AI를 효과적으로 활용하는 방법(프롬프트 사용법) 6

이번에는 프롬프트 최적화 방법에 관한 사항입니다. 사용자가 프롬프트를 작성하고 AI로 부터 응답을 받으면 대체적으로 한번에 만족스로운 답변을 얻기 어렵습니다. 복잡하거나 여러 단계를 거쳐서 결과를 얻을 수 있는 과정의 프롬프트는 더욱 그렇습니다. 그래서 대체적으로 최초 프롬프트를 작성하고 이후에 AI에게 사용자가 원하는 답을 구하기 위하여 다양한 질문을 하게 됩니다. 이 과정에서 초기 프롬프트에 영향을 주는 요소도 발생하며 이에 따라 프롬프트를 수정하고 개선하는 작업이 반복적으로 발생하게 됩니다. 이러한 과정을 반복적으로 하다 보면 최초 작성한 프롬프트를 수정하거나 개선해야하는 경우가 발생하며 때로는 사용자가 원하는 답변을 얻기 위하여 프롬프트를 재설계와 재작성하는 경우도 발생합니다. 이러한 모든 과정은 프롬프트의 최적화 과정이라고 할 수 있습니다. 그럼 세부적인 내용을 살펴보도록 하겠습니다.

​

8. 프롬프트 최적화

 

AI를 활용하다보면 단순한 질의사항이 아니라 여러 과정을 거치고 자료의 수집 – 요약 – 정리 - 시사점 도출 등의 다단계의 과정을 거치는 작업을 할 경우가 있습니다. 뿐만 아니라 출력 형식과 톤, 사실에 기반(근거가 있는 자료)하여 자료를 수집한 후 스타일에 맞게 요약하는 작업을 수행하는 프롬프트를 작성해야 하는 경우도 발생합니다. 이 경우 단순한 질문과 단계적 진행으로는 사용자가 희망하는 결과를 얻기 어렵고, 더욱 더 지속적으로 동일한 결과를 얻을 수 있는 프롬프트를 작성하는 것이 어렵다는 것을 느끼게 될 것이다.

 

이러한 복잡한 작업을 수행해 보면 최초 지정한 프롬프트에 맞지 않는 응답을 하거나 최근에 조사한 내용이 기존 프롬프트에 반영되어 답변을 하는 것과 같은 느낌을 받으면서 혼란스럽고 새삼 프롬프트 작성이 어렵다는 것을 느끼게 됩니다. 이에 프롬프트를 작성하는데 실질적으로 도움이 될 수 있는 설계 방법과 Key-Point만 정리해 보고자 합니다.

 

효과적인 AI 활용의 핵심은 체계적이고 전략적인 프롬프트 설계에 있습니다. 단순히 질문을 던지는 것을 넘어서 AI가 정확히 무엇을, 어떻게, 어떤 형태로 수행해야 하는지를 명확하게 정의하고 지시하는 것이 필요합니다. 다음의 원칙은 각 주요 AI 모델들에게 적용되는 프롬프트 설계 방법으로 공통적으로 강조하는 핵심 원칙들입니다.

 

[ 프롬프트 설계의 7가지 핵심 원칙 ]

 

① [결과 중심적 접근] 가장 중요한 것은 결과 중심적 접근(Outcome-First)입니다. "누구에게 무엇을 어떤 형식으로 왜(목적) 제공할 것인가"를 한 문장으로 명확히 정의하는 것이 모든 프롬프트 설계의 출발점이 되어야 합니다. 이는 목표가 모호하면 결과물도 모호해질 수밖에 없다는 근본적 인식에서 출발합니다.

 

② [형식 우선 정의] 형식 우선 정의(Format-First)는 출력 형식을 먼저 고정하는 것을 의미합니다. 표, JSON, 마크다운, 코드 블록 등 원하는 결과물의 구조와 형태를 미리 명시하면 AI가 일관된 형태로 답변을 제공할 수 있습니다. 이는 특히 자동화된 시스템에서 AI 출력을 활용할 때 매우 중요한 요소입니다. 다만, “형식 고정”은 지나치게 강조되면 유연성이 떨어질 수 있어, AI 모델에 따라서는 유연하게 핵심 출력형식만 고정하고 나머지는 유연하게 두는 것이 보다 효과적이라고 할 수 있습니다.

