Chapter 4. LLM의 기본 기능을 고려한 기법

일반적인 LLM(Chat GPT, Gemini 등)을 활용해 보셨다면, 해당 포스팅은 건너뛰고 https://goto-helloworld.tistory.com/164을 읽는 것을 추천드립니다.

---

1. 작업을 요청하는 두 가지 기본 패턴

LLM에게 명령을 내릴 때는 크게 평문형과 하이퍼 파라미터형 두 가지 방식을 사용할 수 있습니다.

 

A. 평문형 Task (대화형 요청)

사람과 대화하듯, 명령을 내리는 형태입니다.

[구조] (처리해야 하는 데이터) ... "위 내용을 ~~~게 작업해 줘."

 

B. 하이퍼 파라미터형 Task (구조화된 요청)

작업의 정의를 먼저 내리고 데이터를 입력하는 방식입니다.

[구조] 임무: 작업 정의 (입력 A -> 출력 B) (처리해야 하는 데이터)

---

2. 실전 적용: 텍스트 변형 (Text Transformation)

텍스트 변형은 원본 텍스트의 '핵심 의미'는 유지하되, 표현 방식(말투, 언어, 형식 등)만 바꾸는 작업입니다.

활용 예시: 번역, 말투 변경(페르소나), 개요식 요약, 교정 등

 

위에서 배운 두 가지 방식을 적용해 보겠습니다.

예시: 문장의 말투를 'MZ 세대' 스타일로 바꾸기

 

A. 평문형으로 요청할 때

'요즘 날씨가 너무 추워서 밖을 나갈 수가 없습니다. 다들 감기 조심하세요.'

위 문장을 MZ세대 말투로 바꿔줘.

B. 하이퍼 파라미터형으로 요청할 때

임무: 말투 변경 (본문 -> MZ 말투, 이모지 포함)

'요즘 날씨가 너무 추워서 밖을 나갈 수가 없습니다. 다들 감기 조심하세요.'

---

3. 변형 이외의 활용 방식

텍스트 변형 외에도, 다양한 작업을 수행할 수 있습니다.

• 요약 (Summarization)
  • 임무: 요약 (긴 뉴스 기사 -> 3줄 요약)
• 분류 (Classification)
  • 임무: 카테고리 분류 (고객 리뷰 -> 긍정/부정/중립)
• 감정 분석 (Sentiment Analysis)
  • 임무: 감정 분석 (일기 내용 -> 작성자의 현재 감정 상태 키워드 추출)
• 확장 (Expansion)
  • 임무: 글 확장 (짧은 아이디어 -> 블로그 포스팅 초안 작성)

---

※ 본 글은 『프롬프트 엔지니어링: 생성형 AI를 자유자재로 다루는 비밀열쇠』 (반병현 저) 4장을 기반으로 학습 목적으로 요약한 글입니다.

※ 이 글은 책의 내용을 상당히 요약한 것으로, 원문 없이 읽을 경우 오해의 여지가 클 수 있습니다. 정확한 이해를 위해 원서의 정독을 권장합니다.