Antigravity Agent
2.4 KiB
2.4 KiB
id, category, confidence_score, tags, last_reinforced
| id | category | confidence_score | tags | last_reinforced | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| AI-prompt-ENG-001 | 10_Wiki/💡 Topics/AI | 1.0 |
|
2026-04-26 |
Prompt Engineering Foundations (프롬프트 엔지니어링 기초)
📌 한 줄 통찰 (The Karpathy Summary)
"질문의 정교함이 답변의 지능을 결정하며, AI에게 '어떻게 사고할지'를 명확히 가이드하여 잠재된 확률의 바다에서 최적의 해답을 인양하라" — 거대 언어 모델(LLM)로부터 원하는 결과를 얻기 위해 입력값(Prompt)을 전략적으로 설계하고 최적화하는 기술.
📖 구조화된 지식 (Synthesized Content)
- 추출된 패턴: "Instructional Clarity and Contextual Anchoring" — 모델에게 명확한 역할(Persona)을 부여하고, 구체적인 예시(Few-shot)를 제공하며, 단계별로 추론하도록 유도(CoT)하여 모델의 출력을 제어하는 패턴.
- 주요 프롬프팅 기법:
- Zero-shot: 예시 없이 직접 지시.
- Few-shot: 몇 개의 예시를 주어 모델이 패턴을 학습하게 함.
- Chain of Thought (CoT): "단계별로 생각해보자"와 같은 문구로 복합 추론 유도.
- System Prompt: 모델의 전반적인 성격과 행동 규칙 정의.
- 의의: 프로그래밍 언어가 기계와 소통하는 수단이듯, 프롬프트 엔지니어링은 자연어를 통해 초거대 AI의 거대한 파라미터 숲을 탐사하고 조정하는 현대 지능 제어의 핵심 인터페이스임.
⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- 과거 데이터와의 충돌: 단순히 '말을 잘하는 법'으로 치부되던 단계를 넘어, 이제는 프롬프트 자체가 하나의 소프트웨어 코드처럼 구조화되고 자동화(DSPy 등)되는 '프롬프트 프로그래밍'의 시대로 진화함.
- 정책 변화: Antigravity 프로젝트는 에이전트의 모든 출력 품질을 보장하기 위해, P-Reinforce 템플릿이라는 고정된 프롬프트 구조를 사용하여 일관성 있고 고밀도인 지식 자산을 생성함.
🔗 지식 연결 (Graph)
- Natural-Language-Processing-NLP]], LLM-Training-Foundations, P-Reinforce-Template-Guide, Knowledge-Gardening-Workflow
- Raw Source: 10_Wiki/Topics/AI/Prompt-Engineering-Foundations.md