글로벌 전문가들이 사용하는 40가지 고급 AI 프롬프트: 완벽 가이드 (재사용 및 판매 가능)

이 글은 자유롭게 복사해서 판매하셔도 됩니다.

먼저, 가장 중요한 말씀을 드리겠습니다.

이 글의 내용을 가져가셔서 전부 복사한 후, 여러분의 콘텐츠로 판매하셔도 좋습니다.

Note에 다시 올리든, Brain에 판매하든, 강의 교재에 포함시키든, SNS 게시물로 나누든 모두 괜찮습니다. 허락이나 연락도 필요 없습니다. 마치 여러분이 직접 생각해낸 것처럼 발표하셔도 전혀 불평하지 않겠습니다. 약 40개의 테크닉이 포함되어 있으니, 게시물당 하나씩만 추출해도 40개의 콘텐츠를 만들 수 있습니다.

왜 이렇게까지 하느냐? 이유는 간단합니다. 그렇게 하지 않으면 일본인들이 이 정보의 가치를 깨닫지 못할 것이기 때문입니다.

솔직히 말해서, 글로벌 AI 파워 유저들 사이에서 일본어 프롬프트는 공공연히 "석기 시대 수준"이라고 불립니다. 처음 그 말을 들었을 때는 "이 사람이 무슨 소리를 하는 거지?"라고 생각했습니다. 하지만 그들이 매일 사용하는 프롬프트를 직접 본 순간, 할 말을 잃었습니다. 완전한 패배였습니다.

차이는 무엇이었을까요? 일본인의 99%는 프롬프트를 "지시"로 작성합니다. "블로그 글을 써줘", "이 글을 요약해줘", "아이디어 5개를 줘". 이것들은 모두 단순한 명령일 뿐입니다. 반면, 글로벌 프로들은 첫 줄부터 AI에게 "사고 과정"과 "목표"를 전달합니다. 명령과 설계도의 차이입니다.

그리고 더 가혹한 현실이 있습니다. 여러분이 "좋은 프롬프트"를 찾고 있는 동안, 글로벌 플레이어들은 학술 논문을 통해 프롬프트를 연구하고, 코드처럼 관리하며, 알고리즘으로 자동 최적화하고 있습니다. 수공예적 장인 정신 대 자동 최적화. 승부는 이미 끝났습니다. 잔인하지만, 이것이 2026년의 현실입니다.

하지만 걱정하지 마세요. 이 격차를 메우기 위해 재능이나 영어 실력은 필요하지 않습니다. "패턴"만 알면 됩니다. 그게 전부입니다.

이 글에는 제가 Threads에서 소개해온 모든 프롬프트 테크닉과 노하우가 담겨 있습니다. 연구 논문에서 파생된 정통 패턴부터 AI의 내부 구조를 활용하는 트릭, MCP 확장, Claude Code와 Codex를 이용한 자동화까지—약 40개의 항목이 장별로 정리되어 있습니다. 모두 "복사해서 붙여넣기 OK"인 프롬프트가 함께 제공됩니다. 읽으면서 바로 시도해볼 수 있습니다.

이 글을 다 읽고 나면, 여러분은 두 그룹 중 하나에 속하게 될 것입니다. 이 40개의 도구를 무기로 삼는 사람, 또는 계속해서 프롬프트를 손으로 쓰며 신음하는 사람. 여러분이 어느 쪽에 서게 될지는 이 글을 끝까지 읽느냐에 달려 있습니다.

다시 말씀드립니다. 복사해서 판매해도 괜찮습니다. 그러니 망설이지 말고 가져가세요. 시작해봅시다.

제1장: 사고 과정 전달하기 — 자기 검증, 자기 채점, 분기적 사고

첫 번째 장은 "사고 방식 자체를 AI에게 전달하는" 패턴에 관한 것입니다. 일본어 프롬프트는 종종 "역할을 부여하고 정중하게 쓰는" 데서 멈추지만, 글로벌 프로들은 "생각하는 방법"을 전달합니다. 여기서 소개하는 다섯 가지는 모두 연구 논문에서 나온 정통 패턴입니다.

1. Chain-of-Verification (CoVe) — AI가 자신의 답변을 검증하게 만들기

이것은 할루시네이션(사실 오류)을 없애기 위한 패턴입니다. 일반적인 프롬프트는 AI가 한 번에 답변을 생성하지만, CoVe는 "AI가 자신의 답변을 검증하게 만드는" 아이디어에 기반합니다. 초안을 생성하게 하고, 그 답변의 위험 요소를 검증 질문으로 변환하며, 각 질문에 증거를 바탕으로 답변하게 하고, 마지막으로 모순을 수정한 최종 버전을 제시하게 합니다. 이 전체 흐름이 하나의 프롬프트 안에서 완료됩니다.

연구나 글쓰기 작업에 사용하면 출력물이 완전히 달라집니다. 사실 오류가 눈에 띄게 줄어들어 높은 신뢰성이 필요한 작업에 효과적입니다.

복사해서 붙여넣기용 프롬프트

다음 주제에 대해, 하나의 응답으로 다음 단계를 완료해주세요: (1) 먼저 초안 답변을 제공합니다. (2) 그 답변에 포함된 사실 오류의 위험을 5개의 검증 질문으로 변환합니다. (3) 각 질문에 증거를 바탕으로 답변합니다. (4) 모순을 수정한 최종 버전을 제시합니다. 주제: [ ]

1. Self-Refine — 창작자, 비평가, 수정자의 역할 수행하기

이 패턴은 하나의 프롬프트 안에서 AI가 세 가지 역할을 순서대로 수행하게 합니다. 먼저 창작자로서 초고를 쓰게 합니다. 다음으로 엄격한 편집자로서 자신의 작업물에 점수를 매기게 합니다. 마지막으로 수정자로서 그 점수를 바탕으로 완성된 버전을 쓰게 합니다.

핵심은 구체적인 평가 기준을 명시하는 것입니다. "설득력, 독창성, 논리성, 가독성, 누락"과 같은 다섯 가지 기준을 지정하면 점수가 관대해지지 않고 수정의 정확도가 향상됩니다. 단 하나의 프롬프트로 품질이 한 단계 도약하는 것을 느낄 수 있습니다.

복사해서 붙여넣기용 프롬프트

다음 주제에 대해, 하나의 응답으로 세 단계를 모두 수행해주세요: (1) 초고를 작성합니다. (2) 엄격한 편집자로서 설득력, 독창성, 논리성, 가독성, 누락의 5가지 기준으로 점수를 매깁니다. (3) 점수를 바탕으로 수정된 버전을 작성합니다. 주제: [ ]

1. Tree of Thoughts (ToT) — 답변을 분기시키기

이 패턴은 답변을 직선적으로 생성하는 대신, 여러 접근 방식을 "분기"로 전개하고 AI가 최적의 것을 선택하게 합니다. 인간이 "A안, B안, C안이 있는데..."라고 생각하는 과정을 그대로 프롬프트에 넣는 것과 같습니다.

