프롬프트 설계 원칙 (DO and DON'T)

프롬프트 설계 원칙은 생성형 AI 모델로부터 일관되고 정확한 결과를 이끌어내기 위해 지켜야 할 지침과 피해야 할 함정을 체계화한 것이다. 초기에는 "올바른 단어를 찾는" 기술로 여겨졌지만, 연구를 통해 구조와 형식, 그리고 얼마나 풍부한 맥락(Context)을 제공하느냐가 핵심임이 밝혀졌다. [Prompt Engineering Guide - DO and DON'T]

컨텍스트 엔지니어링의 부상과 함께, 프롬프트 설계는 단순한 단어 선택을 넘어 시스템 프롬프트와 사용자 프롬프트의 명확한 분리, 구조화된 패턴 활용 등을 아우르는 실질적인 엔지니어링 영역으로 발전하고 있다. [DevelopersIO - 2026년 프롬프팅 기법]

1. 간단하게 시작하고 점진적으로 확장하기

프롬프트 설계는 반복적인 과정이다. 간단한 프롬프트로 시작한 뒤, 더 나은 결과를 위해 요소나 맥락을 추가해나간다. 큰 단위 작업은 더 작은 하위 작업으로 분해하여 점진적으로 구축하는 것이 효과적이다. [Prompt Engineering Guide - DO and DON'T]

프롬프트 버전 관리는 코드처럼 취급해야 한다. 변경 사항을 추적하고, 수정 사항을 테스트하며, 다양한 사용 사례에 맞는 버전을 유지 관리한다. [LinkedIn - 프롬프트 엔지니어링 패턴]

2. 구체적이고 명확한 지시 사용하기

• 작성하기, 분류하기, 요약하기, 번역하기, 정렬하기 등의 명확한 동사형 명령어를 활용한다.
• 출력 형식, 길이, 스타일 등 원하는 결과를 구체적으로 서술한다.
• ###과 같은 명확한 구분 기호를 사용해 지시 사항과 데이터를 분리한다. [Prompt Engineering Guide - DO and DON'T]

예시 비교:

[Prompt Engineering Guide - DO and DON'T]

3. '해야 하는 것'에 초점 맞추기 (금지보다 지시)

"하지 마세요"보다 "이렇게 하세요"라는 형태로 지시하면 모델이 더 명확한 행동 기준을 갖는다. [Prompt Engineering Guide - DO and DON'T]

4. 충분한 맥락(Context) 제공하기

데이터 규모, 현재 문제, 목표 수치, 사용 환경을 구체적으로 명시하는 것이 훨씬 나은 답변을 이끌어낸다. [DevelopersIO - 2026년 프롬프팅 기법]

롤 프롬프팅("당신은 전문가입니다") 대신, 아래와 같이 구체적인 맥락과 프레임워크를 제공하는 것이 효과적이다:

❌ "당신은 20년 경력의 보안 전문가입니다. 취약점을 찾아줘." ✅ "다음 AWS IAM 정책을 AWS Well-Architected Framework의 최소 권한 원칙 관점에서 검토해줘. 잠재적인 보안 위험과 구체적인 개선 방안을 알려줘."

5. 시스템 프롬프트와 사용자 프롬프트 분리하기

제약 조건, 출력 형식, 페르소나 설정은 시스템 프롬프트에 고정하고, 사용자 프롬프트에는 순수하게 질문과 데이터만 입력하는 것이 최신 API 활용의 기본 전제다. [DevelopersIO - 2026년 프롬프팅 기법]

6. 프롬프트 성능을 정량적으로 평가하기

주관적 평가에만 의존하면 성능 개선이 어렵다. LLM-as-a-Judge 방식, BLEU·ROUGE 등 정량 지표, 인간 평가를 목적에 맞게 조합해 반복 평가 파이프라인을 구축하는 것이 권장된다. [infograb - LLM 기반 프롬프트 평가]

1. 추론 모델에 "단계별로 생각해줘" 추가 (중복 지시)

OpenAI o3/o4-mini, Claude Extended Thinking 같은 추론(Reasoning) 모델은 이미 내부적으로 단계별 추론을 수행한다. CoT를 명시적으로 지시하면 응답 시간만 늘어난다 (최대 20~80% 증가, 성능 향상은 +2.9%에 그침). 단, GPT-4o나 Claude 3.5 Sonnet 같은 일반(Non-Reasoning) 모델에서는 명시적 CoT가 여전히 유효하다. [DevelopersIO - 2026년 프롬프팅 기법]

2. 롤 프롬프팅으로 지식 확장 기대하기

"당신은 20년 경력의 클라우드 아키텍트입니다"와 같은 롤 프롬프팅은 현재 모델에서 사실적 정확도를 높이는 데 도움이 되지 않으며, 오히려 편향을 증폭시킬 수 있다. 단, 출력 포맷·어조·제약 조건 준수를 강제하는 목적으로는 여전히 유용하다. [DevelopersIO - 2026년 프롬프팅 기법]

3. Few-Shot 예시를 5개 초과로 제공하기

예시 수가 일정 수준을 초과하면 오히려 성능이 급락하는 "Few-Shot Collapse" 현상이 발생한다. 최신 모델은 이미 태스크를 이해하므로 2~3개의 신중하게 선택된 예시로 충분하다. [DevelopersIO - 2026년 프롬프팅 기법]

*Gemini Flash, 경로 최적화 태스크 기준 [DevelopersIO - 2026년 프롬프팅 기법]*

4. 고성능 모델에 복잡한 프롬프트 스캐폴딩 적용하기

GPT-5, Claude Opus 수준의 최상위 모델에서는 단계별 규칙과 세밀한 제약 조건으로 꽉 짜인 복잡한 프롬프트가 "프롬프팅 역전(Prompting Inversion)" 현상을 유발해 오히려 역효과를 낸다. 최신 모델일수록 원하는 결과만 간결하고 명확하게 지시하는 것이 낫다. [DevelopersIO - 2026년 프롬프팅 기법]

5. "마법 단어" 및 감정적 조작 문구 사용하기

"제발 해줘", "200달러 팁을 줄게", "이 일을 못하면 내가 해고돼" 같은 감정적 조작 문구는 현재 프론티어 모델에서 일관된 효과를 보이지 않는다. 데이터 규모, 현재 문제, 목표 수치, 사용 환경을 구체적으로 명시하는 것이 훨씬 효과적이다. [DevelopersIO - 2026년 프롬프팅 기법]