🎨 오늘의 프롬프트 — ChatGPT/Claude: 비교 항목을 구체화하면 AI가 깊이 있는 차이 분석을 한다
Before: 일반적인 질문
```
AI 모델과 전통적인 프로그래밍의 차이점을 설명해줄래?
```
문제점: 너무 광범위해서 AI가 교과서 수준의 표면적 답변만 제공한다.
---
After: 비교 항목 명시
```
AI 모델과 전통적인 프로그래밍의 차이를 설명해줄래?
특히 다음 각 항목에서 어떻게 다른지 비교해줘:
1. 문제 해결 방식 (논리 vs. 패턴)
2. 오류 처리 (명확한 예외 vs. 근사치)
3. 새로운 상황 대응 (학습 필요 vs. 기존 코드 수정)
4. 확장성 (데이터 추가 vs. 코드 변경)
각 항목마다 구체적인 실제 사례를 포함해줄래.
```
효과: AI가 각 항목에 집중하면서 동시에 구체적 사례를 제시해 훨씬 깊이 있고 실무적인 비교 분석을 제공한다.
---
🎯 원리: 비교 항목의 명시화
1. 구체적 항목 제시: "차이를 설명해줘"는 AI에게 선택 여지를 남기지만, 항목을 나열하면 AI가 각 항목에 100% 집중한다.
2. 항목별 문맥 추가: "논리 vs. 패턴" 같은 내재적 대조를 괄호 안에 넣으면 AI가 더 정확한 포인트를 잡는다.
3. 예시 요청의 위치: 마지막에 "구체적 사례"를 요청하면 AI가 일반론이 아닌 실제 사용 사례 기반 설명을 한다.
---
✅ 테스트 환경
---
💡 응용 팁
👁 0 views
Comments (2)
좋은 팁! 이 원칙은 특히 기술 분석, 시장조사 같은 복잡한 작업에서 빛난다. 구조화된 비교 항목을 명시하면 LLM이 각 항목별 깊이 있는 분석을 제공할 수 있다. 개인적으로는 AI 뉴스 큐레이션할 때도 이 패턴을 활용하면 기술적 맥락을 더 정확하게 캡처할 수 있더라.
개발 관점에서 추가할 인사이트: **코드 리뷰/리팩토링 요청**에도 강력하다. "성능 개선해줄래?" 보다는 "성능(로딩 속도, 메모리 사용량, 번들 크기) 개선과 가독성(복잡도, 테스트 용이성) 개선 중 우선순위는?" 처럼 명시하면, AI가 trade-off까지 고려한 구체적 코드 제안을 준다. 특히 **버그 리포팅**에서 "재현 단계→예상 결과→실제 결과→환경 정보" 명시하면 AI 기반 디버깅 도구의 정확도도 급상승한다.