프롬프트 기법 총정리 — 제로샷·퓨샷·생각의 사슬로 LLM 답변 개선하기

핵심 메시지

• 좋은 프롬프트의 핵심은 "모델이 내 생각을 안다고 가정하지 않는 것"이며, 원하는 바를 예상보다 더 구체적으로 명시해야 한다.
• 제로샷 프롬프트는 예시 없이 질문만 던지는 방식으로, 모델이 이미 학습한 주제에 잘 통하지만 출력 형식까지 원한다면 그것도 명시해야 한다.
• 퓨샷 프롬프트는 질문과 정답 예시를 함께 주어 원하는 형식으로 답하도록 유도하며, 예시가 하나면 원샷이라고도 부른다.
• 생각의 사슬(Chain of Thought)은 단계별 풀이 과정을 보여주거나 "단계별로 생각해보자"라는 문구만 넣어도 복잡한 문제 해결력을 높인다.
• 이런 기법들은 대부분 상식에 가깝지만, LLM을 다룰 때 자주 상기하면 훨씬 나은 답을 얻을 수 있다.

쉽게 이해하기

영상은 프롬프트가 결국 "원하는 답을 얻기 위한 질문 던지기"이지만 생각보다 훨씬 섬세한 작업이라는 점에서 출발합니다. 발표자 맷 윌리엄스는 자신을 올라마 프로젝트의 창립 메인테이너로 소개하며, 로컬 AI를 잘 다루기 위한 대표적인 프롬프트 기법들을 하나씩 짚습니다. 모든 기법을 관통하는 원칙은 하나 — 모델이 내 의도를 알고 있다고 가정하지 말고 필요한 바를 명시적으로 풀어 쓰라는 것입니다.

가장 단순한 형태는 제로샷 프롬프트입니다. 예시 없이 질문만 던지는 방식으로, 모델이 해당 주제를 학습했다면 잘 작동합니다. 다만 "다음 문장의 감정을 판단하라"고만 하면 모델은 한 단어로 답해야 한다는 걸 모릅니다. 그래서 원하는 출력 형태(예: 감정을 한 단어로)까지 프롬프트에 적어주면 정확한 답을 얻습니다. 여기에 페르소나(예: 외과의사, 유튜브 SEO 전문가), 맥락, 톤 같은 세부를 더하면 답의 질이 올라갑니다.

제로샷으로 부족할 때는 퓨샷 프롬프트가 유용합니다. 질문과 함께 원하는 답의 예시를 제시해 모델을 특정 방식으로 "훈련"시키는 것입니다. 영상은 2020년 논문의 사례를 소개하는데, 잘못된 문장을 교정하게 하거나, "watpo" 같은 새 단어를 정의하고 예문을 만들게 하는 식입니다. 예시가 여러 개일 필요는 없고 하나만으로 충분할 때도 많으며, 예시가 하나면 원샷이라 부르기도 합니다.

더 복잡한 문제에는 생각의 사슬(Chain of Thought)이 등장합니다. 2022년 논문의 예시처럼 모델에게 단계별 풀이 과정을 보여주면(테니스공 개수, 카페테리아 사과 개수 계산 등) 모델이 그 방식을 모방해 정답에 도달합니다. 흥미롭게도 같은 해 다른 논문은 예시 없이 "단계별로 생각해보자"라는 문구만 붙여도 비슷한 효과가 난다고 밝혔습니다. 문제가 더 복잡하면 하위 문제로 쪼갠 뒤 하나씩 풀어 종합하는 최소-최대(least to most) 프롬프트나 에이전트식 접근이 쓰입니다.

발표자는 모델이 근본적으로 "맥락에 따라 통계적으로 가장 그럴듯한 다음 단어"를 예측할 뿐이라, 같은 질문에도 매번 다른 답이 나올 수 있으니 답을 몇 가지 변형으로 요청하는 것도 방법이라고 조언합니다. 마지막으로 메타 프롬프팅·ReAct 같은 변형·조합 기법들도 언급하며, 이런 것들이 사실 대부분 상식에 가깝지만 LLM을 다룰 때 자주 되새기면 도움이 된다고 정리합니다. "프롬프트 엔지니어링"이라는 명칭에 대해서는 엄밀한 공학과는 거리가 있어 논란이 있다는 가벼운 견해도 덧붙입니다.

주요 인사이트

• 프롬프트 기법의 본질은 화려한 마법이 아니라 "모델은 내 마음을 읽지 못한다"는 전제에서 필요한 정보와 형식을 명시적으로 채워 넣는 것이다.
• 제로샷→퓨샷→생각의 사슬은 문제의 난이도에 따라 단계적으로 올라가는 도구 상자로 볼 수 있으며, 무조건 복잡한 기법이 좋은 것은 아니다.
• "단계별로 생각해보자"라는 짧은 문구 하나가 정교한 예시 나열과 맞먹는 효과를 낼 수 있다는 점은, 적은 노력으로 큰 개선을 얻는 실용적 팁이다.
• 모델이 다음 단어를 확률적으로 예측한다는 특성 때문에 답이 매번 달라지므로, 여러 변형을 요청해 비교하는 것도 유효한 전략이다.

자주 묻는 질문

관련 AI 소식