Concept (개념)aiverifiedMon May 04
프롬프트 엔지니어링 (Prompt Engineering) — 한 번의 질문 최적화
별칭: Prompt Engineering · 프롬프트 엔지니어링 · 질문 최적화
#prompt-engineering#cot#react-prompting#persona#2022-pattern
요약
LLM 에게 원하는 결과를 얻기 위해 한 번의 질문 을 설계·최적화하는 기술. 2022 년 entity/chatgpt (GPT-3.5) 출시 후 모델 성능 한계를 질문 잘하기 로 메우려는 시도에서 출발. 5 패턴 진화 (Prompt → Context → Vibe → Harness → Agentic) 의 ① 번째 — 모델에게 무엇을 말할 것인가. 한계: term/context-window 가 차면 답변 품질 저하.
상세
4 대 기법
| 기법 | 효과 | 사용 시점 |
|---|---|---|
| 역할 부여 (Persona) | 직업·역할을 부여하면 답변 품질 ↑ | 일반 모든 작업 |
| Chain-of-Thought (term/cot) | "단계별로 천천히 생각해줘" 한 줄 추가 → 추론 활성화 | 수학·논리·복잡한 문제 |
| ReAct (term/react-prompting) | 추론 ↔ 행동 (외부 도구) 번갈아 — 현 코딩 에이전트의 원형 | 도구 호출이 필요한 작업 |
| 반말·직접 명령 | 정중함보다 직접 명령이 정확도 ↑ (연구 결과) | 모든 작업 |
왜 한 번의 질문 인가
- 2022 GPT-3.5 시대 모델 성능 = 짧은 컨텍스트 / 추론 약함
- 하나의 질문을 최대한 정교 하게 만들면 응답 품질이 눈에 띄게 향상
- Chain-of-Thought 한 줄 추가만으로 추론 모델처럼 동작
- → "무엇을 말할 것인가" 의 시대
한계 → concept/context-engineering 으로 진화
- term/context-window 가 누적되며 오래된 입력 망각
- 컨텍스트가 가득 찰수록 응답 품질 오히려 저하
- 한 번의 질문 최적화로는 시스템 단위 작업 불가
- → 2024 entity/karpathy + Tobias Lütke 트윗으로 Context Engineering 시작
본 강의에서의 위치
| 본 강의 | 위치 |
|---|---|
| C2.4 프롬프트 = 설계 언어 | 본 카드 = 그 역사적 출발점 |
| 5 요소 프롬프트 규약 | Prompt Engineering 의 체계화 버전 |
| HIAO L1·L2·L3 차별화 | Prompt + Context 합성 |
주의사항
- 프롬프트 엔지니어링 = 만능 으로 오해 금지. 컨텍스트 한계가 있는 한 단독으로는 큰 시스템 ❌
- 역할 부여 가 무조건 좋은 게 아님 — 작업 종류에 맞는 페르소나 선택
- ReAct 는 단순 프롬프트가 아니라 프롬프팅 + 도구 호출 의 결합 — 코딩 에이전트의 원형
- 현재 (2026) 는 Prompt 단독보다 Context·Harness 와 결합된 형태가 표준
표어 정합
본 카드의 프롬프트 엔지니어링 이 강의 표어 "AI-Native Vibe Coding: No Design, No Code" 의 최초 형태. AI 에게 어떻게 일을 시키는가 (Corollary) 의 2022 년 답 — 한 번의 질문 최적화. 설계 없이는 코딩이 안된다 (Thesis) 가 질문 단위 에서 기록된 형태. 이후 Context → Harness → Agentic 으로 설계 단위가 점점 커진다.