 

③ [ 단문, 단일의미 ] 가능한 핵심 지시어는 단문과 단일 의미가 담기도록 하고 가능한 접속사 사용을 최소화하는 것이 중요합니다. 다만, 맥락 설명은 별도 문단으로 길게 작성하여 충분히 AI가 작업의 의도를 이해하도록 하는 방향이 좋습니다. 또한, 지시와 맥락이 혼재하거나 복잡하고 긴 문장은 AI가 의도를 잘못 해석할 가능성이 높아지므로, 명확하고 간결한 지시가 더 정확한 결과를 가져올 수 있습니다.

 

④ [ 명사, 동사, 수식어의 정밀화 ] 명사와 동사의 정밀화는 모호한 표현 대신 구체적인 행동을 지시하는 것입니다. "분석해줘" 대신 "장단점을 3가지씩 비교 분석해줘", "정리해줘" 대신 "핵심 내용을 5개 항목으로 요약해줘"와 같이 구체적으로 명시해야 합니다. 가능한 동사는 행위 위주, 명사는 대상/범위 지정, 수식어는 정확도/톤/제약 요건으로 구분하는 연습이 필요합니다. (첨부1 참조)

 

⑤ [ 수치화 ] 수치화 원칙은 길이, 개수, 날짜 형식, 단위 등을 숫자로 제약하는 것입니다. "적당히", "대략", "짧게" 같은 주관적 표현 대신 "500자 이내", "3개 항목", "YYYY-MM-DD 형식"과 같이 명확한 언어와 단위 등을 기술하는 등 객관적 기준을 제시해야 합니다.

 

⑥ [ 금제․제한/불확실성 ] 금지사항, 제한사항, 추정 표기 규칙, 출처 명시(출처 형식 등 제시) 등의 안전장치를 명시하는 것입니다. 특히 민감한 정보나 전문적 조언이 필요한 영역에서는 명확한 경계선을 설정할 필요가 있습니다. 다만, 금지 또는 제한적 단어를 사용할 경우 작업의 형태에 따라 적용에 주의할 필요가 있습니다. 예를 들어 창의적이고 혁신적인 해결방법을 찾는 일이라고 할 경우 너무 부정적인 언어를 사용하면 AI의 사고가 문제 중심적으로 패턴에 가두어 창의적이거나 혁신적인 내용을 제시하는데 제한적일 수 있습니다. 또한 과도한 부정적 언어나 특정 유형의 표현은 AI의 안정장치(시스템 프롬프트)를 작동시켜 “요청하신 내용을 처리할 수 없습니다.”와 같이 응답을 거부하는 사례로 나타날 수 있습니다. 이러한 경우는 목표 지향적 단어의 사용을 추천드립니다. 예를 들어 “실패를 피하기 위해 어떻게 해야 하는가?”라는 표현보다는 “성공을 달성하기 위한 전략은 무엇일까?”라는 표현이 더 효과적인 방법입니다.

 

⑦ [ 예시, 반례 ] 예시와 반례 제공은 원하는 결과물과 원하지 않는 결과물을 구체적으로 보여주는 것입니다. 이는 AI가 사용자의 의도를 정확히 파악하고 적절한 수준의 답변을 제공하는데 매우 효과적입니다. 반례의 경우 짧고 명확하게 기술하는 것이 바람직합니다. 반례를 장황하고 길게 작성할 경우 AI가 혼돈을 일으킬 수 있으므로 가능한 “하지 말아야할 답변 스타일” 정도로 간단하게 제시하는 것이 최적의 방안이라고 할 수 있습니다.

 

원 칙	핵 심 개 념	실무 적용 Tip
① 결과 중심적 접근	누구에게, 무엇을, 어떤 형식, 왜(목적)	“최종 산출물”을 먼저 정의
② 형식 우선 정의	JSON, 표, 마크다운 등 출력 형식 고정	핵심 형식만 지정, 부차 요소는 유연
③ 단문·단일 의미	지시어는 단문·단일 의미	주요 지시는 단문, 맥락은 별도 문단
④ 명사·동사·수식어 정밀화	구체적 동사·명사 + 수식어	“분석/정리” 대신 “5개 항목 요약”
⑤ 수치화된 제약	글자 수, 단위, 개수 등 명시	언어+단위 함께 표기
⑥ 가드레일 설정	금지/제한/출처/불확실성 표시	안전·정확성 강화
⑦ 예시·반례 활용	예시는 풍부하게, 반례는 짧게	Few-shot + Negative prompting 병행

 

 

[ 프롬프트 설계 프로세스 ]

 

효과적인 프롬프트 설계는 다음과 같은 단계적 접근을 통해 설계하여야 합니다. 지금부터 정리하는 것은 프롬프트를 설계하는 기본 가이드인 만큼 반드시 눈에 익을 때까지 반복 학습하기 바랍니다.

