 어떻게 쓸까요? 예를 들어 로그 파일을 파싱하는 도구를 만든다고 가정해봅시다.

"로그를 JSON으로 변환해줘"보다는 실제 로그 라인 3개와 원하는 JSON 출력을 예시로 보여주는 것이 훨씬 효과적입니다. "[2024-01-15 10:30:25] ERROR: Connection timeout" → {"timestamp": "2024-01-15 10:30:25", "level": "ERROR", "message": "Connection timeout"}처럼 명시하면 AI는 정확히 파싱 규칙을 이해합니다.

흔한 실수가 있습니다. 초보자들은 너무 단순한 예시만 제공합니다.

"1+1=2"처럼 쉬운 케이스만 보여주면 AI는 복잡한 상황을 처리하지 못합니다. 반드시 실제 프로덕션 데이터와 유사한 복잡도의 예시를 포함하세요.

또 다른 실수는 예시와 설명의 불일치입니다. 텍스트로는 "소수점 둘째 자리까지"라고 했는데 예시에서는 "2.5"처럼 첫째 자리만 보여주면 AI는 혼란스러워합니다.

예시와 설명이 일치하는지 꼭 확인하세요. 김개발 씨는 이제 프롬프트에 구체적인 예시를 추가합니다.

"사용자 입력을 검증하는 함수를 만들어주세요. 예시 1: '홍길동' → 유효, 예시 2: 'ab' → 무효 (2자 이하), 예시 3: '가나다라마바사아자차카' → 무효 (10자 초과)" AI는 즉시 2자 초과 10자 이하를 검증하는 정확한 코드를 만들었습니다.

한 번에 성공했습니다. 예시는 프롬프트 엔지니어링의 치트키입니다.

복잡한 설명 대신 2-3개의 명확한 예시를 제공해보세요.

실전 팁

💡 - 정상 케이스, 엣지 케이스, 에러 케이스를 모두 포함합니다

예시는 2-3개가 적절합니다 (1개는 부족, 5개는 과도)
예시의 복잡도는 실제 프로덕션 데이터와 비슷해야 합니다

6. 프롬프트 반복 개선

김개발 씨는 이제 꽤 괜찮은 프롬프트를 작성할 수 있게 되었습니다. 하지만 여전히 한 번에 완벽한 결과를 얻지는 못합니다.

박시니어 씨가 말합니다. "프롬프트도 코드처럼 반복해서 개선해야 해요.

한 번에 완벽할 수는 없습니다."

프롬프트 반복 개선은 초기 프롬프트를 작성한 후, 결과를 분석하고, 문제점을 파악해, 점진적으로 수정하는 과정입니다. 마치 코드 리팩토링처럼 프롬프트도 버전을 관리하고 개선해야 합니다.

좋은 프롬프트는 만들어지는 것이 아니라 길러지는 것입니다.

다음 코드를 살펴봅시다.

# 프롬프트 개선 프로세스
iteration_process = """
[버전 1.0 - 초기]
"회원가입 API 만들어줘"
→ 결과: 너무 간단한 코드, 검증 없음

[버전 2.0 - 요구사항 추가]
"이메일과 비밀번호로 회원가입하는 FastAPI 엔드포인트를 작성해주세요.
이메일 형식 검증과 비밀번호 해싱이 필요합니다."
→ 결과: 개선됐지만 에러 처리 부족

[버전 3.0 - 에러 처리 명시]
"다음 요구사항을 충족하는 회원가입 API를 작성해주세요:
- FastAPI 프레임워크, PostgreSQL 연결
- 이메일 형식 검증 (정규식), 중복 시 409 에러
- 비밀번호 8자 이상, bcrypt 해싱
- 성공 시 201, 실패 시 400 반환"
→ 결과: 프로덕션 수준의 완성도
"""

print("프롬프트는 반복적으로 개선됩니다")

김개발 씨는 첫 프롬프트로 원하던 결과를 얻지 못했습니다. 실망스럽습니다.

박시니어 씨가 위로합니다. "당연해요.

첫 시도에 완벽한 프롬프트를 만드는 사람은 없어요." 박시니어 씨는 자신의 노트북을 보여줍니다. 거기에는 "프롬프트 v1", "프롬프트 v2", "프롬프트 v3"이라는 파일들이 있습니다.

"저도 항상 여러 번 수정해요. 프롬프트도 코드처럼 버전 관리를 하는 거예요." 프롬프트 반복 개선이란 무엇일까요?

쉽게 비유하자면, 프롬프트 개선은 마치 조각가가 돌을 깎아 작품을 만드는 것과 같습니다. 처음에는 거친 형태로 시작해서, 조금씩 다듬고, 세밀한 부분을 손보고, 마지막에 광을 내듯이, 프롬프트도 점진적으로 완성도를 높여갑니다.

한 번에 완벽을 추구하기보다 빠르게 시작하고 계속 개선하는 것이 핵심입니다. 첫 번째 단계는 간단하게 시작하기입니다.

완벽한 프롬프트를 처음부터 만들려고 하지 마세요. "회원가입 API 만들어줘"처럼 간단히 시작합니다.

결과를 보고 무엇이 부족한지 파악하는 것이 먼저입니다. 두 번째 단계는 문제점 분석하기입니다.

AI의 답변을 꼼꼼히 검토합니다. 빠진 기능이 있나요?

형식이 다른가요? 에러 처리가 없나요?

구체적으로 무엇이 문제인지 리스트를 만듭니다. "이메일 검증 없음", "에러 응답 형식 불일치", "비동기 처리 누락" 같은 식으로 적습니다.

세 번째 단계는 프롬프트에 구체성 추가하기입니다. 문제점을 하나씩 프롬프트에 반영합니다.

"이메일 검증이 필요합니다"를 추가하고 다시 실행합니다. 결과가 개선되었나요?

그럼 다음 문제로 넘어갑니다. 이렇게 점진적으로 요구사항을 추가합니다.

네 번째 단계는 예시와 제약 보강하기입니다. 아직도 원하는 결과가 나오지 않으면 구체적인 예시를 추가합니다.

입력과 출력 샘플, 에러 케이스, 성공 응답 형식 등을 명시합니다. 다섯 번째 단계는 버전 관리하기입니다.

