모든 LLM에 적용 가능한 프롬프트 엔지니어링 꿀팁 7가지

 

인공지능(AI)과 대화하는 기술, 즉 '프롬프트 엔지니어링'은 이제 특별한 전문가들만의 영역이 아닙니다. 우리가 일상에서 사용하는 언어로 AI에게 원하는 것을 명확하게 전달하고, 그 잠재력을 최대한으로 끌어내는 능력은 점점 더 중요해지고 있지요.

 

하지만 어떻게 질문해야 AI가 더 똑똑하게 대답할 수 있을까요? 오늘은 모든 대규모 언어 모델(LLM)에 적용할 수 있는 핵심적인 프롬프트 엔지니어링 팁들을 해외의 신뢰도 높은 연구와 자료를 바탕으로 소개해 드리겠습니다.

 

 

1. 명확하고 구체적으로 지시하기

가장 기본적이면서도 가장 중요한 원칙은 바로 '명확성'과 '구체성'입니다. LLM은 사람처럼 눈치로 알아듣거나 숨은 의도를 파악하지 못합니다. 따라서 우리가 원하는 결과물을 얻기 위해서는 지시사항을 최대한 상세하고 명확하게 전달해야 합니다.

 

예를 들어, "기후 변화에 대해 요약해 줘"라고 막연하게 요청하기보다는, "기후 변화의 주요 원인과 그로 인한 해수면 상승 문제를 중심으로, 고등학생이 이해할 수 있도록 500자 내외로 요약해 줘."라고 지시하는 것이 훨씬 효과적입니다. 누구를 위한 글인지(독자), 어떤 내용에 초점을 맞출지(맥락), 어떤 형식과 분량을 원하는지(형식)를 구체적으로 지정하는 셈입니다. 이처럼 명확한 요청은 LLM이 방대한 정보 속에서 헤매지 않고 우리가 원하는 결과물에 정확히 도달하게 만드는 가장 확실한 나침반이 됩니다.

 

2. 페르소나(역할) 부여하기

AI에게 특정 분야의 전문가 역할을 부여하면 결과물의 깊이와 관점이 완전히 달라질 수 있습니다. 프롬프트 시작 부분에 "당신은 20년 경력의 마케팅 전략가입니다." 또는 "당신은 노벨 경제학상 수상자라고 가정하고 설명해 주세요." 와 같이 역할을 지정해 보세요.

 

이렇게 페르소나를 부여하면, LLM은 해당 역할에 맞는 어조, 전문 용어, 사고방식을 시뮬레이션하여 답변을 생성합니다. 덕분에 우리는 훨씬 더 전문적이고 특정 관점에 최적화된 결과물을 얻을 수 있습니다. 투자 분석을 요청할 때는 '워런 버핏'의 역할을, 창의적인 카피라이팅을 원할 때는 '전설적인 카피라이터'의 역할을 부여해 보는 것은 어떨까요? 그 결과에 분명 놀라게 될 것입니다.

 

3. 예시를 통해 길을 알려주기

때로는 말로 길게 설명하는 것보다 몇 가지 좋은 예시를 보여주는 것이 훨씬 효과적입니다. 이를 '퓨샷 프롬프팅(Few-shot Prompting)'이라고 부릅니다. LLM에게 내가 원하는 결과물의 형식이나 스타일을 직접 보여줌으로써, 모델이 그 패턴을 학습하고 유사한 결과물을 생성하도록 유도하는 것이지요.

 

예를 들어 복잡한 제품 설명을 간결한 광고 문구로 바꾸고 싶다면 다음과 같이 요청할 수 있습니다.

 

• 예시 1) 입력: "이 스마트 워치는 5가지 건강 센서와 GPS, 7일간 지속되는 배터리를 탑재했습니다." -> 출력: "당신의 건강을 지키는 가장 스마트한 방법, 일주일 내내 손목 위에서 빛나는 혁신."
• 예시 2) 입력: "새로 출시된 유기농 커피 원두는 고산지대에서 재배되어 깊고 풍부한 향을 자랑합니다." -> 출력: "한 잔의 커피에 담긴 청정 자연의 숨결, 당신의 아침을 깨우는 깊은 향."

 

이러한 예시를 제공한 뒤, "이제 이 제품 설명을 광고 문구로 바꿔줘: [실제 제품 설명]" 이라고 요청하면 LLM은 앞선 예시들의 스타일과 형식을 그대로 따라 훨씬 만족스러운 결과물을 내놓을 것입니다.

