우리는 프롬프트 기법을 기본과 고급으로 구분합니다. 여기서는 기본 기법들을 다룹니다.

1. 입력 – 출력 관계 문제

LLM이 특정 작업을 더 잘 수행하도록 프롬프트 안에 소수의 예시(demonstrations) 를 제공하는 기법입니다. 이는 LLM이 문맥 내 학습(in-context learning)을 통해 제공된 예시를 바탕으로 다음에 나올 입력에 대한 응답을 생성하도록 유도합니다. ‘이렇게 가이드해주니 더 잘 하더라는 것‘입니다

LLM은 대규모 텍스트 데이터에서 학습된 패턴을 기반으로 작동합니다. 퓨샷 프롬프팅은 이러한 패턴 인식 능력을 활용하여, 프롬프트에 포함된 예시를 통해 특정 작업에 대한 입력과 출력의 관계를 학습하고, 이를 바탕으로 새로운 입력에 대한 적절한 출력을 생성합니다. 예시를 통해 LLM은 작업의 목표, 입력 형식, 출력 형식 등을 파악하고 이를 일반화하여 새로운 입력에 적용합니다.

• 예시)
  • This is awesome! // Negative
    This is bad! // Positive
    Wow that movie was rad! // Positive
    What a horrible show! //

• One-Shot, Few-Shot
  • “이런 경우에 이런 식으로 해야 합니다”라고 해야 할 때 – 랜덤하게 분포되어 있어 가장 확률이 높은 답변 골라내야 할 때 – 예시가 필요한 일 – 적합합니다.
  • 말로 하는 게 복잡하고 어려울 때 예시를 사용합니다. 백문이 불여일견이라는 말처럼 예시를 드는 게 더 좋을 때가 있습니다.
  • 정확한 답을 해야 하는 산출 추론 문제에는 적합하지 않습니다.
  • 지시 클러스터링과 데모 샘플링
    • 예시는 응답의 정확도와 일관성을 높이는 중요 요소이지만, 작성이 어려워 뒤로 미뤄질 수 있습니다. 이런 경우 지시들을 모아 클러스터링하고 클러스터링 결과를 예시로 사용할 수 있습니다.
    • 예시 – 고객 문의 유형별 분류
      • 다음 고객 문의들을 유형별로 분류해주세요:
        1. 환불은 언제 되나요?
        2. 배송 조회가 안됩니다.
        3. 사이즈 교환하고 싶어요
        4. 포인트는 어떻게 사용하나요?
        5. 배송비는 얼마인가요?
        6. 카드 결제 영수증 필요합니다
        7. 해외 배송 가능한가요?
        8. 교환 배송비는 누가 부담하나요?
      • 이에 대한 응답이 다음과 같을 때
        • 결제/환불
          • 환불은 언제 되나요?
          • 포인트는 어떻게 사용하나요?
          • 카드 결제 영수증 필요합니다
        • 배송 관련
          • 배송 조회가 안됩니다
          • 배송비는 얼마인가요?
          • 해외 배송 가능한가요?
        • 교환/반품
          • 사이즈 교환하고 싶어요
          • 교환 배송비는 누가 부담하나요?
      • 이를 few-shot 예시로 사용하는 프롬프트 작성을 요청합니다.
        • 고객문의를 few-shot으로 사용하는 고객 문의 유형을 분류하는 프롬프트를 작성해주세요.
        • [분류 기준]
          • 거래 단계별 구분
          • 유사 속성 그룹화
          • 업무 처리 프로세스 고려
      • 이에 대한 응답으로 다음과 같은 프롬프트가 생성된 경우
        • 아래 예시들을 참고하여 새로운 고객 문의를 적절한 유형으로 분류해주세요.
          • [결제/환불 관련 예시]
            • Q: “환불은 언제 되나요?”
              분류: 결제/환불 관련
              이유: 금전 거래와 관련된 문의
            • Q: “포인트는 어떻게 사용하나요?”
              분류: 결제/환불 관련
              이유: 결제 수단 사용 방법 문의
          • [배송 관련 예시]
            • Q: “배송 조회가 안됩니다”
              분류: 배송 관련
              이유: 배송 진행 상태 확인 요청
            • Q: “배송비는 얼마인가요?”
              분류: 배송 관련
              이유: 배송 비용 관련 문의
          • [교환/반품 관련 예시]
            • Q: “사이즈 교환하고 싶어요”
              분류: 교환/반품 관련
              이유: 상품 교환 요청
            • Q: “교환 배송비는 누가 부담하나요?”
              분류: 교환/반품 관련
              이유: 교환 절차 비용 문의
          • 새로운 문의: [실제 고객 문의]
          • 분류 결과:
      • [실제 고객 문의]를 고객 문의로 대체해서 프롬프트를 실행하고 반복 개선 합니다.
        • 분류 결과를 강화하는 경우
          • 분류 결과:
            분류해야 할 항목:
            1. 문의 유형 (결제/환불, 배송, 교환/반품 중 선택)
            2. 분류 이유
            3. 처리 우선순위
• Zero-Shot
  • 예시가 필요해 보이는 일이라도, 최근 탑클라스 모델은 예시 없이도 잘 응답합니다.
  • 제로샷 프롬프팅은 간단하고 일반적인 작업에는 효과적일 수 있지만, 복잡하거나 특정 분야의 작업, 또는 높은 정확도와 일관성이 요구되는 작업에는 한계를 보입니다.