각 버전의 프롬프트를 파일로 저장하거나 주석으로 남깁니다. "v1: 기본 구조", "v2: 검증 추가", "v3: 에러 처리 보강"처럼 기록하면 나중에 비슷한 작업을 할 때 재사용할 수 있습니다.

위의 코드를 단계별로 살펴보겠습니다. 버전 1.0은 너무 간단해서 실무에 쓸 수 없었습니다.

버전 2.0에서는 기술 스택과 핵심 기능을 명시했습니다. 개선되었지만 에러 처리가 빠졌습니다.

버전 3.0에서는 에러 상황과 HTTP 상태 코드까지 구체화했습니다. 이제 프로덕션에 바로 적용할 수 있는 수준입니다.

실무에서 어떻게 활용할까요? 예를 들어 데이터 분석 리포트 자동화를 개발한다고 가정해봅시다.

처음에는 "판매 데이터 분석해줘"로 시작합니다. 결과가 부족하면 "2024년 1월 판매 데이터를 분석해 월별 추이, 상위 제품 5개, 지역별 매출을 포함한 리포트를 작성해주세요"로 개선합니다.

여전히 형식이 안 맞으면 "결과는 마크다운 표 형식으로, 그래프는 matplotlib 코드로 제공해주세요"를 추가합니다. 이렇게 3-4번 반복하면 재사용 가능한 프롬프트 템플릿이 완성됩니다.

주의할 점이 있습니다. 무작정 요구사항을 늘리는 것은 좋지 않습니다.

최소한의 명확성을 유지하되, 불필요한 제약은 오히려 AI의 창의성을 제한할 수 있습니다. 균형을 맞추는 것이 중요합니다.

또 다른 실수는 동시에 여러 가지를 변경하는 것입니다. 한 번에 한 가지 요소만 수정하고 결과를 확인해야 무엇이 효과적인지 알 수 있습니다.

마치 A/B 테스트처럼 변수를 하나씩 조정하세요. 김개발 씨는 이제 프롬프트를 버전별로 관리합니다.

노션에 "프롬프트 라이브러리"를 만들어 자주 쓰는 패턴을 모아둡니다. "API 엔드포인트 생성용", "데이터베이스 쿼리 최적화용", "테스트 코드 작성용"으로 분류했습니다.

몇 주 후, 김개발 씨는 팀 회의에서 자신의 프롬프트 라이브러리를 공유했습니다. 팀원들이 감탄했습니다.

"이거 우리 팀 표준으로 쓰면 좋겠어요!" 박시니어 씨가 뿌듯하게 웃습니다. 프롬프트 반복 개선은 장인정신입니다.

처음부터 완벽을 추구하지 말고, 빠르게 시작해서 계속 다듬어가세요.

실전 팁

💡 - 간단하게 시작하고 점진적으로 개선합니다 (v1 → v2 → v3)

각 버전의 프롬프트를 저장해 재사용 가능한 템플릿을 만듭니다
한 번에 한 가지 요소만 변경해 효과를 측정합니다

이상으로 학습을 마칩니다. 위 내용을 직접 코드로 작성해보면서 익혀보세요!

