Chapter 04 용어 사전

프롬프트 엔지니어링 기술 기초 활용 전체 용어 정리

한국생산성본부(KPC) 공식 출제 기준에 맞춘 Chapter 4의 모든 핵심 용어와 개념(스킬 응용, 목적별 설계 전략, 외부 도구 연계 활용)을 총망라하여 정리했습니다.

Part 01

프롬프트 엔지니어링 스킬 응용 및 주요 모델

모델에게 사전 예시나 학습용 샘플을 전혀 제공하지 않고, 곧바로 지시사항이나 질문만 입력하여 답변을 유도하는 기법입니다.

원하는 출력 형태나 패턴을 몇 가지 모범 예시(Example)와 함께 제시하여 모델이 올바른 형식의 답변을 도출하도록 돕는 기법입니다.

복잡한 논리나 수치 계산 문제에서 "단계별로 차근차근 생각해 봐"와 같은 지시를 통해 중간 추론 과정을 거치도록 유도하여 정답 도출의 정확도를 높이는 기법입니다.

CoT 방식을 응용하여 여러 개의 서로 다른 추론 경로를 생성한 뒤, 다수결 원칙이나 상호 검증을 통해 가장 신뢰성 높은 최종 결론을 선택하는 기법입니다.

단계별 작업마다 초안 작성가, 편집자, 교정자 등 서로 다른 전문가 역할을 차례로 부여하여 결과물의 완성도를 높이는 프롬프트 연계 기법입니다.

텍스트뿐만 아니라 이미지, 오디오, 문서 등 다양한 유형의 미디어 데이터를 함께 입력하여 AI와 상호작용하고 분석을 수행하는 기술입니다.

이미지 생성 AI 등에서 원하지 않는 색상, 사물, 스타일 등이 결과물에 포함되는 것을 방지하기 위해 배제할 요소를 지정하는 기법입니다.

Part 02

보고서, 이메일, 기획서 등 목적에 맞는 구조, 개요(Outline), 톤앤매너, 핵심 키워드를 사전에 지정하여 논리적인 초안을 신속하게 생성하는 전략입니다.

방대한 텍스트나 장문에서 핵심 인사이트만 추출하도록 지시하며, 글자 수 제한, 불렛포인트 형식, 혹은 특정 관점 중심의 요약 조건을 명시하는 전략입니다.

단순 직역을 넘어 목표 언어의 문화적 맥락, 전문 용어 사전, 독자층의 연령대 및 비즈니스 톤을 반영하여 번역 품질을 최적화하는 전략입니다.

프로그래밍 언어 종류, 요구되는 기능 명세, 데이터베이스 스키마, 예외 처리 조건 등을 구체화하여 코드를 생성하고 오류 수정안을 요청하는 전략입니다.

결과물을 표(Table), 마크다운(Markdown), JSON, 번호 매기기 등 특정한 구조나 형식으로 출력하도록 사전에 명시하는 설계 방식입니다.

작업이 진행되는 배경, 대상 타깃, 목적 등 구체적인 상황 정보를 함께 제공하여 AI가 상황에 꼭 맞는 맞춤형 답변을 생성하도록 돕는 전략입니다.

Part 03

웹서핑 중 실시간으로 웹페이지 요약, 문법 교정, 번역, 이메일 작성 보조 등의 AI 기능을 브라우저 환경에서 즉시 연동하여 활용하는 도구입니다.

LLM 단독 모델의 정보 한계를 극복하기 위해 실시간 웹 검색, 계산기, 스프레드시트, 외부 API 등 외부 애플리케이션과 유기적으로 연동하는 기능입니다.

사내 문서나 외부 데이터베이스에서 연관된 정보를 먼저 검색해 가져온 뒤, 이를 바탕으로 LLM이 정확하고 신뢰할 수 있는 답변을 생성하는 시스템입니다.

프롬프트 엔지니어링 기술과 자동화 도구(예: Zapier 등)를 결합하여 반복적인 데이터 처리, 고객 응대, 콘텐츠 배포 과정을 자동화하는 방식입니다.

프롬프트 내에서 지시문과 본문 데이터(분석할 텍스트나 소스 코드 등)를 명확히 분리하기 위해 사용하는 기호(따옴표, 백틱 등)입니다.