2. 크고 복잡한 문제

크고 복잡한 문제를 해결해야 한다면, 사람은 좀 더 작고 단순한 문제들로 나누어 해결하려고 합니다. LLM도 복잡한 추론 문제를 해결해야 할 때 이렇게 가이드해주면 더 잘 합니다.

• Chain of Thought(COT)

  • 복잡한 작업을 명확한 단계로 나누어 제시합니다. 각 단계는 순차적이고 독립적이어야 합니다. 단계에 예시를 포함할 수 있습니다.
  • 나쁜 예시
    • 이 텍스트를 분석하고 요약하고 개선점을 제안해주세요.
      • 여러 작업이 뒤섞여 있음
      • 각 작업의 우선순위가 불명확
  • 좋은 예시
    • “다음 단계로 텍스트를 처리해주세요:
      • 주요 논점 3가지 추출
      • 각 논점을 1-2문장으로 요약
      • 각 논점별 개선점 1가지씩 제안
    • 기후 변화가 도시 인프라에 미치는 장기적 영향을 분석하세요. 이 문제를 해결할 때 다음 단계를 엄격하게 따르세요.
      1. 문제의 핵심 변수 식별
      2. 각 변수 간의 논리적 관계 분석
      3. 가능한 해결 경로 평가
      4. 최적의 해결 전략 선택
      5. 단계별 해결 과정 상세 설명
      6. 최종 결론 도출 및 검증
  • 예시를 사용한다는 것은 특수화된 다는 의미로
    • 범위(의도)가 좀 더 특정된다는 것으로 일반적 문제 해결보다 엄격한 학술적 분석에 요구됩니다.
    • 적용 깊이가 엄격해진다는 것으로 구조화된 프레임워크에 요구됩니다.
    • 연구 기반 방법론에 요구됩니다.

•  Zero-shot COT

  • 중간 단계들을 명시하지 않고 LLM이 중간 단계를 명시적으로 생성하도록 유도하여 최종 답변의 정확성을 높입니다.
  • 문제 앞이나 뒤에 ‘단계별 추론과정을 보여 달라고(Let’s think step by step)’를 작성합니다. 
  • 예시
    • 단계별로 차근차근 생각해 봅시다. 서울에서 부산까지 자동차로 5시간이 걸리고, 부산에서 광주까지 3시간이 걸립니다. 서울에서 부산을 거쳐 광주까지 가는 데 총 몇 시간이 걸릴까요?
    • 한 상자에 사과 24개가 들어있습니다. 3명의 친구가 동일하게 나누어 가질 때, 각 친구는 몇 개의 사과를 받나요? 이 문제를 단계별로 풀어주세요. 이 문제를 풀기 위해 단계별 추론 과정을 보여주세요.

• Least-To-Most Prompting

  • 복잡한 문제를 더 작은 하위 문제들로 나누고, 쉬운 것부터 어려운 것 순으로 차근차근 해결해 나가는 방식입니다.
  • “Least-To-Most Prompting 방식으로”와 같이 기법을 명시적으로 지정합니다.
    • 예시
      • Q: Least-To-Most Prompting 방식으로 반지름이 5cm인 원의 넓이와 둘레를 구해주세요.

• Prompt Chaining

여러 개의 프롬프트를 순차적으로 연결하여 복잡한 작업을 수행하는 기법입니다. 각 프롬프트의 출력이 다음 프롬프트의 입력으로 사용되어 최종 결과를 도출합니다.