#Python#PromptEngineering#AI#ChatGPT#LLM#AWS

프롬프트 엔지니어링 기초 완벽 가이드

# 프롬프트 엔지니어링 기초 완벽 가이드 AI와 효과적으로 대화하는 방법을 배웁니다. 명확한 지시문 작성부터 컨텍스트 제공, 예시 활용까지 실무에서 바로 쓸 수 있는 프롬프트 작성 기법을 단계별로 알려드립니다. --- ## 목차 1. [프롬프트_엔지니어링이란](#프롬프트-엔지니어링이란) 2. [좋은_프롬프트의_구조](#좋은-프롬프트의-구조) 3. [명확한_지시문_작성법](#명확한-지시문-작성법) 5. [타입 힌트 포함](#타입-힌트-포함) 4. [컨텍스트_제공하기](#컨텍스트-제공하기) 5. [예시_포함하기](#예시-포함하기) 6. [프롬프트_반복_개선](#프롬프트-반복-개선) --- ## 1. 프롬프트_엔지니어링이란 신입 개발자 김개발 씨는 최근 회사에서 AI 챗봇 프로젝트를 맡게 되었습니다. ChatGPT를 활용해야 하는데, 같은 질문을 해도 때로는 정확한 답변을, 때로는 엉뚱한 답변을 받습니다. "왜 이렇게 결과가 들쭉날쭉할까요?" 팀장님이 한마디 하십니다. "프롬프트 엔지니어링을 배워야겠네요." 프롬프트 엔지니어링은 AI 모델에게 원하는 결과를 얻기 위해 효과적인 질문이나 지시문을 설계하는 기술입니다. 마치 숙련된 관리자가 팀원에게 업무를 명확하게 지시하는 것처럼, AI에게도 명확하고 구체적인 지시를 내려야 합니다. 이 기술을 익히면 AI의 응답 품질이 크게 향상되고, 개발 생산성도 함께 올라갑니다. 다음 코드를 살펴봅시다. ```python # 나쁜 프롬프트 예시 bad_prompt = "코드 작성해줘" # 좋은 프롬프트 예시 good_prompt = """ Python으로 사용자 인증 API를 작성해주세요. 요구사항: - Flask 프레임워크 사용 - JWT 토큰 기반 인증 - 이메일과 비밀번호로 로그인 - 응답은 JSON 형식 예시 응답 형식: {"token": "eyJ...", "user_id": 123} """ # 프롬프트에 따라 결과가 달라집니다 print(f"명확한 지시가 좋은 결과를 만듭니다") ``` 김개발 씨는 오늘도 ChatGPT에게 질문을 던집니다. "함수 만들어줘." 그런데 돌아온 답변은 기대와 완전히 다릅니다. JavaScript로 작성되었고, 원하던 기능도 없습니다. 왜 이런 일이 일어날까요? 옆자리의 선배 개발자 박시니어 씨가 모니터를 들여다봅니다. "프롬프트가 너무 애매해요. AI는 마음을 읽지 못해요. 명확하게 말해줘야 합니다." **프롬프트 엔지니어링**이란 정확히 무엇일까요? 쉽게 비유하자면, 프롬프트 엔지니어링은 마치 외국인 직원에게 업무를 지시하는 것과 같습니다. 같은 한국어를 쓰더라도 문맥을 이해 못할 수 있고, 애매한 표현은 오해를 낳습니다. 그래서 명확하고 구체적으로, 배경 설명을 곁들여 지시해야 합니다. AI도 마찬가지입니다. **프롬프트 엔지니어링**은 AI 모델에게 질문하거나 지시할 때, 원하는 결과를 정확하게 얻기 위해 입력문을 전략적으로 설계하는 기술입니다. 왜 이 기술이 필요할까요? AI 모델이 처음 등장했을 때, 개발자들은 단순히 질문만 던지면 된다고 생각했습니다. 하지만 곧 문제가 드러났습니다. 같은 질문에도 매번 다른 답변이 나오거나, 원하지 않는 형식으로 결과가 나왔습니다. 더 큰 문제는 비용이었습니다. 모호한 프롬프트로 여러 번 시도하다 보면 API 비용이 눈덩이처럼 불어났습니다. 바로 이런 문제를 해결하기 위해 **프롬프트 엔지니어링**이라는 분야가 탄생했습니다. 프롬프트 엔지니어링을 제대로 활용하면 **응답의 정확도**가 크게 향상됩니다. 또한 **시행착오를 줄여 비용을 절감**할 수 있습니다. 무엇보다 **개발 생산성이 비약적으로 증가**한다는 큰 이점이 있습니다. 위의 코드를 살펴보겠습니다. 먼저 나쁜 프롬프트 예시를 보면 "코드 작성해줘"라는 매우 모호한 지시문입니다. 어떤 언어로? 무슨 기능을? 어떤 형식으로? 아무것도 명시되지 않았습니다. 반면 좋은 프롬프트는 언어, 프레임워크, 구체적 기능, 응답 형식까지 명확하게 제시합니다. 실제 현업에서는 어떻게 활용할까요? 예를 들어 고객 지원 챗봇을 개발한다고 가정해봅시다. "친절하게 답변해"라는 애매한 프롬프트 대신, "고객의 감정을 공감하며, 3문장 이내로, 해결책을 먼저 제시하는 방식으로 답변해주세요"라고 구체적으로 지시하면 훨씬 일관되고 품질 높은 답변을 얻을 수 있습니다. 네이버, 카카오 같은 대기업에서도 이런 패턴을 적극 활용하고 있습니다. 하지만 주의할 점도 있습니다. 초보자들이 흔히 하는 실수는 **프롬프트를 지나치게 길게 작성**하는 것입니다. 너무 많은 정보를 한 번에 주면 오히려 AI가 혼란스러워할 수 있습니다. 따라서 **핵심 정보만 명확하게 전달**하는 것이 중요합니다. 다시 김개발 씨의 이야기로 돌아가봅시다. 박시니어 씨의 조언을 들은 김개발 씨는 프롬프트를 다시 작성했습니다. "Python Flask로 JWT 인증 API를 만들어주세요. 이메일과 비밀번호를 받아서 토큰을 반환해야 합니다." 이번에는 정확히 원하던 코드가 나왔습니다. 프롬프트 엔지니어링을 제대로 이해하면 AI를 단순한 도구가 아닌 **강력한 협업 파트너**로 활용할 수 있습니다. 여러분도 오늘 배운 내용을 실제 프로젝트에 적용해보세요. **실전 팁** 💡 - 프롬프트는 명확하고 구체적으로 작성합니다 - 원하는 출력 형식을 미리 명시하면 더 좋은 결과를 얻습니다 - 여러 번 시도하며 프롬프트를 개선해나가는 것이 핵심입니다 --- ## 2. 