프롬프트 엔지니어링이란? — 같은 모델, 다른 결과

같은 모델인데 왜 결과가 다를까?#

두 사람이 같은 ChatGPT에게 질문합니다.

A: "마케팅 전략 알려줘"
B: "B2B SaaS 스타트업(월 구독 30만 원, 타겟: 중소기업 HR 담당자)의
   신규 고객 획득을 위한 콘텐츠 마케팅 전략 3가지를 알려줘.
   각 전략에 실행 방법과 예상 비용을 포함해줘."

A는 교과서 같은 일반론을, B는 즉시 실행 가능한 구체적 전략을 얻습니다.

모델 능력의 차이가 아니라 질문의 차이입니다.

프롬프트 엔지니어링이란?#

LLM에게 원하는 출력을 이끌어내기 위해 입력(프롬프트)을 설계하는 기술입니다.

모든 요소를 항상 넣을 필요는 없습니다. 상황에 맞게 조합합니다.

원칙 1: 명확성 — 모호한 단어를 제거하라#

LLM은 "좋은", "적당한", "간단한" 같은 주관적 표현을 사람마다 다르게 해석합니다.

명확성 체크리스트#

원칙 2: 구체성 — 맥락을 충분히 제공하라#

LLM은 여러분의 상황을 모릅니다. 맥락이 없으면 일반론을 줄 수밖에 없습니다.

맥락의 6하원칙#

누가(Who): 나는 누구인가? 대상은 누구인가?
무엇을(What): 원하는 결과물은?
왜(Why): 이 결과물의 목적은?
언제(When): 시간 제약이 있는가?
어디서(Where): 어떤 채널/플랫폼에서 사용되는가?
어떻게(How): 형식·분량·톤은?

원칙 3: 구조화 — 복잡한 지시는 나눠라#

한 번에 많은 것을 요구하면 LLM이 일부를 빠뜨립니다.

번호 매기기, 불릿 포인트, 섹션 구분이 LLM이 지시를 빠뜨리지 않도록 도와줍니다.

원칙 4: 출력 형식 지정#

형식을 지정하면 후처리 없이 바로 사용할 수 있는 결과를 얻습니다.

형식 지정 예시#

다음 5개 항목을 아래 JSON 형식으로 출력해줘:
[
  {
    "title": "제목",
    "summary": "한 줄 요약",
    "difficulty": "상/중/하",
    "tags": ["태그1", "태그2"]
  }
]

프롬프트 개선 반복 패턴#

첫 번째 시도가 완벽할 필요는 없습니다. 반복하며 개선합니다.

개선 질문들:

• 어떤 부분이 원하던 것과 다른가?
• 빠진 맥락이 있는가?
• 출력이 너무 길거나 짧은가?
• 형식이 맞는가?

실전 비교: 블로그 글 아이디어#

❌ "블로그 아이디어 줘"

✅ "개발자를 대상으로 하는 기술 블로그에 올릴
   'LLM 활용' 관련 글 아이디어 5개를 제안해줘.
   
   조건:
   - 각 아이디어는 제목 + 한 줄 설명 + 예상 독자 레벨(초급/중급/고급)
   - 이미 많이 다뤄진 ChatGPT 사용법 제외
   - 실용적이고 코드 예제를 포함할 수 있는 주제
   
   마크다운 표 형식으로 출력"

정리#

다음 편에서는 역할 부여와 Few-shot — LLM에게 페르소나를 주고 예시를 보여주는 강력한 기법을 배웁니다.