• • 예시 1
    • 다음과 같은 지시하고 싶을 때
      • “로봇과 인간의 우정”을 주제로 해서 짧은 이야기를 생성하고, 그 이야기를 영어로 번역한 후, 번역된 이야기를 요약해 주세요.
    • 세 단계로 나누고, 각 단계별로 프롬프트를 작성합니다. 단계별 프롬프트를 만든다는 것은 단계 별로 독립된 생성 지시가 될 수 있다는 것입니다.
      • 단계 별 프롬프트를 독립적으로 실행 개선할 수 있습니다.
    • **1. 프롬프트 1 (이야기 생성):**
      
주제: 로봇과 인간의 우정
짧은 이야기를 작성해 주세요.

    • **2. 프롬프트 2 (영어 번역):**
      
다음 한국어 텍스트를 영어로 번역해주세요:
[프롬프트 1의 출력(이야기)]

    • **3. 프롬프트 3 (영어 요약):**
      
다음 영어 텍스트를 요약해주세요:
[프롬프트 2의 출력(영어 번역)]

  • 예시 2
    시나리오: 비즈니스 전략 보고서 작성
    프롬프트 체이닝 워크플로우
    1. 산업 분석 단계
       • 현재 [산업명] 시장의 주요 트렌드와 성장 동인을 분석해주세요.
         – 핵심 성장 요인
         – 주요 경쟁자 현황
         – 시장 규모 및 전망
    2. 경쟁사 분석 단계
       • 이전 분석 결과를 바탕으로 상위 3개 경쟁사의 다음 항목을 상세히 조사하세요:
         – 비즈니스 모델
         – 강점과 약점
         – 최근 전략적 움직임
    3. SWOT 분석 단계
       • 앞선 두 단계 결과를 종합하여 우리 회사의 SWOT 분석을 수행하세요:
         – 내부 강점/약점
         – 외부 기회/위협
         – 각 요소에 대한 구체적 근거
    4. 전략 수립 단계
       • 분석 결과를 바탕으로 향후 3년간의 구체적인 비즈니스 전략을 제안하세요:
         – 단기/중기/장기 목표
         – 핵심 실행 전략
         – 예상되는 리스크와 대응 방안
    5. 최종 보고서 통합 단계
       • 이전 4개 단계의 분석 결과를 통합하여 전문적이고 체계적인 비즈니스 전략 보고서를 작성하요.
         – executive summary 포함
         – 데이터 기반 인사이트
         – 명확하고 설득력 있는 구조

• Chain of Reason

  LLM이 인간과 유사한 추론 과정을 통해 문제를 해결하도록 유도하는 기법으로, 더욱 복잡하고 논리적인 문제 해결을 가능하게 합니다. 단순히 답을 도출하는 과정뿐 아니라, 각 단계의 근거와 논리를 명확히 제시하는 것을 강조합니다.