좋은_프롬프트의_구조 김개발 씨는 이제 프롬프트가 중요하다는 것을 알았습니다. 하지만 막상 작성하려니 막막합니다. "좋은 프롬프트는 어떤 구조로 만들어야 할까요?" 박시니어 씨가 화이트보드에 네 가지 요소를 적기 시작합니다. 좋은 프롬프트는 **역할 지정**, **작업 설명**, **제약 조건**, **출력 형식** 네 가지 핵심 요소로 구성됩니다. 마치 건축 설계도가 기초, 골조, 마감, 인테리어로 나뉘듯이 프롬프트도 체계적인 구조가 필요합니다. 이 구조를 따르면 누구나 효과적인 프롬프트를 작성할 수 있습니다. 다음 코드를 살펴봅시다. ```python # 좋은 프롬프트의 4가지 핵심 구조 prompt_structure = """ [1. 역할 지정] 당신은 10년 경력의 Python 백엔드 개발자입니다. [2. 작업 설명] 사용자 회원가입 API 엔드포인트를 작성해주세요. 이메일 중복 검사와 비밀번호 해싱이 필요합니다. [3. 제약 조건] - FastAPI 프레임워크를 사용하세요 - 비밀번호는 bcrypt로 해싱 - 데이터베이스는 PostgreSQL 사용 [4. 출력 형식] 완성된 코드와 함께 각 함수의 역할을 주석으로 설명해주세요. """ print("이 구조를 따르면 일관된 고품질 결과를 얻을 수 있습니다") ``` 김개발 씨는 박시니어 씨의 화이트보드를 열심히 적어 내려갑니다. "프롬프트도 구조가 있다니, 마치 코드 작성하는 것 같네요." 박시니어 씨가 고개를 끄덕입니다. "맞아요. 프롬프트도 일종의 프로그래밍이에요. 체계적으로 작성해야 합니다." 좋은 프롬프트의 구조는 무엇일까요? 쉽게 비유하자면, 좋은 프롬프트는 마치 요리 레시피와 같습니다. 레시피에는 요리사의 수준(초보/전문가), 만들 음식(작업), 재료 제한사항(알레르기 등), 완성 이미지가 모두 담겨 있습니다. 프롬프트도 이렇게 네 가지 요소를 갖춰야 AI가 정확히 이해하고 원하는 결과를 내놓습니다. 첫 번째는 **역할 지정**입니다. AI에게 어떤 관점에서 답변할지 명확히 알려주는 것입니다. "당신은 시니어 개발자입니다" 또는 "당신은 초보자를 가르치는 강사입니다"처럼 역할을 부여하면, AI는 그 맥락에 맞는 답변을 생성합니다. 전문가 관점이 필요한지, 초보자 눈높이가 필요한지에 따라 달라집니다. 두 번째는 **작업 설명**입니다. 무엇을 해야 하는지 구체적으로 기술합니다. "API를 만들어줘"가 아니라 "사용자 회원가입 API를 작성해주세요. 이메일 중복 검사와 비밀번호 해싱 기능이 포함되어야 합니다"처럼 세부 요구사항까지 명시합니다. 세 번째는 **제약 조건**입니다. 사용할 기술 스택, 준수해야 할 규칙, 피해야 할 사항 등을 나열합니다. "FastAPI 사용", "코드 길이는 50줄 이내", "외부 라이브러리 최소화" 같은 조건들이 여기에 해당합니다. 제약 조건이 명확할수록 원하는 결과에 가까워집니다. 네 번째는 **출력 형식**입니다. 결과물이 어떤 모습이어야 하는지 미리 정의합니다. "코드만 제공", "코드 + 설명", "단계별 튜토리얼 형식" 등 원하는 포맷을 지정하면 AI는 그 형식에 맞춰 답변합니다. 위의 코드를 단계별로 살펴보겠습니다. 먼저 역할 지정 부분에서 "10년 경력의 Python 백엔드 개발자"라고 명시했습니다. 이렇게 하면 AI는 초보자용이 아닌 실무 수준의 코드를 작성합니다. 다음으로 작업 설명에서는 회원가입 API와 필요한 기능을 구체적으로 나열했습니다. 제약 조건에서는 기술 스택을 명확히 했고, 마지막으로 출력 형식에서는 주석이 포함된 코드를 요청했습니다. 실제 프로젝트에서는 어떻게 쓸까요? 예를 들어 이커머스 플랫폼의 상품 추천 시스템을 개발한다고 해봅시다. "추천 알고리즘 만들어줘"보다는 "당신은 머신러닝 엔지니어입니다. 사용자의 구매 이력을 기반으로 상품을 추천하는 협업 필터링 알고리즘을 작성해주세요. Python과 scikit-learn을 사용하고, 코드는 Jupyter Notebook 형식으로 제공해주세요"라고 구조화된 프롬프트를 쓰면 훨씬 정확한 결과를 얻습니다. 주의할 점이 있습니다. 네 가지 요소를 모두 채우려다 보면 프롬프트가 지나치게 길어질 수 있습니다. 상황에 따라 불필요한 요소는 생략하는 것도 전략입니다. 핵심은 **AI가 혼란스러워하지 않을 만큼 명확하되, 불필요하게 장황하지 않게** 작성하는 균형감입니다. 김개발 씨는 이제 자신 있게 프롬프트를 작성합니다. 역할을 정하고, 작업을 구체화하고, 제약을 명시하고, 출력 형식을 정의합니다. 결과는 놀라웠습니다. 이전보다 훨씬 정확하고 실용적인 코드가 나왔습니다. 좋은 프롬프트 구조를 익히면 AI와의 협업이 한층 수월해집니다. 이 네 가지 요소를 체크리스트처럼 활용해보세요. **실전 팁** 💡 - 네 가지 요소를 모두 쓰되, 상황에 따라 생략 가능합니다 - 역할 지정만 바꿔도 답변의 톤과 깊이가 달라집니다 - 출력 형식을 예시로 보여주면 더 정확한 결과를 얻습니다 --- ## 3. 명확한_지시문_작성법 김개발 씨는 구조를 갖춘 프롬프트를 작성했습니다. 하지만 여전히 AI가 엉뚱한 방향으로 답변할 때가 있습니다. 박시니어 씨가 프롬프트를 보더니 말합니다. "지시문이 애매해요. '잘 만들어줘' 같은 표현은 AI가 해석하기 어렵습니다." 명확한 지시문은 **구체적인 동사**를 사용하고, **측정 가능한 기준**을 제시하며, **애매한 표현을 배제**합니다. 마치 법률 문서가 해석의 여지를 최소화하듯이, 프롬프트도 오해의 소지가 없어야 합니다. 명확한 지시문 하나가 수십 번의 재시도를 막아줍니다. 