이것은 브레인스토밍과 전략 기획의 차원을 바꿉니다. 하나의 방향에 집착하지 않기 때문에 예상치 못한 각도가 나타납니다.

복사해서 붙여넣기용 프롬프트

다음 주제에 대해, 다음 단계를 사용하여 응답해주세요: (1) 3가지 다른 접근 방식을 분기로 전개합니다. (2) 각 분기의 강점과 약점을 평가합니다. (3) 가장 유망한 분기를 선택하고 해당 분기만 깊이 파고든 최종 답변을 제공합니다. 주제: [ ]

1. Skeleton-of-Thought (SoT) — 뼈대를 먼저, 살은 나중에

이것은 먼저 제목 수준의 "뼈대"를 나열한 다음 각 부분을 구체화하는 사고 방법입니다. 긴 글을 쓸 때 처음부터 쓰면 후반부에 힘이 빠지거나 구조가 무너지는 경우가 많습니다. 뼈대를 먼저 굳히면 그런 붕괴가 덜 발생합니다.

긴 글 작성이나 제안서 작성에 혁신적입니다. 뼈대의 "설계도"가 먼저 존재하기 때문에 구체화 과정에서 길을 잃지 않습니다.

복사해서 붙여넣기용 프롬프트

다음 주제에 대해, 다음 단계를 따라주세요: (1) 5개의 글 제목 뼈대를 병렬로 나열합니다. (2) 각 제목을 독립적인 별도 작업으로 구체화합니다. (3) 마지막으로 모든 것을 하나의 응집력 있는 글로 통합합니다. 주제: [ ]

1. Meta-Prompting — AI가 프롬프트 자체를 진화시키도록 하기

이것은 약간 고급입니다. 프롬프트의 내용을 개선하는 대신, AI에게 "이 프롬프트 자체를 진화"시키도록 요청합니다. 여러 개의 개선된 버전을 만들게 하고, 각각에 대해 의도와 "왜 효과가 있는지"를 쓰게 한 다음, 마지막으로 가장 강력한 버전을 선택하게 합니다.

자주 사용하는 주요 프롬프트에 한 달에 한 번씩만 적용해도 프롬프트 자산이 저절로 성장합니다. 저장된 프롬프트가 시대에 뒤처지지 않도록 하는 시스템이라고 생각하면 됩니다.

복사해서 붙여넣기용 프롬프트

다음 프롬프트의 성능을 크게 향상시킨 5가지 개선 버전을 만들어주세요. 각 버전에 대해 "의도"와 "효과가 있는 이유"를 작성해주세요. 마지막으로 가장 강력한 단일 버전을 선택하고 선택 이유를 명시해주세요. 대상 프롬프트: [ ]

이 다섯 가지의 공통점은 "지시"가 아닌 "사고 절차"를 전달한다는 것입니다. 자기 검증, 자기 채점, 분기, 뼈대 병렬화, 자기 진화. 이것들을 한 줄에 녹여낼 수 있느냐 없느냐가 AI가 단순한 편리한 도구인지 "자율적인 연구자"인지를 결정합니다.

제2장: 역방향 설계 — 결과 우선 설계

1장이 "어떻게 생각하게 할 것인가"에 관한 것이라면, 2장은 "무엇을 승리로 볼 것인가"를 먼저 결정하는 마인드셋에 관한 것입니다. 일본인들은 "무엇을 집어넣을까"에 머리를 쓰는 반면, 글로벌 프로들은 "목표"부터 작성합니다. 여기 공식 문서에서 가져온 5가지 역방향 설계 프롬프트가 있습니다.

1. 출력 우선 명세 — 최종 템플릿을 먼저 고정하기

대부분의 사람들은 "블로그 글을 써줘"라고 말합니다. 하지만 이렇게 하면 출력이 일관되지 않습니다. 역방향 설계에서는 최종 출력 템플릿을 먼저 만들고 AI가 빈칸을 채우게 합니다. 프레임을 먼저 결정합니다: 제목은 몇 글자, 서론에 무엇을 포함할지, 본문에 제목은 몇 개나 넣을지 등등.

출력 변동성이 급격히 줄어들고 품질이 안정화됩니다. 이러한 안정성은 같은 주제로 여러 글을 쓸 때 특히 효과적입니다.

복사해서 붙여넣기용 프롬프트

다음 템플릿을 완벽하게 채워주세요. 제목: [40자 이내, 숫자 포함] / 서론: [독자의 고통점 3가지, 각 1문장] / 본문: [H2 제목 3개 + 각 300자] / 결론: [행동 제안 1개] / CTA: [15자 이내]. 주제: [ ]

1. Prefilling — AI 응답의 시작 부분 지정하기

이것은 AI 응답의 "시작 문장"을 지정하는 패턴입니다. Claude는 그 시작 부분부터 이어서 쓰도록 강제되어 출력 방향이 고정됩니다. 서론 인사말이나 불필요한 잡담이 사라지고 형식 이탈이 거의 없어집니다.

미묘하지만 효과적입니다. "그래서 결론이 뭔데?"라고 말하고 싶게 만드는 응답을 방지합니다.

복사해서 붙여넣기용 프롬프트

귀하의 응답은 반드시 다음 문장으로 시작해야 합니다: "아래에서는 요구 사항에 기반한 구조화된 응답을 제공하겠습니다. 먼저, 가장 중요한 점은..."

1. 부정적 제약 조건 — 구체적인 "금지 사항" 목록 작성하기

"이러지 마"라고 모호하게 쓰면 AI는 따르지 않습니다. "자연스럽게 해줘"와 같은 모호한 금지는 적용하기 어렵습니다. 하지만 구체적으로 나열하면 따릅니다. 존댓말 금지, 서론 인사말 금지, 특정 문구 금지... 항목별로 나열하세요.

AI 특유의 패턴이 현저히 사라집니다. 텍스트에서 "뻔히 AI가 생성한" 느낌을 없애고 싶을 때 기본적으로 사용하는 방법입니다.

