1. 추론 모델 프롬프트 전략: 길게 써야 더 좋은 답변을 얻는다 [0]

thumbnail 추론 모델의 답변 퀄리티를 높이기 위해서는 단순히 간결하게 쓰는 것보다 구체적인 맥락과 목표를 상세히 제시하는 것이 중요하다. [0]

1.1. 프롬프트 길이와 퀄리티의 관계 [0]

  1. 프롬프트 길이의 중요성: "프롬프트에 100배를 써야 퀄리티가 100배 좋아진다"는 말처럼, 프롬프트의 길이를 늘리는 것이 답변의 질을 높이는 데 효과적이다. [1]
    1. 과거에는 추론 모델이 생각을 잘 못 할까 봐 간결하게 써야 한다고 생각했지만, 실제로는 그렇지 않다. [61]
    2. 모델이 추론을 잘할 수 있도록 추론을 방해하지 않는 문장을 써야 하며, 이는 명확하고 간결한 프롬프트 작성과도 연결된다. [61]
  2. 맥락(Context)의 역할:
    1. 추론 모델은 맥락을 마지막에 줄 때 결과가 더 좋아진다는 연구 결과가 있다. [97]
    2. 맥락을 많이 추가하면 AI가 사용자의 의도를 더 잘 파악하고 상세한 답변을 생성하는 데 도움이 된다. [91]
    3. 예를 들어, "우리가 지금 너의 어떤 긴 답변을 보고 싶어서 이거를 너한테 물어보고 있는 상황이야. 웬만하면 정말 상세하게 서술해 줘."와 같이 맥락을 제공하면 더 길고 상세한 답변을 얻을 수 있다. [111]
  3. 프롬프트 구조화의 중요성:
    1. 프롬프트는 목표, 포맷, 경고, 맥락(컨텍스트 덤프) 등으로 구성될 수 있다. [86]
    2. 목표는 명확하게 지정하고, 포맷은 어떻게 써야 하는지 보여주며, 놓치는 부분에 대한 경고를 포함할 수 있다. [86]
    3. 컨텍스트 덤프는 AI에게 왜 이 작업을 시키는지, 어떤 정보를 참고해야 하는지 등을 설명하는 맥락 정보를 의미한다. [89]
  4. 구체적인 예시:
    1. "나는 지금 프롬프트 엔지니어고, 프롬프트 엔지니어링에 대한 2024년도 2월 날짜로 조사해 줘."와 같이 주제를 좁혀서 질문하는 것이 더 정확한 답변을 얻는 방법이다. [65]
    2. 나스닥 주식 관련 질문 시, 한국 기사나 옛날 자료를 제외하고 영어 콘텐츠에서만 골라달라고 명시하는 등, 원치 않는 정보를 배제하는 것도 중요하다. [102]
    3. "이거 우리 회사 이거 잘못하면 이거 큰일 나니까, 이런 건 좀 피해. 어디 다른 경쟁사 이름 거기다 넣으면 안 된다."와 같이 가이드라인을 명확히 제시하면 AI가 더 잘 작동한다. [118]

1.2. 사용자 피드백 및 프롬프트 전략 분석 [67]

  1. 사용자 댓글 분석 결과:
    1. 작고 콤팩트하게 작성하는 것이 좋다는 의견이 있다. [68]
    2. 사고 방식을 알려주고 방향성에 집중하는 프롬프트가 좋다는 평가도 있다. [69]
    3. 프롬프트에 일일이 추론에 대해 생각하는 문장을 적지 않아서 좋았다는 의견도 있다. [70]
    4. 좋은 응답 결과를 위해 주제에 집중된 데이터를 제공하는 것이 좋다는 피드백이 있다. [71]
  2. 프롬프트 작성 방식의 변화:
    1. 과거에는 간결하게 작성했지만, 최근에는 범위를 좁혀 맥락을 주고 디테일하게 작성하는 방식으로 바뀌었다. [73]
    2. 이는 AI가 주어진 범위 내에서 훨씬 더 압축적이고 밀도 있는 답변을 생성하도록 유도하기 위함이다. [77]
    3. 원하는 포인트에 정확히 적중하는 답변을 얻으려면 프롬프트에 많은 양의 정보(클루)를 주어야 한다. [79]
  3. 추론 모델의 발전과 비유:
    1. 추론 모델은 이제 일할 나이가 된 성인처럼, 시킬 때 자세하게 시켜야 일을 잘한다. [118]
    2. 마치 인턴에게 업무를 지시하듯, 명확한 가이드라인과 맥락을 제공해야 한다. [121]
    3. 추론 모델은 계속 똑똑해질 것이며, 프롬프트 엔지니어링은 더 간결해질 것으로 예상된다. [124]

2. 다양한 AI 모델 비교 및 활용 팁 [125]

thumbnail 다양한 AI 모델들은 각기 다른 특징과 장단점을 가지며, 사용 목적에 따라 적절한 모델을 선택하고 프롬프트 전략을 활용하는 것이 중요하다. [125]

2.1. O1 Pro 및 관련 모델 분석 [125]

  1. O1 Pro 모델:
    1. 구독의 가치: 한 달 200불의 구독료가 부담될 수 있지만, 프롬프트를 잘 활용하면 그 이상의 효용을 얻을 수 있다. [50]
    2. 활용 방법: 구독을 아깝지 않게 활용하기 위한 프롬프트 전략이 중요하다. [53]
    3. 추론 능력: 맥락을 많이 주었을 때 더 잘 작동하며, 맥락을 마지막에 주는 것이 결과 향상에 도움이 된다. [93]
  2. Omini 모델:
    1. 압축적인 답변: Omini는 답변을 많이 압축하는 경향이 있다. [127]
    2. 검색 기능: 브런치 등에서 정보를 검색하고 요약하는 기능을 제공한다. [134]
  3. Grok (X AI):
    1. 딥 리서치 기능: Grok은 딥 리서치가 가능하며, 조사 후 정보를 제공한다. [141]
    2. 발전 가능성: 예전보다 장족의 발전을 이루었지만, 다른 모델과 비교했을 때 차이가 느껴질 수 있다. [143]

2.2. 기타 AI 모델 비교 및 활용 방안 [146]

  1. Perplexity:
    1. 검색 최적화: 검색에 최적화되어 있어 속도가 빠르다. [150]
    2. 품질 향상: 최근 품질이 크게 향상되어 정확하게 답변하며, 특히 실시간 정보에 강점을 보인다. [152]
    3. 한국어 기능: 한국어 기능(김치 기능)도 탑재되어 있으나, 답변 길이가 길지 않을 수 있다. [148]
  2. Claude:
    1. 검색 기능 부재: 기본적으로 검색 기능은 제공하지 않는다. [160]
    2. 강점: 코드 프로그래밍 능력이 탁월하며, 인텔리전트한 추론과 비추론의 하이브리드형이다. [163]
    3. 활용: 라이너와 같은 서비스에서 모델을 먹일 때 Claude를 사용하는 경우가 많으며, 검색 서비스와 연동될 때 유용하다. [164]
  3. 향후 비교 분석:
    1. 코파일럿, 구글 제미나이, 베이스의 딥치 등 다양한 검색 기능을 가진 모델들을 비교 분석하여 어떤 것을 사용하면 좋을지 심층적으로 다룰 예정이다. [173]
    2. 20달러만으로도 200달러의 효용을 얻을 수 있는 팁을 제공할 예정이다. [177]