프롬프트 엔지니어링 기초

1. 프롬프트 엔지니어링의 정의

핵심 개념

프롬프트 엔지니어링(Prompt Engineering) 은 언어 모델에서 원하는 결과를 얻기 위한 프롬프트 작성 기술입니다.

관점	설명
기본 정의	원하는 결과를 얻기 위한 프롬프트 작성 기술
기술적 정의	높은 확률의 다음 토큰을 출력하는 LLM의 Context 생성 기술
실용적 정의	LLM의 작동 원리를 고려하여 좋은 프롬프트의 특징을 활용하는 기술

프롬프트 엔지니어링의 진화

2023년 (ChatGPT 초창기):

프롬프트 엔지니어가 고연봉 직업으로 주목

2024년:

"몇 년 뒤 프롬프트 엔지니어링은 사라질 것"이라는 예측

2025년 (현재):

특정 직군보다는 모든 구성원의 역량 으로 변화
고급 프롬프트 구성은 여전히 중요한 영역

프롬프트의 품질

프롬프트의 품질 = LLM의 메타 프롬프팅 + 엔지니어의 경험과 노하우

2. Context Engineering

개념

Context Engineering 은 프롬프트 엔지니어링의 확장 개념으로, 출력 구조화, 검색결과 연계(RAG), 메모리 활용 등 맥락 설계 를 포함합니다.

Context의 구성 요소

구성 요소	설명
Instructions/System Prompt	LLM에 지시사항, 정보 제공
Long-Term Memory	장기적 정보 저장
State/History (Short-Term Memory)	대화 이력 관리
Retrieved Information (RAG)	검색된 외부 정보
Available Tools	사용 가능한 도구/함수
User Prompt	사용자의 직접 입력
Structured Output	구조화된 응답 형식

3. 효과적인 프롬프트 작성 프레임워크

Google Gemini Prompting Guide 101

효과적인 Prompt를 위한 4가지 핵심 요소:

요소	설명	예시
Persona	구체적인 역할 설정	"너는 베테랑 마케터이다"
Task	명확한 작업내용 제시	"이 문서를 요약해줘"
Context	관련된 참고정보 포함	배경 정보, 제약 조건
Format	원하는 출력 형식 명시	"표로 그려줘", "JSON으로 출력"

다양한 프롬프트 프레임워크

프레임워크	구성 요소
RACE	Role, Action, Context, Execute
TRACE	Task, Requirements, Audience, Context, Evaluation
ROSES	Role, Objective, Style, Example, Scenario
APE	Action, Purpose, Expectation

4. Role-Play Prompting

개념

역할 부여 프롬프팅 은 LLM에게 특정 역할을 부여하여 추론 성능을 향상시키는 기법입니다.

연구 결과

다양한 카테고리의 Task 실험 결과:

Method	MultiArith	GSM8K	AddSub	AQUA
Few-Shot-CoT	97.7	76.9	93.9	59.4
Zero-Shot-CoT	95	79.6	86.6	53.9
Role-Play Prompting	97	78.2	91.1	63.8

핵심 효과

전문가 역할에 맞는 방식의 설명 유도
전문가 역할이 지식의 인출 촉진
일관적인 추론 패턴 생성

Persona 연구 결과

최신 모델은 페르소나 없이도 지식 베이스를 잘 이끌어 냅니다. 하지만 답변의 형식 차원에서 여전히 유효합니다.

5. 프롬프트 구조화 기법

구조화의 필요성

#, ---, [], <> 등을 이용하여 각 요소를 명확하게 분리/명시합니다.

마크다운 문법 활용

Markdown

고객의 VOC가 주어집니다.
고객 서비스, 제품 개발, 운영 지원팀 중 어떤 팀의 역할에 부합하는지 확인합니다.

---
# Steps

1. VOC를 분석합니다.
2. VOC 내용이 어떤 팀의 역할에 부합하는지 확인합니다.
3. 적합한 팀을 출력합니다.

---
# Output Format

- 단답형: '[고객 서비스/제품 개발/운영 지원팀]'

검색 증강 생성 프롬프트 예시

Markdown

다음의 [Context]를 참고해 [Question]에 답하세요.
[Context]의 정보만으로 답변할 수 없는 경우, '답변할 수 없습니다'를 출력하세요.

---
[Context]:
{context}
---

[Question]:
{question}

6. Prompt Chaining

개념

복잡한 작업을 나눠서 처리 하는 기법입니다. LLM은 이전 맥락을 기억하므로, 질문을 쪼개서 단계별로 처리합니다.

장점

장점	설명
Context 단축	불필요한 정보 제거로 길이 단축
효율성 향상	각 단계에 집중된 처리
토큰 절감	전체 토큰 소모량 감소

예시

FONT-MONO TEXT-[0.9EM] TEXT-ROSE-600 DARK:TEXT-ROSE-400

[사용자 프롬프트 1]
다음 프롬프트에 회사의 주요 이슈를 전달하겠습니다.
각 주제에 대해 질문과 답변을 작성해 주세요.
준비됐으면 "예"라고 대답하세요.