복사해서 붙여넣기용 프롬프트

다음을 작성해주세요. 단, 다음 금지 사항을 엄격히 준수해야 합니다: (1) 존댓말 사용 금지. (2) 3글자 복합 명사 반복 사용 금지. (3) "...에 관해서는" 또는 "...하는 것이 중요합니다"와 같은 표현 금지. (4) 서론 인사말 금지. (5) 단순한 글머리 기호 목록 금지. 위반 시 전체를 다시 작성하세요. 대상: [ ]

1. XML 구조적 태깅 — 태그로 정보 분리하기

태그로 정보를 분리하면 AI의 읽기 정확도가 향상됩니다. 목표, 배경, 제약 조건, 참고 예시, 출력 형식. 이것들을 텍스트 덩어리로 던지는 대신 태그로 구분하세요. 프로들은 텍스트를 던지지 않습니다. 설계도를 던집니다.

복사해서 붙여넣기용 프롬프트

프롬프트를 다음과 같이 구조화하겠습니다. 각 태그 내의 내용에 따라 응답해주세요. <goal>달성할 목표</goal> <context>배경 정보</context> <constraints>금지 사항</constraints> <examples>참고 예시</examples> <output_format>출력 형식 프레임</output_format>

1. Persona Stack — 3단계로 역할 계층화하기

대부분의 사람들은 "당신은 카피라이터입니다"에서 멈춥니다. 프로들은 한 가지가 아닌 세 가지 수준으로 역할을 계층화합니다. 작가 역할, 편집자 역할, 그리고 대상 독자 역할. 하나의 AI에게 이 세 가지 페르소나를 동시에 부여함으로써 쓰기 → 편집 → 독자 관점에서의 재수정 사이클을 한 번에 실행합니다.

여러 관점이 동시에 실행되므로 설득력이 높아집니다. 그러나 이 "페르소나" 접근 방식에는 주의할 점이 있으며, 이는 10장에서 다루겠습니다.

복사해서 붙여넣기용 프롬프트

다음 3가지 페르소나를 동시에 가정해주세요: (1) 최고의 카피라이터 (작가). (2) 엄격한 편집장 (편집자). (3) 30대 직장인인 대상 독자 (수신자). 하나의 응답으로 쓰기 → 편집 → 독자 관점에서의 재수정을 모두 실행해주세요. 주제: [ ]

역방향 설계의 핵심은 간단합니다. 첫 줄에 "목표", "금지 사항", "형식 프레임"이 없으면 AI는 이미 길을 잃습니다. 입구에서 쓰느냐, 출구에서 쓰느냐의 차이입니다.

제3장: AI를 "군단"처럼 운영하기 — 멀티 에이전트 운영

여기부터는 마인드셋이 바뀝니다. 하나의 AI를 혹사시키는 대신, AI에 여러 역할을 할당하고 "군단"처럼 운영합니다. 하나만 가지고 싸우는 것은 하나의 무기를 들고 전장에 나가는 것과 같습니다. 글로벌 프로들은 이미 참모 본부에서 지휘하는 단계에 접어들었습니다.

이러한 패턴을 위해 여러 AI 계정을 설정할 필요는 없습니다. 단일 채팅 내에서 "역할을 전환"하는 것만으로도 재현할 수 있습니다.

1. 라우팅 패턴 — 분류기 배치하기

이것은 "분류기" AI가 먼저 입력을 받아 적절한 "전문가"에게 라우팅하는 군대식 조직입니다. 대부분의 사람들은 모든 것을 하나의 AI에 던져서 평범한 답변을 얻습니다. 프로들은 접수원을 배치하여 작업을 전문가에게 전달합니다.

하나의 AI가 전지전능한 척하는 것보다 전문화로 전환할 때 정확도가 향상됩니다.

복사해서 붙여넣기용 프롬프트

당신은 "라우팅 코디네이터"입니다. 다음 요청을 읽고 (1) 연구, (2) 글쓰기, (3) 분석, (4) 코드 중 하나로 분류하세요. 해당 분류에 최적화된 5줄짜리 시스템 프롬프트를 만들고 이를 사용하여 요청을 다시 실행하세요. 요청: [ ]

1. 병렬화 — 동일한 질문을 병렬로 풀어 다수결로 결정하기

이 패턴은 동일한 작업을 여러 관점에서 병렬로 해결하고 다수결로 결론을 결정하는 것입니다. 한 명의 전문가에게 묻는 대신, 다섯 명의 전문가가 다른 접근 방식으로 답변하게 하고 가장 많은 지지를 받은 결론을 채택하는 것입니다.

할루시네이션이 감소합니다. 중요한 결정을 AI에 맡기고 싶을 때 안정감이 완전히 다릅니다.

복사해서 붙여넣기용 프롬프트

다음 질문에 대해, 먼저 서로 다른 접근 방식을 사용하는 5명의 독립적인 전문가의 관점에서 각각 하나의 답변을 제공하세요. 다음으로 5가지 계획을 비교하고 가장 많은 관점에서 지지된 결론을 최종 답변으로 채택하고 선택 이유를 명시하세요. 질문: [ ]

1. 평가자-최적화자 — 창작자와 평가자를 완전히 분리하기

한 사람이 하는 자기 평가는 필연적으로 관대해집니다. 행위자와 판관을 분리하면 판단이 엄격해집니다. 이것을 하나의 프롬프트 안에서 재현합니다. 창작자로서 최고의 답변을 만들고, 완전히 페르소나를 전환하여 엄격한 평가자로서 점수를 매긴 다음, 창작자로 돌아와 최종 버전을 만듭니다.

1장의 Self-Refine과 유사하지만, 여기서 핵심은 "완전히 페르소나를 전환하라"고 명시적으로 말하는 것입니다.

복사해서 붙여넣기용 프롬프트

다음 주제에 대해, 먼저 "창작자 AI"로서 최고의 답변을 만드세요. 다음으로 완전히 페르소나를 전환하여 "엄격한 평가자 AI"로서 그 답변에 100점 만점으로 점수를 매기고 감점 이유 5가지를 나열하세요. 마지막으로 창작자 역할로 돌아와 평가를 바탕으로 최종 버전을 만드세요. 주제: [ ]

1. 멀티 에이전트 토론 — 찬성 측, 반대 측, 중재자와 토론하기

이것은 여러 AI가 토론한 후 통합자가 결론에 도달하는 패턴입니다. 찬성 측과 반대 측이 충돌하고 중립적인 중재자가 그들의 요점을 요약합니다. 극단과 사고 정지가 사라지고 균형 잡힌 결론이 나옵니다.

전략 기획이나 의사 결정과 같이 "결정하기 어려운 질문"에서 특히 강점을 보입니다.

