AI Wiki · 분야별 키워드

프롬프팅

AI에게 원하는 답을 얻으려면 "무엇을 묻느냐"만큼 "어떻게 묻느냐"가 중요합니다. 프롬프트 엔지니어링, 사고의 사슬(CoT), 시스템 프롬프트처럼 모델을 정확하게 다루기 위한 기법들을 모았습니다.

감정 프롬프팅 Emotion Prompting프롬프트에 감정적 표현을 덧붙여 LLM의 응답 품질을 높이는 기법. "이건 내 커리어에 정말 중요해"처럼 감정을 실은 문장을 추가하면 모델이 더 신중하고 정확한 답변을 생성하는 경향이 있다.
메타 프롬프트 Meta-Prompt프롬프트를 생성하는 프롬프트. LLM에게 좋은 프롬프트를 직접 써달라고 요청하는 방식이다.
사고의 사슬 Chain-of-Thought"답부터 말하지 말고 과정을 보여줘"라고 유도하는 프롬프팅 기법. 모델이 중간 추론 단계를 밟으면서 복잡한 문제의 정확도가 크게 올라간다.
셀프 컨시스턴시 Self-Consistency같은 질문을 여러 번 답하게 한 뒤 가장 많이 나온 답을 최종 답으로 선택해 정확도를 높이는 기법.
시스템 프롬프트 System PromptAI에게 대화가 시작되기 전 역할, 규칙, 제약을 미리 알려주는 특수 지시문. 모든 사용자 메시지에 일관되게 적용되는 보이지 않는 규칙서다.
역할 프롬프팅 Role PromptingLLM에게 특정 역할이나 페르소나를 부여해서 그 역할에 맞는 방식으로 응답하게 하는 기법.
자동 프롬프트 최적화 Automatic Prompt Optimization사람이 직접 프롬프트를 조율하는 대신, 데이터와 목표를 주면 시스템이 최적 프롬프트를 자동으로 탐색하는 방식.
제로샷 Zero-Shot Prompting예시 없이 지시만으로 원하는 결과를 얻는 프롬프팅 방식. LLM의 사전 학습 지식만으로 작업을 처리한다.
출력 포맷팅 Output FormattingLLM의 출력이 JSON, 마크다운, 특정 템플릿처럼 원하는 형식으로 나오도록 유도하는 기법.
컨텍스트 스터핑 Context StuffingLLM에게 많은 양의 참고 문서를 컨텍스트로 넣어서 답변 정확도를 높이는 방식. RAG의 검색 단계를 생략하고 전부 넣는다.
컨텍스트 엔지니어링 Context Engineering프롬프트뿐 아니라 도구 정의, 검색 결과, 대화 이력, 시스템 상태 등 LLM에 전달되는 전체 맥락을 체계적으로 설계하는 방법론. 프롬프트 엔지니어링의 진화형이다.
트리 오브 쏘트 Tree of ThoughtLLM이 여러 가능한 추론 경로를 동시에 탐색하고 가장 유망한 것을 선택하며 문제를 푸는 방법.
퓨샷 Few-Shot Prompting프롬프트에 입출력 예시를 몇 개 보여줘서 모델이 원하는 패턴을 파악하도록 유도하는 기법. 파인튜닝 없이 빠르게 모델 행동을 조정할 수 있다.
프롬프트 엔지니어링 Prompt EngineeringAI 모델에서 원하는 결과를 안정적으로 얻기 위해 입력 텍스트를 체계적으로 설계하는 기술. 같은 모델이라도 프롬프트를 어떻게 짜느냐에 따라 결과가 크게 달라진다.
프롬프트 체이닝 Prompt Chaining하나의 복잡한 작업을 여러 LLM 호출로 나눠서 이전 출력이 다음 입력이 되도록 순서대로 처리하는 방식.
하네스 엔지니어링 Harness EngineeringAI 모델 자체가 아니라, 모델을 감싸는 구조를 설계하는 규율. 같은 모델이라도 주변 하네스를 어떻게 짜느냐에 따라 결과물 품질이 크게 달라진다.
XML 프롬프팅 XML PromptingXML 태그로 프롬프트의 각 부분을 명확히 구분해서 LLM이 역할과 내용을 혼동하지 않도록 하는 방식.