  • 문제 앞이나 뒤에 ‘각 단계의 논리를 설명해’ 달라고 작성합니다.
    • 답을 구하는 과정과 각 단계의 논리를 상세하게 설명해주세요.
    • 각 단계의 이유를 설명해주세요.
    •  예시
      • 수학 문제
        • 문제 해결 과정을 수식과 함께 단계별로 제시합니다. 각 단계에서 사용된 연산과 그 이유를 설명합니다.  2 + 3 * 4 = ?
      • 상식 추론 문제
        • 관련된 배경 지식을 활용하여 단계별로 추론 과정을 설명합니다. 한국은 어느 대륙에 있나요?
      • 논리 문제
        • 주어진 명제와 논리 규칙을 사용하여 단계별로 추론 과정을 제시합니다. “모든 사람은 죽는다. 소크라테스는 사람이다. 소크라테스는 죽는가?”
  • 논리적 추론 단계를 제시할 수 있습니다. 예시를 포함할 수 있습니다.
    • CoR 원칙은 다음과 같은 핵심 요소로 구성됩니다.
      • 단계적 분해 (Step-by-step Decomposition): 복잡한 문제를 작고 관리 가능한 하위 문제로 분해합니다. 마치 인간이 복잡한 문제에 직면했을 때, 문제를 여러 단계로 나누어 해결하는 것과 같은 원리입니다. 각 단계는 명확하고 논리적인 연결 고리를 가지고 있어야 합니다.
      • 명시적 추론 과정 (Explicit Reasoning Process): 각 단계에서 AI가 수행하는 추론 과정을 명시적으로 드러냅니다. 단순히 결과만 제시하는 것이 아니라, 어떤 논리와 근거를 바탕으로 다음 단계로 나아가는지 명확하게 설명해야 합니다. 이는 AI의 “사고 과정”을 투명하게 만들어, 사용자가 AI의 답변을 더 잘 이해하고 신뢰할 수 있도록 도와줍니다.
      • 논리적 연결 (Logical Connections): 각 단계는 논리적으로 연결되어야 합니다. 단순히 일련의 단계를 나열하는 것이 아니라, 각 단계가 이전 단계의 결과를 바탕으로 다음 단계로 이어지는 인과 관계를 명확하게 보여주어야 합니다.
    • 예시
      • 다음 수학 문제를 해결해주세요. 각 단계를 명확하게 설명하고, 계산 과정을 보여주세요:문제: 원의 반지름이 5cm일 때, 원의 넓이와 둘레를 구하세요.해결 과정:
        1. 어떤 공식을 사용해야 하는지 나열해주세요
        2. 원의 넓이 공식을 적용하여 계산해주세요
        3. 원의 둘레 공식을 적용하여 계산해주세요
        4. 최종 답을 단위와 함께 정리해주세요
        5. 계산이 맞는지 검증해주세요
      • 다음 코드를 검토하고 개선점을 찾아주세요. 단계별로 분석해주세요:
        • 1. 코드의 전반적인 구조와 목적을 파악해주세요.
          2. 다음 측면들을 검토해주세요:
          – 코드 가독성
          – 성능 최적화 여부
          – 예외 처리의 적절성
          – 변수/함수명의 명확성
          3. 발견된 문제점들을 우선순위별로 정리해주세요.
          4. 각 문제점에 대한 구체적인 개선 방안을 제시해주세요.
          5. 개선된 코드의 예시를 작성해주세요
      • 신규 제품 출시 여부를 결정하기 위한 분석을 진행해주세요:
        • 1. 시장 상황 분석
          – 시장 규모
          – 경쟁사 현황
          – 소비자 트렌드
        • 2. 내부 역량 평가
          – 기술력
          – 생산 능력
          – 재무 상태
        • 3. 리스크 분석
          – 잠재적 위험 요소 파악
          – 대응 방안 수립
        • 4. 수익성 분석
          – 예상 매출
          – 예상 비용
          – ROI 계산
        • 5. 최종 권고안 도출
          – 분석 결과 종합
          – 구체적 실행 계획 제시

• 지식 생성 Generate Knowledge

생성형 AI 모델이 중간 단계의 사전 지식을 생성하여 답변의 정확도를 높이는 기법입니다. 이를 위해 프롬프트에는 지시와  중간 단계로 생성되어야 하는 지식이 언급되어야 합니다.