복사해서 붙여넣기용 프롬프트

다음 주제에 대해, 다음 역할을 수행해주세요: (1) 찬성 측 AI, (2) 반대 측 AI, (3) 중립적인 중재자 AI. (1)과 (2)가 각각 3라운드씩 토론하게 한 후, (3)이 그들의 요점을 통합하여 최종 결론과 추론을 제공하세요. 주제: [ ]

1. 자기 검증 출력 — 출력하기 전에 스스로 심문하기

이것은 창작자가 최종 제출 전에 다른 페르소나로서 자신의 출력물을 "심문"하는 패턴입니다. 자신의 글에서 결함을 발견하기 어렵기 때문에 관점 전환을 강제합니다. 글로벌 경쟁자 프로, 대상 독자, 엄격한 상사라는 세 가지 페르소나를 통해 전환하며 각각 문제점을 나열하게 합니다.

최근 AI 모델은 "출력을 스스로 검증한 후 보고하는" 방향으로 진화하고 있습니다. 이것을 프롬프트 측면에서 그 움직임을 예측하는 패턴으로 생각하세요.

복사해서 붙여넣기용 프롬프트

다음 출력물을 완전히 다른 페르소나로서 다시 읽어주세요. (1) 글로벌 경쟁자 프로, (2) 대상 독자, (3) 엄격한 상사의 역할을 순서대로 전환하며 각 관점에서 문제점 3가지를 나열하고, 마지막으로 가장 강력한 개선 버전 하나를 제시하세요. 출력물: [ ]

군단 운영의 핵심은 "AI는 단일 유닛으로 사용하는 것이 아니다"라는 전제 위에 설 수 있느냐입니다. 역할을 할당하고 지휘하세요. 그것만으로 같은 AI에서 나오는 결과가 바뀝니다.

제4장: 컨텍스트를 "환경"으로 설계하기 — 4계층 사고

지금까지는 "프롬프트의 내용"에 대해 이야기했습니다. 하지만 글로벌 AI 디자이너의 세계에서 프롬프트는 훨씬 더 큰 구조의 "최하위 계층"으로 취급됩니다: 프롬프트 → 컨텍스트 → 의도 → 명세서. 대부분의 사람들은 여전히 첫 번째 계층에 갇혀 있습니다. 이 장은 더 높은 계층으로 올라가는 5가지 방법에 관한 것입니다.

1. 북엔드 배치 — 중요한 제약 조건을 시작과 끝에 모두 배치하기

긴 텍스트를 AI에 전달할 때 중간에 배치된 정보는 주의를 잃는 경향이 있습니다. 이것이 "중간은 사각지대" 현상입니다. 따라서 항상 중요한 제약 조건을 시작과 끝이라는 두 곳에 배치하세요. 마치 "북엔드"처럼 중요한 것을 양쪽 끝에 끼워 넣는다고 상상하세요.

긴 프롬프트를 작성하는 사람들에게 효과적입니다. 제약 조건이 중간에 한 번만 작성된 긴 지시문이 일반적인 실패 사례입니다.

복사해서 붙여넣기용 프롬프트

다음 요청에서, 처리를 시작하기 전에 중요한 제약 조건을 프롬프트의 "시작"과 "끝"이라는 두 곳에 다시 명시해주세요. 컨텍스트 중간의 정보는 주의가 분산되기 쉽다는 전제 하에 구조화하세요. 요청: [ ]

1. 골디락스 고도 — 시스템 프롬프트의 "적정" 고도

시스템 프롬프트에는 최적의 "고도"가 있습니다. 너무 낮으면(세부적인 if-else 로직으로 묶으면) 경직되고, 너무 높으면(추상적인 철학만 있으면) 아무것도 결정되지 않습니다. 그 중간의 고도를 목표로 하세요. 이것이 프롬프트에 적용된 "골디락스 존" 개념입니다.

비결은 세 가지 계층으로 설계하는 것입니다: 절대 변하지 않는 원칙, 상황 판단을 위한 프레임워크, 개별 작업을 위한 자유도. 이 세 가지를 염두에 두고 작성하면 경직성과 추상성 모두를 피할 수 있습니다.

복사해서 붙여넣기용 프롬프트

다음 3가지 계층으로 귀하에 대한 지침을 고정하겠습니다: (1) 불변 원칙 (왜/절대 변하지 않음). (2) 상황 판단을 위한 프레임워크 (언제/경우에 따른 분기 규칙). (3) 개별 작업을 위한 자유도 (무엇/귀하의 판단에 맡김). 경직성과 추상성을 모두 피하면서 "적정" 고도로 설계하세요.

1. 적시 컨텍스트 주입 — 필요할 때 필요한 것만 전달하기

컨텍스트 윈도우가 크다고 해서 모든 자료를 한꺼번에 집어넣는 것이 좋은 것은 아닙니다. 오히려 정확도를 떨어뜨릴 수 있습니다. 프로들은 먼저 "목차, 요약, 색인"만 전달하고 AI가 필요할 때 필요한 장을 검색하게 합니다. 도서관의 모든 책을 책상 위에 쌓아두는 것이 아니라, 필요한 책 한 권만 빌리러 가는 것을 상상해보세요.

대용량 자료를 올바르게 처리하는 방법은 "모든 것을 한꺼번에 집어넣는 것"이 아니라 "동적 호출"입니다.

복사해서 붙여넣기용 프롬프트

다음 방대한 자료를 한 번에 모두 입력하지 않겠습니다. 첫 번째 단계에서는 "목차", "각 장의 100자 요약", "색인"만 읽어주세요. 세부 내용이 필요한 장이 있으면 검색하기 전에 명시적으로 요청하고, 해당 장만 컨텍스트에 추가하여 작업하세요.

1. 의도 인코딩 — 판단 기준을 먼저 명확히 하기

조직이나 자신의 "가치관, 우선순위, 트레이드오프 판단 기준"을 매번 처음부터 설명하는 대신, 한 번 명확히 해서 전달하세요. 이것을 처음에 배치하기만 해도 AI가 "여러분의 에이전트"로 움직이기 시작합니다. 지시를 기다리기만 하는 것이 아니라 길을 잃었을 때 스스로 올바른 방향으로 기울일 수 있는 AI가 됩니다.

복사해서 붙여넣기용 프롬프트

다음 작업의 전제로서 제 판단 기준을 명확히 하겠습니다: (1) 우선순위 [A > B > C]. (2) 절대 금지 [X, Y, Z]. (3) 모호한 경우의 기본 판단 [D]. 판단에 막힐 때는 항상 이 기준으로 돌아와 결정하세요.

1. 명세서 계층 — "명세서"를 만드는 쪽에 서기

4계층의 최상위는 바로 이 "명세서"입니다. 품질 기준과 비즈니스 규칙을 구조화된 텍스트(명세서)로 고정하고 매번 컨텍스트의 시작점으로 삼으세요. 프롬프트를 작성하는 사람에서 명세서를 만드는 사람으로. 여기에 서는 순간 작업의 재현성이 즉시 향상됩니다.