[LLM 응답]
"예. 회사의 주요 이슈를 전달하면,
각 주제별로 Q&A 형식으로 작성해 드리겠습니다."

[사용자 프롬프트 2]
(연말 투자자 리포트 관련 자세한 내용 첨부)

7. Few-Shot Prompting

개념

프롬프트 내에 참고할 답변 예시(Shot)를 포함 하는 기법입니다.

GPT-3에서 주로 사용하던 방법

FONT-MONO TEXT-[0.9EM] TEXT-ROSE-600 DARK:TEXT-ROSE-400

호랑이: Tiger
사자: Lion
쌍둥이: Twin
독수리: ?

입력값에 대한 LLM의 판단 과정 필요 없이, 별도 설명 없이 예시만으로 따라하기 가능합니다.

주의사항

Few-Shot의 편향

입력된 예시에 묶인 결과로 편향이 생길 수 있습니다. 예시의 길이, 톤, 어휘, 주제 등 특정 방향에 과도하게 영향을 받을 수 있습니다.

8. LangChain Prompt Templates

주요 템플릿 종류

템플릿	용도
PromptTemplate	Human Message 저장
ChatPromptTemplate	System, Human, AI의 Context 저장
FewShotPromptTemplate	예시 데이터가 포함된 Few Shot Prompt 저장

LangChain에서 메시지 전달 방법

문자열: 단순 텍스트
Messages: 역할별 메시지 리스트
Template: 변수 포함 템플릿

핵심 요약

프롬프트 엔지니어링의 현재

변화	설명
모델의 발전	단순한 프롬프트도 좋은 성능 발휘
역량으로 변화	특정 직군보다는 모든 구성원의 역량
Context Engineering	프롬프트 엔지니어링의 확장

효과적인 프롬프트 작성

Task, Context, Format 이 핵심
구조화된 프롬프트 작성(마크다운 기호 활용)
Few-Shot Prompting 으로 패턴 학습 유도

실전 활용 기법

Prompt Chaining: 복잡한 작업을 나눠서 처리
Context 엔지니어링 으로 토큰 효율성 향상
템플릿 활용 으로 재사용성 확보

프롬프트 엔지니어링 기초

1. 프롬프트 엔지니어링의 정의

핵심 개념

프롬프트 엔지니어링(Prompt Engineering) 은 언어 모델에서 원하는 결과를 얻기 위한 프롬프트 작성 기술입니다.

관점	설명
기본 정의	원하는 결과를 얻기 위한 프롬프트 작성 기술
기술적 정의	높은 확률의 다음 토큰을 출력하는 LLM의 Context 생성 기술
실용적 정의	LLM의 작동 원리를 고려하여 좋은 프롬프트의 특징을 활용하는 기술

프롬프트 엔지니어링의 진화

2023년 (ChatGPT 초창기):

프롬프트 엔지니어가 고연봉 직업으로 주목

2024년:

"몇 년 뒤 프롬프트 엔지니어링은 사라질 것"이라는 예측

2025년 (현재):

특정 직군보다는 모든 구성원의 역량 으로 변화
고급 프롬프트 구성은 여전히 중요한 영역

프롬프트의 품질

프롬프트의 품질 = LLM의 메타 프롬프팅 + 엔지니어의 경험과 노하우

2. Context Engineering

개념

Context Engineering 은 프롬프트 엔지니어링의 확장 개념으로, 출력 구조화, 검색결과 연계(RAG), 메모리 활용 등 맥락 설계 를 포함합니다.

Context의 구성 요소

구성 요소	설명
Instructions/System Prompt	LLM에 지시사항, 정보 제공
Long-Term Memory	장기적 정보 저장
State/History (Short-Term Memory)	대화 이력 관리
Retrieved Information (RAG)	검색된 외부 정보
Available Tools	사용 가능한 도구/함수
User Prompt	사용자의 직접 입력
Structured Output	구조화된 응답 형식

3. 효과적인 프롬프트 작성 프레임워크

Google Gemini Prompting Guide 101

효과적인 Prompt를 위한 4가지 핵심 요소:

요소	설명	예시
Persona	구체적인 역할 설정	"너는 베테랑 마케터이다"
Task	명확한 작업내용 제시	"이 문서를 요약해줘"
Context	관련된 참고정보 포함	배경 정보, 제약 조건
Format	원하는 출력 형식 명시	"표로 그려줘", "JSON으로 출력"

다양한 프롬프트 프레임워크

프레임워크	구성 요소
RACE	Role, Action, Context, Execute
TRACE	Task, Requirements, Audience, Context, Evaluation
ROSES	Role, Objective, Style, Example, Scenario
APE	Action, Purpose, Expectation

4. Role-Play Prompting

개념

역할 부여 프롬프팅 은 LLM에게 특정 역할을 부여하여 추론 성능을 향상시키는 기법입니다.

