콘텐츠, 고객 서비스 등에서 정확하고 고품질의 결과물을 얻을 수 있도록 LLM과 같은 AI 모델을 안내하는 신속한 엔지니어링 기술을 익히세요.
프롬프트 엔지니어링은 인공 지능(AI) 모델, 특히 대규모 언어 모델(LLM)이 원하는 출력을 생성하도록 안내하는 효과적인 입력(프롬프트)을 만드는 예술이자 과학입니다. 여기에는 이러한 모델이 지시를 해석하는 방식을 이해하고 정확하고 관련성 있으며 유용한 응답을 유도할 수 있도록 명확하고 구체적이며 충분한 맥락을 제공하는 프롬프트를 반복적으로 설계하는 것이 포함됩니다. AI 모델이 다양한 도구와 워크플로에 통합됨에 따라 프롬프트 엔지니어링을 숙달하는 것은 단순한 질문 답변부터 복잡한 창작 텍스트 생성에 이르기까지 다양한 작업에서 잠재력을 극대화하고 안정적인 성능을 보장하는 데 매우 중요합니다.
효과적인 프롬프트 엔지니어링은 종종 반복적인 프로세스입니다. 작업 요구 사항을 분석하고 대상 AI 모델의 기능과 한계를 이해하는 것으로 시작됩니다. 그런 다음 엔지니어는 초기 프롬프트를 설계하고, 이를 테스트하고, 결과를 평가하고, 그 결과에 따라 프롬프트를 개선합니다. 이러한 개선 작업에는 보다 구체적인 지침 추가, 예제 제공(소수 학습), 원하는 출력 형식(예: JSON) 정의, 제약 조건 설정 또는 어조 조정 등이 포함될 수 있습니다. 주요 기술은 종종 자연어 처리(NLP) 의 원리를 활용하며, 유명한 "주의만 있으면 됩니다" 문서에 설명된 Transformer 모델과 같이 훈련 데이터 및 아키텍처의 영향을 받는 문구가 모델의 동작에 어떤 영향을 미치는지 신중하게 고려해야 합니다.
프롬프트 엔지니어링에는 일반적으로 몇 가지 전략이 사용됩니다:
신속한 엔지니어링은 많은 AI 애플리케이션의 성공적인 배포를 위한 기본 요소입니다:
다른 애플리케이션으로는 시맨틱 검색 엔진 강화, 대화형 교육 도구 구동, 자연어 인터페이스를 통한 정교한 데이터 분석 등이 있습니다.
프롬프트 엔지니어링을 관련 용어와 구별하는 것이 유용합니다:
이러한 기법은 서로 다르지만 상호 보완적인 역할을 할 수 있습니다. 예를 들어, 잘 설계된 기본 프롬프트는 미세 조정된 모델에 의해 처리되기 전에 검색된 데이터로 자동으로 보강될 수 있습니다. LangChain과 같은 프레임워크는 이러한 다양한 접근 방식을 통합하는 경우가 많습니다.
전통적으로 컴퓨터 비전(CV) 에서는 NLP에 비해 덜 주목받았지만, 멀티모달 모델과 프롬프트 가능한 비전 시스템의 등장으로 프롬프트 엔지니어링의 중요성이 점점 더 커지고 있습니다. CLIP, YOLO 또는 YOLOE와 같은 모델은 텍스트 설명을 기반으로 물체 감지 또는 이미지 분할과 같은 작업을 수행할 수 있습니다. 효과적인 텍스트 프롬프트(예: "모든 '빨간색 자동차'를 감지하되 '트럭'은 무시")를 만드는 것은 이러한 비전 언어 모델을 안내하는 데 매우 중요한 프롬프트 엔지니어링의 한 형태입니다. Ultralytics HUB와 같은 플랫폼은 다음과 같은 다양한 모델과의 상호 작용을 지원합니다. Ultralytics YOLO 모델과 같은 YOLOv8 및 YOLO11와 같이 인터페이스를 통해 작업을 정의하는 경우, 특히 모델이 더 많은 대화형 기능을 갖추게 되면 신속한 엔지니어링 원칙의 이점을 누릴 수 있습니다.