• • 왜 필요?
    • 부족한 실제 지식을 질문에 답하기 전에 생성함으로써 문제를 직접적으로 해결합니다. 이는 답변 정확도 향상에 기여합니다.
    • 맥락과 사실 정보를 제공함으로써 정답에 도달할 확률이 높아집니다.
    • “설명과 답변” 형식은 답변 생성 과정을 보여줌으로써 투명성을 높입니다.
    • 지식 생성을 위한 더 구체적이고 목표 지향적인 프롬프트는 지식 조각의 관련성과 정확성을 향상시킬 수 있습니다.
    • 여러 개의 생성된 지식 조각이나 외부 지식 베이스의 정보를 결합하면 더 포괄적인 이해와 더 나은 최종 답변을 얻을 수 있습니다.
    • 최종 답변을 제공하기 전에 생성된 지식의 품질과 관련성을 평가하는 메커니즘을 구현하여 부정확하거나 오해의 소지가 있는 정보를 걸러낼 수 있습니다. 이를 위해 다른 생성형 AI 모델이나 별도의 점수 시스템을 사용할 수 있습니다.
    • 피드백이나 추가 분석을 기반으로 지식 생성을 개선하는 반복적인 프로세스는 점진적으로 더 정확하고 관련성 있는 지식을 생성할 수 있게 합니다.
  • 추론의 투명성을 높여줍니다.
    • 각 단계별 사고 과정 노출
    • 결론에 대한 근거 제시
• 절차
  • 최종 응답에 필요한 지식을 모으고 계층화 합니다.
  • 지식들 사이에 다음 관계가 있는지 파악하고 구조화합니다.
    • 표면적 지식(단순 정보 나열) → 심층 지식(다각도 접근 가능) → 통합적 지식
    • 멀티스텝 추론
      • 초기 지식 검색
      • 컨텍스트 분석
      • 가설 생성
      • 지식 통합
      • 최종 결론 도출
    • 지식의 동적 생성
      • 정적 지식 → 상황별 적응적 지식
  • 고려사항
    • 명확하고 구조화된 프롬프트 설계
    • 각 단계별 세부 지침 제공
    • 모델의 지식 한계 인식
    • 결과의 비판적 검토 필요
• 예시 1
  • 문제: “지구온난화가 북극곰에 미치는 영향은?”
  • 중간 지식 생성:
    1. 지구온난화로 인한 북극 기온 상승
    2. 해빙(sea ice) 감소 현상
    3. 북극곰의 사냥 습성
    4. 서식지 변화
  • 시나리오: 기후 변화 분석
• 예시 2
  • 일반 프롬프트로 작성한 경우
    • 기후 변화의 원인과 영향을 설명하세요.
  • 지식생성 프롬프트로 작성한 경우
    • 기후 변화 분석을 다음 단계로 수행하세요:
    • 1. 기존 과학적 지식 요약
      – 주요 온실가스 식별
      – 역사적 기후 변화 패턴
    • 2. 현재 데이터 컨텍스트 분석
      – 최근 10년간 글로벌 온도 변화
      – 극端 기후 현상 증가 추이
    • 3. 인과관계 추론
      – 인간 활동과 기후 변화 연관성
      – 산업화의 장기적 영향
    • 4. 미래 시나리오 예측
      – 다양한 기후 모델 통합
      – 잠재적 사회경제적 영향
    • 5. 종합적 통찰 도출
      – 다차원적 관점에서의 결론
      – 불확실성 인정 및 설명

• 주의사항
  • 생성된 지식의 품질은 일관적이지 않을 수 있습니다.
  • 생성된 지식이 질문과 중복되거나 무관한 경우 LLM에 혼란을 야기할 수 있습니다.

• 자기 일관성 Self-Consistency

  • 생성형 AI 모델 응답의 일관성을 유지하고 개선하는 기법입니다.

    • 모델이 동일한 프롬프트에 대해 여러 번의 응답을 생성합니다. 이를 통해 모델이 다양한 관점이나 방법으로 질문에 접근할 수 있습니다.

    • 생성된 여러 응답을 비교하여 가장 일관성 있고 신뢰할 수 있는 응답을 선택합니다. 이는 종종 후처리 단계에서 수행되며, 통계적 방법이나 평가 메트릭을 사용할 수 있습니다.

  • 예시
    • 다음 논리 퍼즐에 대해 3개의 독립적인 해결 과정을 생성하고, 결과를 비교하여 가장 신뢰할 수 있는 답을 선택해주세요.
    • 퍼즐:
      Tom은 Fred보다 키가 크고, Bill은 Tom보다 키가 작습니다.
      Ann은 Bill보다 키가 크고, Fred는 Ann보다 키가 큽니다.
      키가 가장 큰 사람부터 가장 작은 사람 순서로 나열하세요. 각 시도마다 다른 접근 방식을 사용하여 해결해보세요.

• 선택 추론 Selection-Inference

질문에 답하기 위해 여러 단계의 추론을 거치는 방식으로, 각 단계마다 선택(Selection)과 추론(Inference)을 번갈아 적용하여 최종 답변을 도출합니다.

각 단계는 인과 관계로 연결되어 해석 가능한 추론 과정을 형성합니다. 주어진 정보에서 특정 부분을 선택하고, 그 선택을 기반으로 새로운 추론을 이끌어내는 과정을 반복하는 것이 핵심입니다.

1. Selection(선택) 단계:

• 주어진 문제나 질문에서 관련된 중요한 정보들을 선별하여 추출합니다
• 무엇을 찾아야 하는지 명확한 기준을 제시합니다.
• 불필요한 정보는 제외하고 핵심적인 요소들만 선택합니다

2. Inference(추론) 단계:

• 선택된 정보들을 바탕으로 결론을 도출하거나 답을 추론합니다.
• 선택된 정보들 간의 관계를 분석하여 논리적인 결론을 이끌어냅니다.
  • 분석이나 판단의 근거를 명시합니다.
• 예시
  • 다음 리뷰에서 감성을 나타내는 단어들을 찾아내고(Selection), 전반적인 감성을 평가해주세요(Inference). 리뷰: “이 식당은 음식이 맛있었지만 서비스가 너무 느렸어요. 가격도 비싼 편이라 다시 방문할지 모르겠네요.”