 

① [1단계] 목표 정의와 성공 기준 설정에서는 프롬프트의 최종 목표를 한 문장으로 압축하고, 측정 가능한 성공 기준을 함께 제시합니다. 모든 효과적인 프롬프트는 구체적인 작업 정의에서 시작된다는 것을 항상 머릿속에 기억해야 합니다. "무엇을 원하는가?"라는 질문에 명확하고 구체적으로 답을 할 수 있어야 합니다. 막연한 요청은 막연한 결과를 낳습니다. 이것은 가장 중요한 부분으로 프롬프트로 하고자 하는 목적이 무엇인지 단문으로 정리하는 연습을 익숙해질 때까지 해야 합니다.

 

② [2단계] 역할과 페르소나 설정에서는 AI가 수행해야 할 구체적인 역할을 정의합니다. "10년 경력의 디지털 마케팅 전문가", 등 구체적인 전문성과 톤을 부여합니다. 페르소나를 만드는 명확한 목적을 설정하고 어떤 문제를 해결하고 싶은지, 어떤 의사 결정에 페르소나를 활용할 것인지 구체화해야 합니다. 이렇게 사용하면 해당 전문가(페르소나로 정의된)처럼 답변을 유도할 수 있으며, AI가 전문가의 어투·관점·사고방식을 모방하여 답변합니다. 또한, 페르소나는 답변의 질을 크게 향상시키며 프롬프트의 전 영역에 영향을 미치는 요소라는 것을 항상 염두에 두어야 합니다. 하나의 팁은 필요에 따라서는 여러 관점을 동시에 정의하는 것도 효과적입니다.

 

③ [3단계] 맥락과 제약 조건 분석에서는 대상 독자의 수준, 사용 환경, 법적 제약, 기술적 제약 등을 종합적으로 검토하고 실현 가능하고 실용적인 프롬프트를 설계하는 기반이 됩니다. 맥락 정보는 AI가 적절한 수준과 방향으로 답변할 수 있게 해주는 핵심 요소입니다. 같은 질문이라도 왜 그 정보가 필요한지, 어떤 상황에서 사용될 것인지에 따라 최적의 답변은 달라집니다. 예를 들어 "프레젠테이션 자료를 만들어줘"라는 요청에서 "CEO에게 분기 실적을 보고하기 위한 프레젠테이션"과 "대학교 강의에서 학생들에게 마케팅 개념을 설명하기 위한 프레젠테이션"은 완전히 다른 접근이 필요합니다. 전자는 간결하고 핵심적인 데이터 중심의 구성이 필요하고, 후자는 교육적이고 이해하기 쉬운 설명 중심의 구성이 필요하듯이 작업의 목적에 맞는 정보, 환경, 제약 조건 등을 정의하는 연습을 계속해야 합니다. 또한, “법적 제약”,“기술적 제약”은 실제 AI가 자체적으로 판단하기 어렵습니다. 따라서 반드시 사용자가 프롬프트에서 명시해야 적용됩니다. AI가 자동으로 규제 환경을 인식하는 것이 아님을 주의해야 합니다. 즉, 목적별로 다른 설계가 필요함을 의미합니다.

 

④ [4단계] 형식과 출력 스키마 고정에서는 결과물의 구조, 필드명, 길이, 정렬 기준 등을 미리 정의합니다. JSON, 표, 마크다운 등 기계가 검증 가능한 형식을 권장하며, 목적에 맞게 출력 형식의 구조적 측면과 스타일 측면으로 나누어 1단계에서 함께 고민하여 정의하는 습관을 들이는 것이 좋습니다. 필요에 따라서는 형식에 맞지 않을 경우 후속 질문을 통해 보완하여야 합니다.

 

⑤ [5단계] 우선순위 계층 정의에서는 충돌 상황에서의 우선순위를 명확히 합니다. 일반적으로 "안전성 > 사실성 > 형식 준수 > 완성도 > 창의성" 순으로 설정하지만 모든 AI가 이 계층을 따르는 것은 아니라는 것을 이해하고 있어야 합니다. 이 내용은 금방 이해가 오지 않는 사람들이 많을 것입니다. 다수의 프롬프트를 작업하다보면 결과가 이상하게 나오는 경우가 있습니다. 이 경우 우선순위로 인하여 다른 결과 값이 나올 수 있다는 것을 이해하고 있어야 합니다. 이 뿐만 아니라 AI별로 프롬프트간 답변 또는 사용자 질문에 대한 우선순위가 다른 경우도 있습니다.