다음 코드를 살펴봅시다. ```python # 나쁜 지시문 - 애매한 표현 bad_instruction = """ 좋은 코드를 작성해주세요. 잘 작동하게 만들어주세요. """ # 좋은 지시문 - 명확한 기준 good_instruction = """ 다음 요구사항을 충족하는 함수를 작성해주세요: ``` --- ## 5. 타입 힌트 포함 김개발 씨는 답답합니다. 분명히 "좋은 코드를 작성해달라"고 했는데 왜 AI는 이해하지 못할까요? 박시니어 씨가 질문을 던집니다. "김 개발님이 생각하는 '좋은 코드'가 뭔가요?" 김개발 씨는 대답을 망설입니다. "음... 깔끔하고... 효율적이고..." 박시니어 씨가 웃으며 말합니다. "바로 그게 문제예요. 그 기준이 사람마다 다르거든요." **명확한 지시문**이란 무엇일까요? 쉽게 비유하자면, 명확한 지시문은 마치 GPS 내비게이션과 같습니다. "저기 가까운 곳으로 가줘"가 아니라 "서울시 강남구 테헤란로 152번지로 가줘"라고 정확한 주소를 말해야 제대로 도착합니다. 프롬프트도 마찬가지입니다. "좋게"가 아니라 "어떻게 좋게"를 구체적으로 명시해야 합니다. 첫 번째 원칙은 **구체적인 동사 사용**입니다. "만들어줘" 대신 "작성해줘", "생성해줘", "구현해줘"처럼 정확한 동사를 씁니다. "개선해줘"보다는 "리팩토링해줘" 또는 "성능 최적화해줘"가 더 명확합니다. 동사 하나만 바꿔도 AI의 이해도가 크게 달라집니다. 두 번째 원칙은 **측정 가능한 기준 제시**입니다. "빠르게"가 아니라 "1초 이내에", "짧게"가 아니라 "50줄 이내로"처럼 숫자로 표현합니다. "간단하게"보다는 "외부 라이브러리 없이 표준 라이브러리만 사용"이 훨씬 명확합니다. 주관적 표현을 객관적 지표로 바꾸는 것이 핵심입니다. 세 번째 원칙은 **애매한 표현 배제**입니다. "적절하게", "알아서", "잘" 같은 단어는 금물입니다. 이런 표현은 사람도 해석하기 어려운데 AI는 더욱 혼란스러워합니다. "적절한 에러 처리"보다는 "try-except로 ValueError와 TypeError를 잡아 로그에 기록"이 정답입니다. 네 번째 원칙은 **구체적인 예시 제공**입니다. "이런 식으로"보다는 실제 입력과 출력 예시를 보여줍니다. "입력: [1, 2, 3], 출력: 2.0"처럼 명시하면 AI는 정확히 무엇을 원하는지 이해합니다. 위의 코드를 비교해보겠습니다. 나쁜 지시문은 "좋은", "잘"이라는 주관적 표현만 있습니다. 반면 좋은 지시문은 입력 형식, 출력 기준, 예외 처리 방법, 함수명, 추가 요구사항까지 모두 구체적으로 명시했습니다. AI는 이제 추측할 필요 없이 정확히 따라할 수 있습니다. 실무에서는 어떻게 활용할까요? 예를 들어 데이터 분석 대시보드를 만든다고 가정해봅시다. "그래프를 예쁘게 그려줘"보다는 "matplotlib을 사용해 선 그래프를 그려주세요. X축은 날짜(YYYY-MM-DD), Y축은 매출액(단위: 만원), 그리드 표시, 범례 위치는 우측 상단"이라고 명확히 지시하면 한 번에 원하는 결과를 얻을 수 있습니다. 흔한 실수가 있습니다. 초보자들은 **정중함을 위해 완곡 표현**을 씁니다. "가능하면", "혹시", "괜찮다면" 같은 표현은 불필요합니다. AI는 감정이 없으므로 직설적이고 명령적인 문장이 오히려 더 효과적입니다. "부담 없이 리팩토링해주세요"보다 "다음 원칙에 따라 리팩토링하세요"가 낫습니다. 김개발 씨는 이제 프롬프트를 다시 작성합니다. "좋은 회원가입 함수 만들어줘" 대신 "이메일과 비밀번호를 받아 PostgreSQL에 저장하는 register_user 함수를 작성하세요. 이메일 형식 검증, 비밀번호 8자 이상 확인, bcrypt 해싱 적용, 중복 이메일 시 ValueError 발생"이라고 명확히 씁니다. 결과는 극적이었습니다. 단 한 번에 완벽한 코드가 나왔습니다. 명확한 지시문 작성법을 익히면 시행착오가 줄어들고 생산성이 배가 됩니다. "무엇을, 어떻게, 어느 정도로" 세 가지만 기억하세요. **실전 팁** 💡 - 주관적 표현(좋게, 잘)을 객관적 기준(50줄 이내, 1초 이내)으로 바꿉니다 - 구체적인 예시를 포함하면 정확도가 크게 올라갑니다 - 완곡 표현보다 직설적 명령문이 AI에게 더 효과적입니다 --- ## 4. 컨텍스트_제공하기 김개발 씨는 이제 명확한 지시문을 작성할 수 있게 되었습니다. 그런데 문제가 생겼습니다. AI가 만든 코드가 기존 프로젝트 구조와 맞지 않습니다. 박시니어 씨가 말합니다. "AI에게 프로젝트 배경을 알려주지 않았네요. 컨텍스트를 제공해야 합니다." 컨텍스트는 AI가 상황을 이해하는 데 필요한 **배경 정보**입니다. 마치 영화를 중간부터 보면 이해하기 어렵듯이, AI도 전후 맥락 없이는 적절한 답변을 만들기 어렵습니다. 프로젝트 구조, 사용 중인 기술 스택, 해결하려는 문제의 배경을 알려주면 훨씬 실용적인 결과를 얻을 수 있습니다. 다음 코드를 살펴봅시다. ```python # 컨텍스트 없는 프롬프트 no_context = """ 데이터베이스 연결 함수를 작성해주세요. """ # 컨텍스트가 풍부한 프롬프트 with_context = """ [프로젝트 배경] FastAPI 기반의 전자상거래 플랫폼을 개발 중입니다. 현재 SQLAlchemy ORM을 사용하고 있으며, 비동기 처리를 위해 asyncpg를 도입했습니다. [문제 상황] 기존 동기 방식 DB 연결이 성능 병목입니다. 동시 접속자 100명 이상일 때 응답 지연이 발생합니다. [요청사항] 비동기 데이터베이스 연결 풀을 구현해주세요. 