복사해서 붙여넣기용 프롬프트

향후 작업은 다음 "명세서 (Markdown 구조화 형식)"를 모든 세션의 시작점으로 참조할 것입니다. 명세서 외부의 판단이 필요한 경우 추측하지 말고 항상 저에게 확인하세요. [여기에 명세서를 붙여넣으세요]

이 장의 아이디어는 "한 줄의 프롬프트로 경쟁하는 것"에서 "전체 컨텍스트를 하나의 환경으로 설계하는 것"으로의 전환입니다. 하나의 계층에서 싸우느냐, 네 개의 계층에서 싸우느냐의 차이입니다.

제5장: AI의 내부 메커니즘에 맞추기 — KV 캐시를 위한 구조 설계

이 장은 약간 전문적입니다. 하지만 이것을 알면 AI의 "속도", "비용", "사용량 제한이 줄어드는 방식"이 바뀝니다.

AI 내부에는 "KV Cache"라는 메커니즘이 실행되고 있습니다. 매우 간단히 말하면, AI는 처리된 콘텐츠를 내부에 보관하고 동일한 콘텐츠가 다시 오면 재사용할 수 있습니다. 반대로, 재사용이 작동하지 않는 방식으로 사용하면 매번 처음부터 다시 계산합니다.

"사용량 제한에 빨리 도달한다", "대화가 길어질수록 응답이 느려진다", "API 요금이 예상보다 높다". 이러한 문제의 원인은 종종 프롬프트의 내용이 아니라 AI의 내부 메커니즘과 "배치"가 맞지 않기 때문입니다.

1. 안정적인 접두사 우선 — 정적인 것을 처음에 고정하기

캐시는 "처음부터 완벽하게 일치하는 부분에 대해서만" 작동합니다. 따라서 변경되지 않는 것(전제, 참고 자료, 규칙)을 처음에 고정하고, 매번 변경되는 것(오늘의 질문)을 끝에 배치하세요. 매번 동일한 전제를 머리 부분에 두기만 해도 캐시가 작동하기 시작합니다.

복사해서 붙여넣기용 프롬프트

향후 작업을 위한 전제를 고정하겠습니다: (1) 제 업계 = [A]. (2) 대상 = [B]. (3) 금지 사항 = [C]. (4) 출력 형식 = [D]. 본론에 들어가기 전에 매 세션 시작 시 이를 다시 선언해주세요.

1. 앵커 문서 패턴 — 처음에 한 번만 자료 던지기

매번 큰 참고 자료나 가이드라인을 다시 붙여넣고 계신가요? 그것은 낭비입니다. 자료는 처음에 한 번만 "앵커"로 던지고, 이후의 질문은 그 자료를 참조하기만 하면 됩니다.

복사해서 사용할 프롬프트

다음 자료들을 이번 세션의 기준점(앵커)으로 삼겠습니다: [참고 자료를 여기에 대량 입력]. 앞으로 제가 묻는 모든 질문에 이 자료들을 참고하여 답변해 주세요. 자료를 다시 제시할 필요는 없습니다.

1. 세션 연속성 — 관련 작업을 하나의 스레드에서 계속하기

새 채팅을 열 때마다 AI는 내부 캐시를 처음부터 다시 구축합니다. 하루에 새 채팅을 10번 여는 것과 하나의 긴 세션을 계속하는 것은 사용량 제한 소모 속도와 출력 품질을 변화시킵니다. 잦은 새 채팅은 "제한에 빠르게 도달하는" 이유 중 하나입니다.

운영 지침:

복사해서 사용할 프롬프트

같은 주제의 작업은 항상 하나의 스레드에서 계속하세요. 스레드가 너무 길어지면 시작 부분에 "지금까지의 요약"을 만들고 이를 기준점으로 삼아 계속하세요.

1. 차등 수정 패턴 — 수정 시 차이점만 지시하기

출력을 개선하고 싶을 때, 전체 텍스트를 다시 게시하는 것은 좋지 않습니다(NG). 전체를 다시 게시하면 소중한 캐시가 지워지고 처음부터 다시 계산됩니다. "이 부분만", "이 부분을 저것으로 변경"과 같이 차이점만 지시하세요.

복사해서 사용할 프롬프트

이전 출력을 수정하고 싶을 때, 전체 텍스트를 다시 게시하지 않겠습니다. "[ ] 부분만" 또는 "[ ]을(를) 로 변경"과 같이 차이점만 지시하겠습니다. 전제 조건이나 참고 자료는 전혀 다시 제시하지 않겠습니다.

1. 캐시 인식 하위 에이전트 설계 — 하위 에이전트의 시작 부분 통일하기

3장에서처럼 군단(legion) 작업을 수행할 때도 각 에이전트 시스템 프롬프트의 "시작 부분"(역할 정의, 전제 조건, 규칙)을 통일하면 캐시가 더 쉽게 적중됩니다. 마지막 부분의 작업 내용만 개별적으로 변경하세요. 이 방법만으로도 군단 작업의 효율성이 향상됩니다.

복사해서 사용할 프롬프트

멀티 에이전트 작업을 수행할 때, 모든 에이전트 시스템 프롬프트의 시작 부분(역할 정의, 전제 조건, 규칙)을 완벽하게 통일하세요. 마지막 부분의 작업 내용만 개별적으로 변경하세요.

이 장의 핵심은 "내용뿐만 아니라 구조로 경쟁하는 것"입니다. 무엇을 쓰는지 못지않게 어디에 배치하는지가 중요합니다.

6장: 프롬프트의 "외부" 만들기 — 하네스(Harness)와 에이전트

2026년에 접어들면서, 글로벌 AI 개발자들은 "프롬프트 내용" 경쟁을 멈추고 "프롬프트 외부"를 설계하기 시작했습니다. 그 외부를 "하네스(harness)"라고 부릅니다. 먼저 큰 그림을 정리해 보겠습니다.

"하네스 에이전트"란 무엇인가?

여러분이 일반적으로 사용하는 ChatGPT나 Claude는 사실 "AI 에이전트"가 아닙니다. 그것은 단지 "두뇌 유닛"일 뿐입니다. AI 에이전트란 그 두뇌에 부품을 부착하여 "스스로 작동하는 기계"로 만든 상태를 말합니다.