 

⑥ [6단계] 프롬프트에서 자주 활용하는 기법들을 활용하는 것을 추천 드립니다. 대표적으로 많이 사용하는 것은 Few-Shot, CoT(Chain-of-Thought), ToT(Tree-of-Thought)으로, 사용자 프롬프트를 작성할 경우 사용 목적에 맞게 활용해 보시기 바랍니다. 다만, ToT(Tree-of -Thought)는 아직 학계 연구 단계에 가까운 기법입니다. GPT·Claude·Gemini 등 상용 AI 모델은 ToT를 내장하지 않고 있으며, 프롬프트에 “분기 탐색”을 하라고 명시하는 것이 바람직합니다.

 

3가지 기법을 단독으로 사용해도 되지만 사용자가 진행하는 목적에 따라 , ⒜ Few-shot + CoT조합, ⒝ CoT + ToT조합 등으로 활용하는 방법도 있습니다. 예를 들어, 조건부 실행을 하는 작업일 경우 CoT + ToT조합을 활용하는 방법이 있습니다. 다만, ChatGPT, Claude, Gemini, Perplexity 같은 상용 LLM은 내부적으로 CoT와 ToT를 자동 전환하는 메커니즘을 직접 탑재하고 있지 않습니다. 대신, 사용자가 프롬프트로 요청한 방식을 하나의 “출력 스타일 지시”로 받아들이게 됩니다. “명확한 정답이 있다면 CoT” → 모델은 “정답이 확실한 경우 단계별 추론을 보여줘야 한다.”는 조건으로 해석하고, “불분명하다면 ToT” → 모델은 “정답 후보를 여러 개 제시하고 각각 장단점/가능성을 평가해야 한다”는 조건으로 해석합니다. 즉, AI는 사용자가 설정한 규칙을 시뮬레이션하면서 답변을 구성하는 것이지, 스스로 “정답 확실성 탐지 → CoT / ToT 분기”를 엔진 레벨에서 수행하는 것은 아니라는 것입니다.

 

구 분	Few-Shot	CoT	ToT
정 의	AI 모델에게 원하는 작업의 몇 가지 구체적인 예시를 프롬프트 내에 제공하여, 모델이 해당 패턴과 형식을 학습하고 새로운 입력에 대해 유사한 방식으로 응답하도록 유도하는 기법	CoT는 AI가 복잡한 문제를 해결할 때 최종 답변을 바로 생성하는 대신, 문제 해결 과정을 단계별로 추론하여 보여주도록 유도하는 기법 (추론 능력 향상 및 정확도 제고)	ToT는 단일 선형적인 사고 과정을 넘어 여러 가능한 해결 경로를 탐색하고 평가하는 기법
활용방법	- 분류, 추출, 변환, 포맷 통일, 스타일 모방 등 규칙이 명확한 작업에 효과적 일반적으로 - 2-5개의 고품질 예시를 제시 예시와 실제 입력의 형식을 최대한 동일하게 유지하는 것이 중요	- 수학 문제, 논리적 추론, 다단계 의사결정, 복잡한 분석이 필요한 작업에 특히 효과적	기획, 전략 수립, 복잡한 계획, 창작 브레인스토밍, 코딩 설계 등 창의적이고 다면적인 접근이 필요한 작업에 유용
프롬프트 사용예시	"다음 예시를 참고하세요." "아래 형식을 따라주세요." "예시처럼 작성해주세요." 라고 표현하고 실제 예시를 첨부해야함	"단계별로 생각해보세요" "차근차근 분석해주세요" "풀이 과정을 보여주면서" "추론 단계를 포함하여"	"여러 가능성을 탐색하여" "다양한 접근법을 고려하고 각각 평가한 후" "트리 형태로 분석하여 최적 경로를 찾아"

 

다음 내용은 실제적으로 프롬프트에서 어떻게 활용하는지 예를 들어 설명해 보겠습니다.

