강의 계획 레슨 250개 중 112번째 · 신경망 직관, LLM, AI 캡스톤
신경망 직관, LLM, AI 캡스톤

프롬프트 엔지니어링

모델이 과제에 관해 아는 모든 건 프롬프트에서 오니, 좋은 프롬프트를 쓰는 건 진짜 기술이에요. 원칙 두 개가 무게의 대부분을 실어요.

모호하지 말고 구체적으로

모호한 프롬프트는 모호한(또는 틀린) 답을 불러요. 비교해 보세요:

# vague
"summarize this"

# specific
"Summarize this in 2 sentences for a non-technical reader. "
"Lead with the single most important number."

형식, 읽는 사람, 길이, 무엇에 집중할지를 말하세요. 모델은 독심술사가 아니라 글 예측기예요.

예시 보여 주기 (퓨샷 프롬프트)

가장 믿을 만한 요령은 진짜 질문 전에 모델에게 입력/출력 쌍 몇 개를 보여 주는 거예요. 이걸 퓨샷 프롬프트라고 하고, 패턴을 설명하는 것보다 훨씬 잘 가르쳐요:

Classify the sentiment.

Input: good
Output: positive
Input: awful
Output: negative
Input: great
Output:

모델은 과제의 모양을 보고 그것을 이어서 마지막 Output:을 채워요. 그 마지막 줄을 열어 두는 게 답하라는 신호예요.

진짜로 해 보기

Floati 앱에서는 기기 내 모델을 불러오면 이런 문자열을 바로 넘길 수 있어요(예: AI 패널에서 await engine.chat(prompt)) 그리고 마지막 줄을 채우는 걸 볼 수 있어요. 이 채점기 안에서는 실시간 모델을 돌릴 수 없으니(WebGPU가 필요하고 결정적이지 않아요), 여기서는 프롬프트 문자열을 만들어요. 여러분이 완전히 통제하는 부분이에요.

내 차례

few_shot_prompt(task, examples, query)를 쓰세요. 문자열을 돌려줘요: task 줄, 그다음 빈 줄, 그다음 각 (inp, out) 예시를 Input: <inp> 줄 다음 Output: <out> 줄로 그리고, 그다음 마지막 Input: <query> 줄과 모델이 채울 끝의 Output:. 모두 줄바꿈으로 이으세요. 그다음 prompt = few_shot_prompt("Classify the sentiment.", examples, "great")로 정하세요.

이 레슨에서 문제를 발견했나요? 알려 주세요 · 이 레슨에 대해 묻기

이 연습은 곧 열려요

앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.