연결 풀 크기는 20, 타임아웃은 30초로 설정합니다. """ print("컨텍스트가 풍부할수록 실용적인 답변을 얻습니다") ``` 김개발 씨는 AI에게 "로그인 함수 만들어줘"라고 요청했습니다. 나온 코드는 완벽했지만... 문제가 있었습니다. 프로젝트는 JWT 토큰을 쓰는데 AI는 세션 기반 인증을 만들었습니다. 박시니어 씨가 한숨을 쉽니다. "AI는 우리 프로젝트를 모르잖아요. 처음 보는 사람에게 설명하듯이 배경을 알려줘야 해요." **컨텍스트 제공**이란 무엇일까요? 쉽게 비유하자면, 컨텍스트는 마치 의사에게 병원 기록을 보여주는 것과 같습니다. "배가 아파요"라고만 하면 의사는 수십 가지 가능성을 열어두고 진단합니다. 하지만 "어제 회식에서 과식했고, 평소 위염이 있으며, 진통제는 알레르기가 있습니다"라고 말하면 의사는 정확한 처방을 내립니다. AI도 마찬가지입니다. 첫 번째 컨텍스트는 **프로젝트 구조**입니다. 어떤 프레임워크를 쓰는지, 폴더 구조는 어떤지, 주요 라이브러리는 무엇인지 알려줍니다. "Django REST Framework 프로젝트이며, apps/users/ 폴더에 사용자 관련 코드가 있습니다"처럼 구체적으로 명시하면 AI는 기존 구조에 맞는 코드를 생성합니다. 두 번째 컨텍스트는 **기술 스택과 제약사항**입니다. "Python 3.9 사용", "Redis 캐싱 적용 중", "Docker 컨테이너에서 실행" 같은 정보는 AI가 호환되는 코드를 작성하는 데 필수적입니다. 특히 버전 정보가 중요합니다. Python 3.9와 3.11은 문법이 다를 수 있기 때문입니다. 세 번째 컨텍스트는 **문제 상황과 목표**입니다. 왜 이 코드가 필요한지, 어떤 문제를 해결하려는지 설명합니다. "현재 API 응답 시간이 3초인데 1초로 단축하고 싶습니다"라고 배경을 알려주면, AI는 성능 최적화에 초점을 맞춘 솔루션을 제시합니다. 네 번째 컨텍스트는 **기존 코드 스타일**입니다. 팀의 코딩 컨벤션, 네이밍 규칙, 주석 스타일 등을 알려주면 AI는 그에 맞춰 코드를 생성합니다. "함수명은 스네이크 케이스, 클래스명은 파스칼 케이스 사용"처럼 명시합니다. 위의 코드를 비교해보겠습니다. 컨텍스트 없는 프롬프트는 단순히 "데이터베이스 연결 함수"만 요청했습니다. AI는 가장 일반적인 동기 방식 코드를 만들 것입니다. 반면 컨텍스트가 풍부한 프롬프트는 FastAPI, 비동기, 성능 병목이라는 배경을 제공했습니다. AI는 이제 정확히 상황에 맞는 비동기 연결 풀 코드를 작성할 수 있습니다. 실무에서 어떻게 활용할까요? 예를 들어 레거시 시스템을 마이크로서비스로 전환하는 프로젝트를 진행 중이라고 가정해봅시다. "API Gateway 만들어줘"보다는 "현재 모놀리식 Django 앱(5년 운영)을 FastAPI 마이크로서비스로 전환 중입니다. 기존 인증은 세션 방식이지만 신규 서비스는 JWT를 사용합니다. 두 방식을 모두 지원하는 API Gateway를 구현해주세요"라고 컨텍스트를 제공하면 훨씬 실용적인 솔루션을 얻습니다. 주의할 점이 있습니다. 너무 많은 컨텍스트는 오히려 독이 됩니다. **핵심 정보만 간추려서 제공**하는 것이 중요합니다. 5년 프로젝트 히스토리를 모두 설명할 필요는 없습니다. 현재 해결하려는 문제와 직접 관련된 정보만 선별하세요. 김개발 씨는 이제 프롬프트에 컨텍스트를 추가합니다. "우리 프로젝트는 Next.js 14 App Router를 사용하고, 상태 관리는 Zustand, API는 FastAPI입니다. 현재 사용자 프로필 페이지를 만들고 있고, 프로필 이미지 업로드 기능이 필요합니다." AI는 이제 Next.js에 맞는 클라이언트 코드와 FastAPI 엔드포인트를 함께 제공했습니다. 프로젝트에 바로 적용할 수 있는 수준이었습니다. 컨텍스트 제공은 AI를 팀원처럼 활용하는 비결입니다. 신입 개발자에게 온보딩하듯이 프로젝트 배경을 친절히 설명해보세요. **실전 팁** 💡 - 프로젝트 구조, 기술 스택, 문제 배경을 간추려 제공합니다 - 버전 정보는 매우 중요합니다 (Python 3.9 vs 3.11) - 핵심 정보만 선별하고, 불필요한 배경은 생략합니다 --- ## 5. 예시_포함하기 김개발 씨는 컨텍스트를 제공했는데도 결과가 미묘하게 다릅니다. 박시니어 씨가 묻습니다. "원하는 출력이 정확히 어떤 모습인가요?" 김개발 씨는 설명하려다 막힙니다. 박시니어 씨가 말합니다. "말로 설명하기 어려우면 예시를 보여주세요. 백 마디 설명보다 한 가지 예시가 낫습니다." 예시는 AI가 원하는 결과를 **정확히 이해**하게 만드는 가장 강력한 도구입니다. 마치 디자이너에게 레퍼런스 이미지를 보여주듯이, AI에게도 입력과 출력의 구체적인 예시를 제공하면 오해의 여지가 사라집니다. 이를 **퓨샷 러닝**이라고 부르며, 프롬프트 엔지니어링의 핵심 기법입니다. 다음 코드를 살펴봅시다. ```python # 예시 없는 프롬프트 no_example = """ 이메일 주소를 파싱하는 함수를 작성해주세요. """ # 예시를 포함한 프롬프트 with_example = """ 이메일 주소에서 사용자명과 도메인을 추출하는 함수를 작성해주세요. 예시 1: 입력: "user@example.com" 출력: {"username": "user", "domain": "example.com"} 예시 2: 입력: "john.doe@company.co.kr" 출력: {"username": "john.doe", "domain": "company.co.kr"} 예시 3 (잘못된 형식): 입력: "invalid-email" 출력: {"error": "Invalid email format"} """ print("예시는 설명보다 강력합니다") ``` 김개발 씨는 "날짜 형식을 변환하는 함수"를 요청했습니다. AI가 만든 함수는 작동했지만 형식이 달랐습니다. "2024-01-15"를 원했는데 "15/01/2024"가 나왔습니다. 