 

구 분	CoT (Chain of Thought)	ToT (Tree of Thoughts)
해 석	단계별 추론 과정을 보여 달라는 요구	여러 가능성(분기)을 탐색하고 평가하도록 지시
용 도	정답이 명확한 문제(수학, 논리, 퍼즐)에 적합	정답이 명확하지 않은 문제(전략, 창의적 사고, 시나리오 기획)에 적합
프롬프트 사용법	“단계별로”, “순서대로”, “과정을 보여줘”, “논리 전개”	“여러 가지 아이디어”, “분기 탐색”, “가설 A/B/C”, “각 장단점 평가”

 

⑦ [7단계] 불확실성 처리 규칙에서는 AI가 확신할 수 없는 정보에 대한 처리 방침을 정합니다. "모르면 추정 금지", "불확실한 내용은 '추정' 표기", "근거 없는 수치는 사용 금지", ”반드시 00은 적용“ 등의 규칙을 명시하는 방법입니다. 불확실성 처리 규칙은 AI의 환각(Hallucination) 현상을 방지하고 정보의 신뢰성을 확보하기 위한 핵심 안전장치이며, AI가 모르는 정보를 추측하여 채우거나, 근거 없는 수치를 생성하는 것을 막아 답변의 신뢰성을 높일 수 있는 방법입니다. 이는 앞서 언급한 바대로 AI는 다음 나오는 말을 추측하는 매커니즘으로 작동되므로 결과에 대해 완전히 불확실성을 제거할 수 없지만 프롬프트에서 불확실성을 어떻게 다루어야 하는지 규칙을 강제하는 방안으로 반영하는 것이 필요합니다. 특히, 의료, 금융, 법률, 안전과 연관된 Task에는 엄격한 규칙을 적용하는 것이 좋습니다.

 

[ 고도화된 최적화 전략 ]

 

프롬프트 최적화는 AI 모델로부터 원하는 품질의 결과를 일관되게 얻기 위해 입력 지시를 체계적으로 설계하고 반복적 실험과 검증을 기반으로 한 경험적 방법론이며, 연구와 실무에서 과학적 접근이 점점 정립되고 있습니다. 이는 단순한 시행착오를 넘어서 측정 가능한 지표와 반복적 개선을 통해 AI의 잠재력을 최대한 발휘하는 전문 영역입니다. 프롬프트 최적화는 여러 차원에서 AI 성능을 향상시키는 것을 목표로 합니다. 정확성 향상을 통해 사실적으로 신뢰할 수 있는 정보를 제공하도록 하고, 관련성 증대를 통해 사용자 의도에 가장 적합한 응답을 생성하도록 유도합니다. 또한 일관성 유지를 통해 대화 전반에 걸쳐 논리적 모순 없는 응답을 보장하며, 효율성 증대를 통해 토큰 사용량과 응답 시간을 최적화합니다.

 

마지막으로 안전성 확보를 통해 유해하거나 편향된 콘텐츠 생성을 방지하고 윤리적 가이드라인을 준수하도록 해야 합니다. 효과적인 프롬프트 최적화의 기초는 명확하고 구체적인 지시에서 시작됩니다. 추상적인 표현 대신 구체적인 숫자, 범위, 기준을 제시하고, "좋은 글을 써줘" 대신 "타겟 독자층, 목적, 길이, 톤, 포함할 키워드를 명시하여 글을 써줘"와 같이 세부사항을 명확히 해야 합니다. 충분한 컨텍스트 제공도 필수적입니다. 모델이 문제를 정확히 이해하고 적절한 응답을 생성하는데 필요한 모든 배경 정보를 포함해야 합니다. 예를 들어, 단순히 "이메일 초안을 작성해줘" 대신 상황, 목적, 구체적 내용, 톤을 모두 명시하는 것이 효과적입니다. 역할 부여를 통해 모델에게 특정 전문가나 페르소나를 부여하면 응답의 관점과 스타일을 효과적으로 제어할 수 있습니다. "당신은 15년간 경험이 있는 숙련된 마케팅 전문가입니다"와 같은 역할 설정은 응답의 품질과 적절성을 크게 향상시킵니다.

 

