이전 1부에서는 아래의 관점으로 개념을 정리해보았습니다. “프롬프트 = 질문, 프롬프트 엔지니어링 = 설계” 이번 2부에서는 그 설계를 굳이 사람이 머리 싸매고 하지 않고, GPT에게 그대로 맡겼을 때 어떤 차이가 나는지를 실제 사례로 정리해보려고 합니다. 0. 실험 방법 – 딱 이것만 바꿨습니다 실험 방법은 아주 단순합니다. 실제 업무에서 제가 하고 싶은 작업을 그대로 정리해둔다. Before: 떠오르는…
부제: 더 좋은 응답을 쉽게 얻는 법 LLM을 쓰다 보면 누구나 한 번쯤 이런 경험을 합니다. “어제는 잘하더니 오늘은 왜 이렇게 엉뚱하게 답하지?” “GPT가 작업 중간에 뭔가 잃어버린 것 같은데?” “이렇게 스펙을 정리했는데 왜 다른 걸 이해하지…?” 이 차이를 만드는 핵심 원인은 프롬프트를 어떻게 입력 혹은 설계했느냐입니다. 같은 모델에게 요청해도 결과가 다르게 나오는 이유죠….
서문 LLM 기반 챗봇을 처음 기획하면서 가장 어려웠던 점은, 핵심 개념들이 전혀 익숙하지 않다는 점이었습니다. 예를 들어, 처음 들었던 ‘RAG’, ‘폴백 시나리오’, ‘쿠션멘트’ 같은 용어들은 그 의미조차 가늠이 되지 않아 막막했던 기억이 납니다. RAG, LLM, 프롬프트 등의 용어부터 구조, 그리고 대응 방식까지 모두 새로운 세계였습니다. 무엇보다도 제가 가장 먼저 가졌던 생각은… “AI니까 방향만 입력해주면 알아서…