연구 결과

다양한 카테고리의 Task 실험 결과:

Method	MultiArith	GSM8K	AddSub	AQUA
Few-Shot-CoT	97.7	76.9	93.9	59.4
Zero-Shot-CoT	95	79.6	86.6	53.9
Role-Play Prompting	97	78.2	91.1	63.8

핵심 효과

전문가 역할에 맞는 방식의 설명 유도
전문가 역할이 지식의 인출 촉진
일관적인 추론 패턴 생성

Persona 연구 결과

최신 모델은 페르소나 없이도 지식 베이스를 잘 이끌어 냅니다. 하지만 답변의 형식 차원에서 여전히 유효합니다.

5. 프롬프트 구조화 기법

구조화의 필요성

#, ---, [], <> 등을 이용하여 각 요소를 명확하게 분리/명시합니다.

마크다운 문법 활용

Markdown

고객의 VOC가 주어집니다.
고객 서비스, 제품 개발, 운영 지원팀 중 어떤 팀의 역할에 부합하는지 확인합니다.

---
# Steps

1. VOC를 분석합니다.
2. VOC 내용이 어떤 팀의 역할에 부합하는지 확인합니다.
3. 적합한 팀을 출력합니다.

---
# Output Format

- 단답형: '[고객 서비스/제품 개발/운영 지원팀]'

검색 증강 생성 프롬프트 예시

Markdown

다음의 [Context]를 참고해 [Question]에 답하세요.
[Context]의 정보만으로 답변할 수 없는 경우, '답변할 수 없습니다'를 출력하세요.

---
[Context]:
{context}
---

[Question]:
{question}

6. Prompt Chaining

개념

복잡한 작업을 나눠서 처리 하는 기법입니다. LLM은 이전 맥락을 기억하므로, 질문을 쪼개서 단계별로 처리합니다.

장점

장점	설명
Context 단축	불필요한 정보 제거로 길이 단축
효율성 향상	각 단계에 집중된 처리
토큰 절감	전체 토큰 소모량 감소

예시

FONT-MONO TEXT-[0.9EM] TEXT-ROSE-600 DARK:TEXT-ROSE-400

[사용자 프롬프트 1]
다음 프롬프트에 회사의 주요 이슈를 전달하겠습니다.
각 주제에 대해 질문과 답변을 작성해 주세요.
준비됐으면 "예"라고 대답하세요.

[LLM 응답]
"예. 회사의 주요 이슈를 전달하면,
각 주제별로 Q&A 형식으로 작성해 드리겠습니다."

[사용자 프롬프트 2]
(연말 투자자 리포트 관련 자세한 내용 첨부)

7. Few-Shot Prompting

개념

프롬프트 내에 참고할 답변 예시(Shot)를 포함 하는 기법입니다.

GPT-3에서 주로 사용하던 방법

FONT-MONO TEXT-[0.9EM] TEXT-ROSE-600 DARK:TEXT-ROSE-400

호랑이: Tiger
사자: Lion
쌍둥이: Twin
독수리: ?

입력값에 대한 LLM의 판단 과정 필요 없이, 별도 설명 없이 예시만으로 따라하기 가능합니다.

주의사항

Few-Shot의 편향

입력된 예시에 묶인 결과로 편향이 생길 수 있습니다. 예시의 길이, 톤, 어휘, 주제 등 특정 방향에 과도하게 영향을 받을 수 있습니다.

8. LangChain Prompt Templates

주요 템플릿 종류

템플릿	용도
PromptTemplate	Human Message 저장
ChatPromptTemplate	System, Human, AI의 Context 저장
FewShotPromptTemplate	예시 데이터가 포함된 Few Shot Prompt 저장

LangChain에서 메시지 전달 방법

문자열: 단순 텍스트
Messages: 역할별 메시지 리스트
Template: 변수 포함 템플릿

핵심 요약

프롬프트 엔지니어링의 현재

변화	설명
모델의 발전	단순한 프롬프트도 좋은 성능 발휘
역량으로 변화	특정 직군보다는 모든 구성원의 역량
Context Engineering	프롬프트 엔지니어링의 확장

효과적인 프롬프트 작성

Task, Context, Format 이 핵심
구조화된 프롬프트 작성(마크다운 기호 활용)
Few-Shot Prompting 으로 패턴 학습 유도

실전 활용 기법

Prompt Chaining: 복잡한 작업을 나눠서 처리
Context 엔지니어링 으로 토큰 효율성 향상
템플릿 활용 으로 재사용성 확보