박시니어 씨가 조언합니다. "입력과 출력 예시를 3개 정도 보여주세요. 말로 설명하는 것보다 100배 빠릅니다." **예시 포함하기**란 무엇일까요? 쉽게 비유하자면, 예시는 마치 요리할 때 완성 사진을 보여주는 것과 같습니다. "스파게티를 만들어줘"라고만 하면 토마토 소스일지 크림 소스일지 알 수 없습니다. 하지만 완성된 까르보나라 사진을 보여주면 정확히 어떤 요리를 원하는지 알 수 있습니다. 프롬프트에서도 입력과 출력의 실제 예시를 제공하는 것이 핵심입니다. **퓨샷 러닝**이라는 개념이 있습니다. 제로샷은 예시 없이, 원샷은 예시 1개, 퓨샷은 예시 2-3개를 제공하는 방식입니다. 연구 결과에 따르면 퓨샷 러닝은 제로샷 대비 정확도가 30-50% 향상됩니다. 특히 복잡한 형식 변환이나 데이터 파싱 작업에서 효과가 큽니다. 첫 번째 원칙은 **정상 케이스 예시**입니다. 가장 일반적이고 전형적인 입력과 출력을 보여줍니다. "user@example.com"처럼 표준적인 형태를 예시로 들면 AI는 기본 패턴을 학습합니다. 두 번째 원칙은 **엣지 케이스 예시**입니다. 특이한 상황도 포함합니다. "john.doe@company.co.kr"처럼 점이나 하이픈이 포함된 경우, 또는 국가 코드가 있는 도메인 같은 복잡한 케이스를 보여주면 AI는 예외 상황도 처리하는 코드를 작성합니다. 세 번째 원칙은 **에러 케이스 예시**입니다. 잘못된 입력에 대한 처리 방법도 예시로 제공합니다. "invalid-email"을 입력했을 때 어떤 에러 메시지를 반환해야 하는지 보여주면 AI는 적절한 예외 처리 로직을 추가합니다. 네 번째 원칙은 **다양성 확보**입니다. 예시는 최소 2-3개가 적절합니다. 1개만 제공하면 AI가 과적합될 수 있고, 5개 이상은 불필요합니다. 2-3개면 패턴을 파악하기에 충분합니다. 위의 코드를 살펴보겠습니다. 예시 없는 프롬프트는 "파싱하는 함수"라는 추상적인 요청만 있습니다. AI는 다양한 방식으로 해석할 수 있습니다. 반면 예시를 포함한 프롬프트는 세 가지 케이스를 제시했습니다. 정상 케이스, 복잡한 케이스, 에러 케이스까지 커버하므로 AI는 정확히 어떤 출력을 원하는지 이해합니다. 실무에서는 어떻게 쓸까요? 예를 들어 로그 파일을 파싱하는 도구를 만든다고 가정해봅시다. "로그를 JSON으로 변환해줘"보다는 실제 로그 라인 3개와 원하는 JSON 출력을 예시로 보여주는 것이 훨씬 효과적입니다. "[2024-01-15 10:30:25] ERROR: Connection timeout" → {"timestamp": "2024-01-15 10:30:25", "level": "ERROR", "message": "Connection timeout"}처럼 명시하면 AI는 정확히 파싱 규칙을 이해합니다. 흔한 실수가 있습니다. 초보자들은 **너무 단순한 예시만 제공**합니다. "1+1=2"처럼 쉬운 케이스만 보여주면 AI는 복잡한 상황을 처리하지 못합니다. 반드시 실제 프로덕션 데이터와 유사한 복잡도의 예시를 포함하세요. 또 다른 실수는 **예시와 설명의 불일치**입니다. 텍스트로는 "소수점 둘째 자리까지"라고 했는데 예시에서는 "2.5"처럼 첫째 자리만 보여주면 AI는 혼란스러워합니다. 예시와 설명이 일치하는지 꼭 확인하세요. 김개발 씨는 이제 프롬프트에 구체적인 예시를 추가합니다. "사용자 입력을 검증하는 함수를 만들어주세요. 예시 1: '홍길동' → 유효, 예시 2: 'ab' → 무효 (2자 이하), 예시 3: '가나다라마바사아자차카' → 무효 (10자 초과)" AI는 즉시 2자 초과 10자 이하를 검증하는 정확한 코드를 만들었습니다. 한 번에 성공했습니다. 예시는 프롬프트 엔지니어링의 치트키입니다. 복잡한 설명 대신 2-3개의 명확한 예시를 제공해보세요. **실전 팁** 💡 - 정상 케이스, 엣지 케이스, 에러 케이스를 모두 포함합니다 - 예시는 2-3개가 적절합니다 (1개는 부족, 5개는 과도) - 예시의 복잡도는 실제 프로덕션 데이터와 비슷해야 합니다 --- ## 6. 프롬프트_반복_개선 김개발 씨는 이제 꽤 괜찮은 프롬프트를 작성할 수 있게 되었습니다. 하지만 여전히 한 번에 완벽한 결과를 얻지는 못합니다. 박시니어 씨가 말합니다. "프롬프트도 코드처럼 반복해서 개선해야 해요. 한 번에 완벽할 수는 없습니다." 프롬프트 반복 개선은 초기 프롬프트를 작성한 후, 결과를 분석하고, 문제점을 파악해, 점진적으로 수정하는 과정입니다. 마치 코드 리팩토링처럼 프롬프트도 버전을 관리하고 개선해야 합니다. 좋은 프롬프트는 만들어지는 것이 아니라 **길러지는 것**입니다. 다음 코드를 살펴봅시다. ```python # 프롬프트 개선 프로세스 iteration_process = """ [버전 1.0 - 초기] "회원가입 API 만들어줘" → 결과: 너무 간단한 코드, 검증 없음 [버전 2.0 - 요구사항 추가] "이메일과 비밀번호로 회원가입하는 FastAPI 엔드포인트를 작성해주세요. 