2nd/10_Wiki/Topics/AI/Prompt-Engineering.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
P-REINFORCE-AUTO-PREN-001	10_Wiki/💡 Topics/AI	0.98	auto-reinforced prompt-engineering llm ai-interacton in-context-learning zero-shot few-shot	2026-04-20

Prompt-Engineering

📌 한 줄 통찰 (The Karpathy Summary)

"AI 길들이기의 기술: 무한한 잠재력을 가진 거대 언어 모델(LLM)이 내가 원하는 정답을 정확히 내놓도록, 가장 효과적인 지시어(Prompt)를 설계하고 맥락(Context)을 주입하며 결과의 품질을 유도하는 현대의 '주술적 대화법'."

📖 구조화된 지식 (Synthesized Content)

프롬프트 엔지니어링(Prompt-Engineering)은 LLM의 성능을 최적화하기 위해 입력을 정교하게 설계하는 기술입니다.

1. 3대 핵심 기법:
   • Zero-shot: 예시 없이 바로 질문함.
   • Few-shot: 몇 가지 예시(Pattern)를 주어 형식을 유도함. (In-context learning)
   • Chain-of-Thought (CoT): "단계별로 생각해보자"라고 지시하여 논리적 추론 유도. (Logical-Reasoning와 연결)
2. 왜 중요한가?:
   • 똑같은 모델이라도 프롬프트 한 줄에 따라 '천재적인 비서'가 될 수도, '헛소리하는 기계'가 될 수도 있기 때문임 (Garbage In, Garbage Out).

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: 과거에는 단순히 짧고 명확하게 물어보는 정책이었으나, 현대 정책은 페르소나(Persona) 부여 정책, 출력 형식 지정 정책, 그리고 시스템 메시지 정책을 통한 고도의 구조화 정책이 필수적임(RL Update).
• 정책 변화(RL Update): 사람이 직접 프롬프트를 짜는 시대를 넘어, AI가 다른 AI를 위해 프롬프트를 최적화하는 '자동 프롬프트 엔지니어링 정책'과 프롬프트 없이도 데이터만으로 학습하는 정책들이 공존하며 진화 중임.

🔗 지식 연결 (Graph)

• Large Language Models (LLM), Logic, Logical-Reasoning, Iteration, Agentic-Workflow, Mastery
• Modern Tech/Tools: LangChain, PromptBase, DSPy, OpenAI Playground.

---