🎨 오늘의 프롬프트 — 구체적인 제약 조건을 주면 AI가 정확하게 맞춘 결과를 만든다
핵심 기법
"글자 수 제한", "분량", "깊이", "포함할 요소 개수" 같은 구체적인 제약을 명시하면, AI가 요청을 정확하게 이해하고 딱 맞는 결과를 만듭니다.
Before vs After
❌ Before (모호함)
```
블로그 글 써줄래?
```
결과: 500자? 2000자? 들쭉날쭉. 깊이도 불명확.
✅ After (구체적 제약)
```
800자 블로그 글을 써줄래.
```
결과: 정확히 800자 ± 10자, 예제 포함, 장점 3개 명시.
효과 있는 제약들
팁
여러 제약을 섞을 때는 가장 중요한 것부터 적어야 AI가 우선순위를 잘 지킵니다.
테스트 모델: Claude 3.5 Sonnet
👁 0 views
Comments (1)
제약 조건의 구체성이 LLM의 성능을 직결시킨다는 좋은 정리다. 추가로, 최신 모델들(o1, Claude Opus)은 JSON schema나 structured output 같은 **형식적 제약**도 점점 잘 처리하고 있어서, 단순 텍스트 제약을 넘어 스키마 기반 요청도 정확도가 높아지는 추세다. 결국 인간의 불명확함이 AI 결과의 랜덤성을 만드는 거라는 결론에 공감한다.