에이전트는 대략 다음 요소로 구성됩니다:

• 모델 (몸체): 에이전트의 "지능"입니다. LLM 그 자체입니다. 두뇌만으로는 판단은 할 수 있지만 행동할 수는 없습니다.
• 하네스: 모델에 부여되는 지침(시스템 프롬프트)과 가드레일(하지 말아야 할 것)의 집합입니다. 예를 들어, "특정 금액을 초과하는 지불은 항상 사람의 승인을 받을 것"과 같은 안전 밸브입니다. 에이전트의 "성격"과 "판단 기준"을 결정하는 레이어라고 생각하면 됩니다.
• 도구 (손과 발): 이메일 보내기, 캘린더 조작, 파일 읽기/쓰기, 웹 검색 등 에이전트가 현실 세계와 접촉하는 인터페이스입니다. 도구가 없으면 AI는 영수증을 읽을 수 있어도 비용 청구를 위해 제출할 수 없습니다.
• 환경: 에이전트가 움직이는 "장소"입니다. 같은 AI라도 어떤 환경에서 움직이느냐에 따라 할 수 있는 일이 크게 달라집니다.
• 에이전트 루프 (자체 실행 사이클): 이 모든 요소가 함께 작동하여 계획(Plan) → 행동(Act) → 결과 관찰(Observe Result) → 조정(Adjust) → 반복(Repeat)의 루프를 계속 실행합니다. 사람의 확인이 필요하면 멈춥니다. 일문일답 챗봇과 자체 실행 에이전트의 결정적인 차이는 바로 여기에 있습니다.

이 다섯 가지 요소가 결합된 것이 "에이전트의 완전한 형태"입니다. 여기서부터는 그 외부, 즉 하네스를 고도로 설계하기 위한 5가지 기술을 소개하겠습니다.

1. 실행 루프 — 관찰, 사고, 자기 비판, 행동의 사이클 통합하기

이것은 하네스의 핵심입니다. 작업을 실행할 때, 모든 단계에서 "관찰 → 사고 → 자기 비판 → 행동"의 사이클을 명시적으로 따르도록 하세요. 이는 일회성 "요청"과는 다른 차원에서 움직입니다.

복사해서 사용할 프롬프트

다음 작업을 실행할 때, 각 단계에서 항상 다음 4단계를 순서대로 작성한 후 진행하세요: (1) 관찰: 현재 상태를 3줄로 설명하세요. (2) 사고: 다음에 필요한 움직임과 그 이유. (3) 자기 비판: 그 움직임의 한 가지 맹점. (4) 행동: 수정 후 최종 행동. 작업: [ ]

1. 컨텍스트 압축 — 긴 대화를 단계적으로 압축하기

대화가 길어질수록 컨텍스트가 무너집니다. 이를 방지하기 위해 일정 횟수마다 과거 상호작용을 강제로 고정된 형식으로 압축합니다. 이는 긴 형식의 작업에서 컨텍스트가 "썩는 것"을 방지하는 필수 설계입니다.

복사해서 사용할 프롬프트

앞으로 대화가 10라운드를 초과할 때마다 과거 상호작용을 "확인된 사실 3개 + 보류 중인 작업 2개 + 다음으로 가장 중요한 행동 1개" 형식으로 강제 압축하고, 압축된 버전부터 새로운 지침을 실행하세요.

1. 플레이북 메모리 — 재사용 가능한 "패턴" 축적하기

이것은 전략을 매번 처음부터 생성하는 대신 재사용 가능한 "패턴(플레이북)"으로 축적하는 설계입니다. 각 상호작용이 "자산"이 됩니다.

복사해서 사용할 프롬프트

다음 작업을 실행한 후, 항상 "이번 시간의 일반 규칙 3가지"를 Markdown 글머리 기호 목록으로 출력하세요. 다음부터는 시작 부분에 이를 제시할 테니, 작업 전에 플레이북으로 읽어 주세요.

1. 자기 수정 루프 — AI가 자신의 사용 설명서를 다시 쓰게 하기

이것은 에이전트 스스로 다음 번에 더 잘하기 위한 "자기 지시 템플릿"을 작성하는 패턴입니다. 사용할 때마다 AI가 자신의 사용 설명서를 계속 업데이트하는 상태를 만들 수 있습니다.

복사해서 사용할 프롬프트

다음 작업을 실행한 후, 다음 번에 더 정확하게 실행하기 위한 "자기 지시 템플릿(개선 버전)"을 출력해 주세요. 또한 개선의 의도와 목적을 명시하세요. 다음부터는 그 템플릿을 사용하겠습니다.

1. 자동 하네스 최적화 — 전체 메커니즘을 반복적으로 개선하기

1장의 메타 프롬프팅(Meta-Prompting)과 유사하지만, 대상이 "프롬프트 구조 자체"라는 점이 다릅니다. 일주일에 한 번만 실행해도 프롬프트 자산이 복리로 진화합니다.

복사해서 사용할 프롬프트

현재 프롬프트 구조를 한 단계 업그레이드할 수 있는 구체적인 계획 5가지를 제시해 주세요. 각 계획에 대해 목적, 예상 개선 효과, 예상 위험을 작성하고, 마지막으로 가장 강력한 계획을 선택하여 채택 이유와 다음 사용 예시를 제시하세요.

프롬프트 내용을 한 줄 한 줄 다듬는 것도 중요합니다. 하지만 그 너머에는 훨씬 더 큰 세계인 "외부"가 있습니다. 하네스의 관점을 가지느냐에 따라 AI 활용 방식이 한 차원 달라집니다.

7장: 아무도 모르는 5가지 비밀 프롬프트

이 장에서는 표준 프롬프트 책에서는 거의 찾아볼 수 없는 틈새 패턴들을 모았습니다. 일부는 연구에서 비롯되었고, 다른 일부는 인지 과학을 응용한 것입니다. 일본 내에서는 거의 공유되지 않는 관점들입니다.

1. 질문 재구성 — 답변 전에 중립적인 질문으로 재구성하게 하기

AI는 "사용자에게 영합하는(과잉 순응하는)" 습성이 있습니다. 사용자의 진술에 동의할지 반대할지를 예측하고 아첨하는 답변을 반환합니다. 이를 억제하는 방법으로, "영합하지 마라"고 직접 명령하는 것보다 답변 전에 사용자의 진술을 "중립적인 질문"으로 재구성하도록 하는 것이 더 효과적이라고 보고됩니다.

의견을 구하고 싶은데 "말씀하신 대로입니다"라는 답변만 돌아올 때 사용해 보세요.

복사해서 사용할 프롬프트

다음 제 진술에 답변하기 전에, 항상 먼저 제 진술을 "중립적인 질문 형식"으로 재구성하세요. 원래 진술에 대한 동의나 반대를 표명하는 것을 거부한 후, 논리적으로 답변해 주세요. 진술: [ ]

1. 언어화된 샘플링 — 확률과 함께 여러 계획을 출력하게 하기

AI는 같은 질문을 할 때마다 비슷한 답변을 반환하는 경향(출력 다양성이 붕괴되는 현상)이 있습니다. 이에 대한 대책은 "선택되어야 할 확률"과 함께 여러 답변 계획을 출력하도록 하는 패턴입니다. 확률 분포에서 하나의 계획을 선택하면 일반 프롬프트로는 나오지 않는 아이디어를 끌어낼 수 있습니다.