기본적인 프롬프트 설계를 완료한 후에는 다음과 같은 최적화 기법을 적용할 수 있습니다. 앞에서 언급한 Chain-of-Thought(CoT), Few-shot Learning, Self-Consistency, Self-Correction, Tree-of- Thought(ToT), RAG(Retrieval Augmented Generation) 등 다양한 방법을 통하여 프롬프트를 최적화 할 수 있습니다. 그렇다면 어떠한 절차를 통하여 프롬프트를 최적화하는 것이 바람직할까요? 효과적인 프롬프트 최적화를 위해서는 먼저 명확하고 측정 가능한 성공 기준을 설정해야 합니다. 정확도, 완성도, 형식 준수율, 토큰 효율성, 사용자 만족도 등 정량적 지표를 정의하고, 실제 사용자 질문, 엣지 케이스, 금지 시나리오를 포함한 대표적인 테스트 세트를 준비합니다. 그리고 [초기 프롬프트 작성 → 다양한 테스트 케이스 실험 → 결과 분석 및 문제점 식별 → 가설 기반 프롬프트 수정 → 재 테스트 및 성능 평가 → 목표 달성]까지 반복적인 개선 사이클을 통하여 최적화하는 것이 필요합니다. 뿐만 아니라 A/B 테스팅과 다변량 실험을 통해 특정 변경이 성능에 미치는 영향을 객관적으로 측정할 수 있습니다. 예를 들어, 지시문의 톤, 예시의 개수, 구조화 방식 등을 독립적으로 테스트하거나, 여러 요소의 상호작용 효과를 동시에 분석할 수 있습니다.

 

또한, 실제 업무나 AI를 활용함에 있어 도메인별로 특화된 최적화 전략이 필요합니다. 창의적 작업에서는 제약보다는 영감과 방향성을 제공하는 것이 중요하며, 분석적 작업에서는 체계적인 프레임워크와 명확한 평가 기준을 제시하는 것이 효과적입니다. 기술적 작업에서는 정확성과 완성도를 위한 상세한 사양과 검증 절차가 필요하고, 대화형 작업에서는 자연스러운 흐름과 적절한 응답성을 위한 최적화가 중요합니다. 효율성 고려사항으로는 토큰 경제성이 중요합니다. 불필요한 단어를 제거하고 간결하게 작성하여 토큰 사용량을 최적화하되, 필요한 정보는 누락하지 않도록 균형을 맞춰야 합니다. 또한 반복되는 요청에 대해 캐싱을 활용하거나 배치 처리를 통해 효율성을 높일 수 있습니다. 그리고 어떤 단어, 어떤 지시문이 토큰을 많이 사용하는지에 대한 연구와 실험도 필요합니다.

 

마지막으로 효과적인 프롬프트 최적화를 위한 핵심 점검 사항들은 나열해 보도록 하겠습니다. 명확하고 측정 가능한 목표 설정, 대표적이고 다양한 테스트 케이스 준비, 체계적인 실험 설계와 결과 기록, 단일 변수 테스팅을 통한 인과관계 파악, 예시의 품질과 다양성 확보, 사고 과정의 명시적 유도, 도메인별 특화 전략 적용, 정량적/정성적 평가 지표 활용, 지속적 모니터링과 개선 등의 점검 리스트를 가지고 기초 프롬프트를 만들고 최적화하면서 각 점검사항에 대해 자신이 만든 프롬프트를 평가해 보는 것도 올바르고 성능 좋은 프롬프트를 만들어 가는 역량을 높일 수 있는 방법입니다.

 

[첨부2] 프롬프트 설계를 위한 Checklist

구 분		세부항목	점검 포인트
1	기본 설계	목표 정의	명확성·측정성·구체성(4요소)·실현 가능성
		페르소나 설정	전문성·관점·적합성·일관성
		맥락 분석	대상·환경·목적·제약
2	형식 및 구조	출력 형식	JSON/표/마크다운, 필드 정의, 길이·정렬 기준
		언어 원칙	단문·구체적 동사/명사·수치화·접속사 최소화
3	안전성 및 품질	우선순위	안전성>사실성>형식>완성도>창의성
		안전장치	금지사항·불확실성 처리·출처·한계 명시
4	고급 기법	추론 기법	Few-Shot·CoT·ToT 및 조합 활용
		예시·반례	고품질 예시, 간결 반례, 다양한 상황 포함
5	최적화·검증	성능 측정	정확도·완성도·일관성·효율성
		테스트·개선	테스트셋·엣지케이스·A/B 테스트·지속 개선
6	도메인별 특화	창의적	영감 중심, 유연성 확보
		분석적	프레임워크, 검증 기준 명확
		기술적	상세 사양·검증 절차 포함
7	보완 요소	메타프롬프트	“답변 후 스스로 검증/수정” 지시
		자기 일관성	반복 실행 시 결과 일관성 평가, Self-Consistency 적용
		출력 활용성	재활용·자동화 프로세스 적용 가능성
		다국어·문화	언어 톤/문화적 맥락 반영 여부
		신선도(QDF)	최신 정보 필요 여부 및 정보의 시점 명시

​

내일은 프롬프트를 대하는 자세에 대하여 정리해 보도록 하겠습니다.

​

감사합니다.