이메일 형식 검증과 비밀번호 해싱이 필요합니다." → 결과: 개선됐지만 에러 처리 부족 [버전 3.0 - 에러 처리 명시] "다음 요구사항을 충족하는 회원가입 API를 작성해주세요: - FastAPI 프레임워크, PostgreSQL 연결 - 이메일 형식 검증 (정규식), 중복 시 409 에러 - 비밀번호 8자 이상, bcrypt 해싱 - 성공 시 201, 실패 시 400 반환" → 결과: 프로덕션 수준의 완성도 """ print("프롬프트는 반복적으로 개선됩니다") ``` 김개발 씨는 첫 프롬프트로 원하던 결과를 얻지 못했습니다. 실망스럽습니다. 박시니어 씨가 위로합니다. "당연해요. 첫 시도에 완벽한 프롬프트를 만드는 사람은 없어요." 박시니어 씨는 자신의 노트북을 보여줍니다. 거기에는 "프롬프트 v1", "프롬프트 v2", "프롬프트 v3"이라는 파일들이 있습니다. "저도 항상 여러 번 수정해요. 프롬프트도 코드처럼 버전 관리를 하는 거예요." **프롬프트 반복 개선**이란 무엇일까요? 쉽게 비유하자면, 프롬프트 개선은 마치 조각가가 돌을 깎아 작품을 만드는 것과 같습니다. 처음에는 거친 형태로 시작해서, 조금씩 다듬고, 세밀한 부분을 손보고, 마지막에 광을 내듯이, 프롬프트도 점진적으로 완성도를 높여갑니다. 한 번에 완벽을 추구하기보다 빠르게 시작하고 계속 개선하는 것이 핵심입니다. 첫 번째 단계는 **간단하게 시작하기**입니다. 완벽한 프롬프트를 처음부터 만들려고 하지 마세요. "회원가입 API 만들어줘"처럼 간단히 시작합니다. 결과를 보고 무엇이 부족한지 파악하는 것이 먼저입니다. 두 번째 단계는 **문제점 분석하기**입니다. AI의 답변을 꼼꼼히 검토합니다. 빠진 기능이 있나요? 형식이 다른가요? 에러 처리가 없나요? 구체적으로 무엇이 문제인지 리스트를 만듭니다. "이메일 검증 없음", "에러 응답 형식 불일치", "비동기 처리 누락" 같은 식으로 적습니다. 세 번째 단계는 **프롬프트에 구체성 추가하기**입니다. 문제점을 하나씩 프롬프트에 반영합니다. "이메일 검증이 필요합니다"를 추가하고 다시 실행합니다. 결과가 개선되었나요? 그럼 다음 문제로 넘어갑니다. 이렇게 점진적으로 요구사항을 추가합니다. 네 번째 단계는 **예시와 제약 보강하기**입니다. 아직도 원하는 결과가 나오지 않으면 구체적인 예시를 추가합니다. 입력과 출력 샘플, 에러 케이스, 성공 응답 형식 등을 명시합니다. 다섯 번째 단계는 **버전 관리하기**입니다. 각 버전의 프롬프트를 파일로 저장하거나 주석으로 남깁니다. "v1: 기본 구조", "v2: 검증 추가", "v3: 에러 처리 보강"처럼 기록하면 나중에 비슷한 작업을 할 때 재사용할 수 있습니다. 위의 코드를 단계별로 살펴보겠습니다. 버전 1.0은 너무 간단해서 실무에 쓸 수 없었습니다. 버전 2.0에서는 기술 스택과 핵심 기능을 명시했습니다. 개선되었지만 에러 처리가 빠졌습니다. 버전 3.0에서는 에러 상황과 HTTP 상태 코드까지 구체화했습니다. 이제 프로덕션에 바로 적용할 수 있는 수준입니다. 실무에서 어떻게 활용할까요? 예를 들어 데이터 분석 리포트 자동화를 개발한다고 가정해봅시다. 처음에는 "판매 데이터 분석해줘"로 시작합니다. 결과가 부족하면 "2024년 1월 판매 데이터를 분석해 월별 추이, 상위 제품 5개, 지역별 매출을 포함한 리포트를 작성해주세요"로 개선합니다. 여전히 형식이 안 맞으면 "결과는 마크다운 표 형식으로, 그래프는 matplotlib 코드로 제공해주세요"를 추가합니다. 이렇게 3-4번 반복하면 재사용 가능한 **프롬프트 템플릿**이 완성됩니다. 주의할 점이 있습니다. 무작정 요구사항을 늘리는 것은 좋지 않습니다. **최소한의 명확성**을 유지하되, 불필요한 제약은 오히려 AI의 창의성을 제한할 수 있습니다. 균형을 맞추는 것이 중요합니다. 또 다른 실수는 **동시에 여러 가지를 변경**하는 것입니다. 한 번에 한 가지 요소만 수정하고 결과를 확인해야 무엇이 효과적인지 알 수 있습니다. 마치 A/B 테스트처럼 변수를 하나씩 조정하세요. 김개발 씨는 이제 프롬프트를 버전별로 관리합니다. 노션에 "프롬프트 라이브러리"를 만들어 자주 쓰는 패턴을 모아둡니다. "API 엔드포인트 생성용", "데이터베이스 쿼리 최적화용", "테스트 코드 작성용"으로 분류했습니다. 몇 주 후, 김개발 씨는 팀 회의에서 자신의 프롬프트 라이브러리를 공유했습니다. 팀원들이 감탄했습니다. "이거 우리 팀 표준으로 쓰면 좋겠어요!" 박시니어 씨가 뿌듯하게 웃습니다. 프롬프트 반복 개선은 장인정신입니다. 처음부터 완벽을 추구하지 말고, 빠르게 시작해서 계속 다듬어가세요. **실전 팁** 💡 - 간단하게 시작하고 점진적으로 개선합니다 (v1 → v2 → v3) - 각 버전의 프롬프트를 저장해 재사용 가능한 템플릿을 만듭니다 - 한 번에 한 가지 요소만 변경해 효과를 측정합니다 --- 이상으로 학습을 마칩니다. 위 내용을 직접 코드로 작성해보면서 익혀보세요!

카테고리: AWS

언어: Python

태그: Python, PromptEngineering, AI, ChatGPT, LLM, AWS

작성자: AI Generated

프리미엄 콘텐츠 - 3개월 무료 체험 가능

CodeDeck

프롬프트 엔지니어링 기초 완벽 가이드

목차

1. 프롬프트 엔지니어링이란

2. 좋은 프롬프트의 구조

3. 명확한 지시문 작성법

5. 타입 힌트 포함

4. 컨텍스트 제공하기

5. 예시 포함하기

6. 프롬프트 반복 개선

댓글 (0)

함께 보면 좋은 카드 뉴스

Helm 마이크로서비스 패키징 완벽 가이드

보안 아키텍처 구성 완벽 가이드

AWS Organizations 완벽 가이드

AWS KMS 암호화 완벽 가이드

AWS Secrets Manager 완벽 가이드