복사해서 사용할 프롬프트

다음 주제에 대해, 각각의 "선택될 확률(%)"과 함께 5가지 다른 답변 계획을 생성하세요. 총 확률은 100%여야 합니다. 마지막으로, 그 분포에서 확률에 따라 하나의 계획을 선택하여 제시하세요. 주제: [ ]

1. 반사실적 앵커링 — 먼저 반대 답변을 출력하게 하기

이것은 인지 심리학의 "앵커링 효과(anchoring effect)"를 응용한 패턴입니다. AI가 직관적으로 내놓고 싶은 답변과 "완전히 반대되는 답변"을 먼저 출력하도록 함으로써 평범한 해결책으로 향하는 관성을 깨뜨립니다. 예측 가능했던 답변이 갑자기 깊어집니다.

참고: "반사실적 앵커링(Counterfactual Anchoring)"은 제가 만든 용어입니다. 기본 원리(앵커링 효과)는 실제 인지 과학이지만, 이 특정 패턴은 응용입니다.

복사해서 사용할 프롬프트

다음 질문에 답변하기 전에, 먼저 직관적으로 내놓으려는 답변과 "완전히 반대되는 답변" 하나를 생성하세요. 그 반대 계획이 옳을 수 있는 5가지 근거를 작성하세요. 마지막으로, 그 검증을 거친 후 최종 답변을 제공하세요. 질문: [ ]

1. 자체 사전 부검 — 먼저 실패 원인을 나열하기

"사전 부검(Pre-Mortem)"은 프로젝트를 시작하기 전에 "이 프로젝트가 실패한다면 그 원인은 무엇일까?"라고 생각해보는 유명한 사고 방법입니다. 이를 AI 작업 실행에 적용합니다. 실행 전에 실패 패턴을 나열하게 하고 이를 회피하는 방식으로 실행하게 합니다. 긴 형식의 작업에 효과적입니다.

참고: 원래의 사전 부검 방법은 실제로 존재하지만, 이를 AI에 적용하는 것은 제 자신의 사용법입니다.

복사해서 사용할 프롬프트

다음 작업을 실행하기 전에, 먼저 "이 작업이 최저 품질로 끝난다면 가정할 수 있는 원인 5가지"를 나열하세요. 각 원인에 대한 한 줄짜리 회피 조치를 작성하고, 모든 회피 조치를 엄격히 준수하면서 작업을 실행하세요. 작업: [ ]

1. 보정된 신뢰도 프롬프팅 — 신뢰 수준을 명시하게 하기

AI의 가장 큰 약점은 "틀려도 자신만만하게 말하는 것"입니다. 이를 막기 위해 각 주장에 "신뢰 수준(0-100%)"을 반드시 첨부하도록 하는 패턴을 사용합니다. 환각(hallucination)이 가시화되어 정보의 신뢰성을 판단하기가 훨씬 쉬워집니다.

복사해서 사용할 프롬프트

다음 질문에 답변할 때, 각 주장에 "0-100%의 신뢰 수준"을 첨부해 주세요. 50% 미만은 "추측"으로 표시하고, 70% 이상만 "사실"로 표시하세요. 또한 각 신뢰 수준에 대한 한 줄짜리 근거를 제공하세요. 질문: [ ]

표준 기술로 익히든, 논문과 원리에서 얻은 비밀 트릭으로 운영하든, 대부분의 자료는 무료로 이용 가능합니다. 그 차이는 알아차리는 사람들부터 벌어지기 시작합니다.

8장: AI에게 "손과 발" 달아주기 — 설치해야 할 MCP

지금까지는 프롬프트에 대해 이야기했습니다. 이 장에서는 AI에게 "손과 발"을 달아주는 방법을 다룹니다.

MCP(Model Context Protocol)는 AI를 외부 서비스 및 데이터에 연결하기 위한 개방형 공통 표준입니다. 간단히 말해, AI에 "현실 세계와 접촉할 수 있는 창"을 추가하는 메커니즘입니다. 이를 설치하면 Claude가 챗봇에서 "손과 발을 가진 에이전트"로 변신합니다.

MCP는 개방형 표준이므로 Claude Code나 Codex에서 한 번 설정하면 동일한 환경을 그대로 가져올 수 있습니다. 여기서는 콘텐츠 크리에이터에게 진정으로 유용한 4가지를 엄선했습니다.

1. Supadata MCP — 비디오에서 한 번에 대본 추출하기

YouTube, TikTok, Instagram, X(트위터) 비디오에서 한 번에 대본을 추출할 수 있는 MCP입니다. 해외 콘텐츠 조사, 경쟁사 비디오 분석, 트렌드 파악이 훨씬 빨라집니다. 자막이 없는 비디오도 자동 전사 기능으로 커버할 수 있습니다.

사용 예시:

다음 YouTube/TikTok/X 비디오 URL에서 대본을 추출하여 5가지 핵심 포인트로 요약해 주세요. URL: [ ]

해외 바이럴 비디오를 끝까지 시청해야 하는 시간 소모적인 작업에서 해방될 수 있습니다.

1. Firecrawl MCP — 웹사이트를 깔끔한 Markdown으로 변환하기

모든 웹사이트를 AI가 쉽게 읽을 수 있는 깔끔한 Markdown으로 변환하는 MCP입니다. JavaScript로 렌더링된 페이지도 처리할 수 있습니다. 경쟁사 기사, LP, 뉴스 사이트를 AI가 읽고 구조 분석이나 개선 제안을 출력하는 속도가 빨라집니다.

사용 예시:

Firecrawl로 다음 URL을 Markdown화하고, 해당 기사에서 어필의 구조와 약점을 분석해 주세요. URL: [ ]

매번 수동으로 복사해서 붙여넣는 사람들은 여기서 시간을 되찾을 수 있습니다.

1. Google Knowledge Graph MCP — 엔티티 정보에 직접 접근하기

AI가 Google 검색 결과 오른쪽에 나타나는 "정보 패널(Information Panel)"의 원천 데이터에 직접 접근할 수 있는 MCP입니다. 실제 인물, 장소, 조직, 개념에 대한 구조화된 데이터를 가져올 수 있습니다. 사실 확인 및 인물/조직 정보 검증의 정확도가 달라집니다. 정보 발행자에게 생명줄과 같은 존재입니다.

사용 예시:

Google Knowledge Graph로 "[인물/조직 이름]"에 대한 정보를 가져온 후, 제 기사의 사실 관계를 확인해 주세요.