 

4. 단계별로 차근차근 생각하라고 하기

복잡한 문제에 부딪혔을 때, LLM이 성급하게 결론으로 건너뛰어 실수를 저지르는 경우가 있습니다. 특히 수학 문제나 논리적 추론이 필요한 작업에서 그렇지요. 이때 마법과 같은 효과를 발휘하는 문장이 있습니다. 바로 "단계별로 차근차근 생각해 보자(Let's think step-by-step)." 입니다.

 

이 기법을 '생각의 사슬(Chain-of-Thought, CoT) 프롬프팅'이라고 부릅니다. LLM에게 최종 답변을 내놓기 전에, 문제 해결을 위한 중간 과정과 논리적 단계를 먼저 서술하도록 지시하는 것입니다. 이 과정을 통해 LLM은 스스로 추론 과정을 검토하고 오류를 수정할 기회를 갖게 되며, 이는 최종 답변의 정확도를 극적으로 향상시킵니다. 복잡한 질문일수록, AI에게 생각할 시간을 주는 이 방법을 꼭 사용해 보시길 바랍니다.

 

5. 긍정적 지시 사용하기

LLM은 'OO하지 마세요'와 같은 부정적인 지시보다 'OO해 주세요'라는 긍정적인 지시를 더 잘 이해합니다. 예를 들어, "글에 전문 용어를 사용하지 마"라고 지시하기보다는 "이 글을 초등학생도 이해할 수 있는 쉬운 단어로 작성해 줘"라고 요청하는 것이 훨씬 효과적입니다.

 

마찬가지로 "딱딱한 말투는 피하고" 대신 "친근하고 다정한 말투로 써 줘" 라고 지시하는 편이 좋습니다. 무엇을 피해야 할지 알려주는 것보다 무엇을 해야 할지 명확히 알려주는 것이 AI가 목표를 설정하고 결과물을 생성하는 데 훨씬 도움이 되기 때문입니다. 항상 원하는 결과물의 모습을 긍정적인 언어로 구체적으로 묘사해 주세요.

 

6. 복잡한 작업은 잘게 나누어 요청하기

하나의 프롬프트에 너무 많은 요구사항을 담으면 LLM이 일부를 누락하거나 결과물의 품질이 떨어질 수 있습니다. 보고서 작성처럼 여러 단계가 필요한 복잡한 작업이라면, 한 번에 모든 것을 요청하기보다는 여러 개의 프롬프트로 작업을 나누는 것이 현명합니다.

 

예를 들어 '경쟁사 분석 보고서 작성'이라는 큰 목표가 있다면 다음과 같이 나눌 수 있습니다.

 

1. "A사의 주력 제품과 핵심 기능에 대해 조사해 줘."
2. "위 정보를 바탕으로 A사의 강점과 약점을 분석해 줘."
3. "이제 우리 회사 제품과 비교해서 시장에서의 기회 요인을 도출해 줘."
4. "마지막으로, 위 내용을 종합해서 CEO에게 보고할 형식의 보고서 초안을 작성해 줘."

 

이렇게 작업을 잘게 나누어 순차적으로 진행하면 각 단계마다 결과물의 품질을 확인하고 수정하며 나아갈 수 있어, 최종적으로 훨씬 더 완성도 높은 결과물을 얻을 수 있습니다.

 

7. 구분 기호로 영역 나누기

프롬프트에 지시사항, 맥락 정보, 입력 텍스트 등 여러 구성 요소가 포함될 경우, 각 부분을 명확하게 분리해 주는 것이 중요합니다. LLM이 프롬프트의 어떤 부분이 지시이고 어떤 부분이 참고 자료인지 헷갈리지 않도록 도와주는 것이지요.

이때 `###`, `"""`, `<>` 와 같은 구분 기호를 사용하면 매우 유용합니다. 예를 들어 특정 텍스트를 요약해달라고 요청할 때는 다음과 같이 작성할 수 있습니다.

 

###지시사항###
아래 텍스트를 세 개의 핵심 불렛 포인트로 요약해 주세요.

###텍스트###
"""
(여기에 요약할 긴 텍스트 입력)
""" Generated code

 

이렇게 구조를 명확히 하면 LLM은 지시사항과 처리해야 할 데이터를 혼동하지 않고 훨씬 더 정확하게 명령을 수행하게 됩니다.

 

참고: OpenAI 샘 알트만(Sam Altman)의 생산성 높이는 팁 정리

참고: 테슬라 AI 총괄이 바라보는 LLM의 현재와 미래

참고: 바이브 코딩(vibe coding)? 무슨 뜻일까?