• • 다음 Python 코드에서 성능에 영향을 미칠 수 있는 부분을 찾아내고(Selection), 개선 방안을 제시해주세요(Inference).
  • def process_list(items):
    result = []
    for item in items:
    result.append(item * 2)
    return result
  • 다음 분기별 매출 데이터에서 주목할만한 변화를 찾아내고(Selection), 이에 대한 비즈니스 시사점을 도출해주세요(Inference).
    Q1: $1.2M
    Q2: $1.3M
    Q3: $1.8M
    Q4: $1.4M
  • 다음 고객 피드백 데이터를 분석하여 단계별로 인사이트를 도출해주세요:
    • 1단계: 각 리뷰에서 제품 관련 키워드를 추출하고(Selection 1), 가장 많이 언급된 제품 특성을 파악하세요(Inference 1).
    • 2단계: 파악된 주요 제품 특성에 대한 긍정/부정 표현을 찾아내고(Selection 2), 각 특성별 고객 만족도를 평가하세요(Inference 2).
    • 3단계: 고객 만족도가 특히 낮은 특성들을 선별하고(Selection 3), 개선을 위한 구체적 실행 계획을 수립하세요(Inference 3).
    • 고객 피드백:
      “스마트워치의 배터리 수명이 생각보다 짧아서 아쉬워요. 하지만 심박수 측정이 정확하고 디자인도 예뻐서 마음에 들어요.”
      “터치감이 별로예요. 화면이 가끔 늦게 반응하고 배터리도 하루 못 가네요. 근데 방수 기능은 정말 잘 돼서 수영할 때 좋아요.”
      “심박수랑 산소포화도 측정이 정확한 것 같아요. 디자인도 세련됐고요. 다만 배터리가 너무 빨리 닳아서 충전을 자주 해야 해요.”

• 자기 평가 Self Evaluation

생성형 AI 모델이 자신의 출력을 스스로 평가하고 개선하는 기법입니다. 품질 관리와 정확도 향상을 위한 자체 검증 과정을 갖습니다. 이를 위해 지시를 작성하고 각 단계별 선택지를 작성하고, 선택지 평가 방법을 작성합니다. 개선된 답변을 제시합니다.

• • 주제: “지구온난화 해결방안 제시”
  • 1단계: 초기 응답
    “전기차 사용을 늘리면 됩니다.”
  • 2단계: 자체 평가
    – 너무 단순한 해결책
    – 구체성 부족
    – 다양한 측면 미고려
  • 3단계: 개선된 응답
    “지구온난화 해결을 위한 종합적 방안:
    • 교통 부문: 전기차 확대, 대중교통 활성화
    • 에너지 부문: 신재생에너지 전환
    • 산업 부문: 친환경 생산방식 도입
    • 개인 실천: 에너지 절약, 재활용”

목표 기준을 설정하고 그 기준에 도달할 때까지 반복하게 할 수 있습니다.

• 모든 평가 항목에서 4.5점 이상을 받을 때까지 다음 과정을 반복해주세요:
  1. 인공지능의 윤리적 과제에 대한 분석 리포트를 작성해주세요.
  2. 다음 기준으로 1-5점 척도로 평가해주세요:
  – 주제의 포괄성
  – 논거의 객관성
  – 해결방안의 실현가능성
  3. 각 항목별 개선점을 구체적으로 제시해주세요.
  4. 개선점을 반영하여 리포트를 수정해주세요.
  5. 모든 항목이 4.5점 이상이 될 때까지 2-4단계를 반복해주세요.

기법 활용

기법 반영 방법에 따라 프롬프트를 작성하는 것이 기본입니다.

기법 지정 방식으로 프롬프트를 단순화 할 수 있습니다. 이렇게 하려면 생성형 AI 서비스가 이를 지원해야 합니다. 생성형 AI 서비스의 응답을 보고 적용 여부를 판단해야 합니다.

• 예시
  • 반지름이 5cm인 원의 넓이와 둘레를 구해주세요.
    단계별로 풀어주세요.
    이 문제를 풀기 위해 단계별 추론 과정을 보여주세요.
    쉬운 것부터 어려운 것 순으로 차근차근 해결해 나가야 합니다.
  • Least-To-Most Prompting 방식으로 반지름이 5cm인 원의 넓이와 둘레를 구해주세요.