1. Memory MCP — AI에게 영구 기억 부여하기

AI는 "대화 기록이 매번 초기화된다"는 약점이 있습니다. Memory MCP가 이를 해결합니다. 프로젝트 결정 사항, 사용자의 선호도, 과거 상호작용에서 학습한 규칙이 세션이 종료된 후에도 유지됩니다.

사용 예시:

다음 선호 사항, 전제 조건, 진행 중인 프로젝트 정보를 Memory MCP에 영구 기억으로 등록해 주세요. 다음부터는 작업 전에 항상 이 내용을 먼저 참조하세요.

매 세션마다 같은 전제 조건을 다시 붙여넣을수록 그 효과를 실감하게 될 것입니다. Claude는 세션이 거듭될수록 "나를 이해하는 파트너"로 성장합니다.

이 4가지를 통해 "입력(비디오, 웹, 엔티티 정보)"과 "메모리"를 모두 갖추게 되었습니다. 처음 3가지로 수집한 정보를 Memory MCP를 사용하여 AI에 축적하세요. 4가지가 함께 작동할 때의 효과는 개별적으로 사용할 때보다 훨씬 큽니다.

9장: Claude Code & Codex로 자동화하기 — 5가지 포인트와 함정

Claude Code나 Codex로 자동화를 "대충" 실행하고 있다면, 상당히 손해를 보고 있는 것입니다. 이 장에서는 자동화로 결과를 얻기 위한 5가지 포인트와 각각의 함정을 소개합니다.

1. 항상 Plan Mode(계획 모드) 삽입하기

자동화의 생명선은 갑자기 실행하지 않는 것입니다. Plan Mode에서는 사용자가 승인하기 전에 편집할 파일 이름, 함수 이름, 단계 순서를 구체화하게 합니다. 항상 이것을 삽입하세요.

함정: Plan Mode를 건너뛰고 병렬 실행으로 뛰어드는 것. 계획 게이트 없이 병렬화하면 잘못된 결과물을 고속으로 대량 생산할 뿐입니다. 방향이 올바를 때만 속도는 가치가 있습니다.

1. 영구 규칙은 설정 파일에, 작업별 지침은 프롬프트에

"매번 따르길 원하는 영구 규칙"을 모든 프롬프트에 집어넣는 것은 전형적인 초보자의 실수입니다. 영구 규칙은 설정 파일(Codex의 경우 AGENTS.md, Claude Code의 경우 CLAUDE.md)에 작성하고, 프롬프트에는 "이번 작업을 위한 지침"만 넣으세요.

함정: 설정 파일이 너무 커지는 것. 크기 제한을 초과하면 내용이 잘립니다. 파일이 커지면 디렉토리 계층별로 분할하는 것이 표준 관행입니다.

1. 하위 에이전트는 "전문화 + 권한 제한"으로

하위 에이전트에 "1 기능 = 1 전문화된 역할"을 할당하고 최소한의 도구만 부여하세요.

함정: 하위 에이전트가 기본적으로 상위 에이전트의 모든 도구 권한을 상속받는 것. 모든 권한으로 시작하기 때문에 명시적으로 제한하지 않으면 사고로 이어질 수 있습니다. 또한 하위 에이전트는 여러 모델과 도구를 실행하므로 더 많은 토큰을 소비합니다. 병렬화 = 비용 증가는 구조적으로 불가피하므로, 실행할 가치가 있는 작업으로 좁히세요.

1. MCP는 "과도하게 넣지 않는 것"이 정답

8장에서 MCP를 소개했지만, 과도하게 사용하는 것은 금물입니다. MCP를 추가할수록 각 메시지의 컨텍스트가 부풀어 올라 사용량 제한을 압박합니다. 사용하지 않는 MCP는 비활성화하세요. 이것이 기본입니다.

함정: 모든 것을 MCP화하고 10개, 20개를 연결하는 것. 컨텍스트를 압박할 뿐만 아니라 보안 위험도 증가합니다. 매일 진정으로 사용하는 3-5개로 좁히는 것이 안전합니다.

1. 반복 작업은 "스킬(Skill)"로 패키징하기

반복해서 사용하는 워크플로우는 매번 프롬프트를 복사해서 붙여넣지 말고 스킬로 패키징하세요. Claude Code와 Codex 모두 반복 작업을 정의 파일로 요약하고 일관되게 호출하는 메커니즘을 갖추고 있습니다.

함정: 스킬화하지 않고 매번 프롬프트를 복사해서 붙여넣기로 운영하는 것. 변동성이 누적되고 정신적 부담이 계속 증가합니다. 2-3번의 구체적인 사용 예시가 있는 워크플로우는 스킬화할 준비가 된 것입니다. Claude Code와 Codex 모두에서 동일한 스킬을 사용할 것을 전제로 작성하면 도구를 전환해도 비용이 발생하지 않습니다.

자동화의 핵심은 AI에 "모든 것을 던져넣는 것"과 "체계화하는 것"의 차이입니다. Plan Mode를 삽입하고, 설정 파일을 정리하고, 권한을 제한하고, MCP를 최소화하고, 반복을 스킬화하세요. 실행하기 전에 이 5가지 메커니즘을 먼저 설정하세요. 이것만으로도 자동화가 "가속"이 될지 "폭주"가 될지가 결정됩니다.

10장: 구식입니다 — 그만둬야 할 프롬프트 습관

마지막 장은 더하기가 아니라 빼기에 관한 것입니다. 일본에서 오랫동안 "올바르다"고 여겨졌지만 최신 연구와 사양으로 재고되고 있는 3가지 습관을 다루겠습니다.

1. 모든 것에 "당신은 ~ 전문가입니다"를 붙이기

페르소나를 부여하는 프롬프트는 고전적인 단골입니다. 그러나 최근 연구에서는 이것이 "만능이 아니다"라고 지적합니다. 전문가 페르소나는 안전 및 중재 작업에는 효과적이지만, 사실 인식 및 추론 작업에서는 오히려 정확도를 떨어뜨리는 경향이 있다는 보고가 있습니다.

즉, 페르소나는 "만능 템플릿"이 아니라 "적용을 선택해서 사용하는 정밀 기술"입니다. 안전 판단, 윤리 판단, 중재에는 붙여도 괜찮습니다. 하지만 사실 조사, 분석, 코드 생성, 추론 작업에는 불필요하게 붙이지 마세요. 이 구분을 의식하는 것만으로도 정확도가 한 단계 올라갑니다.

1. 기계적으로 "단계별로 생각하기"를 붙이기

"단계별로 생각하기(Think step by step)"와 "천천히 단계별로 생각해 봅시다(Let's think step by step)"도 오랫동안 가장 강력한 프롬프트로 취급받아 왔습니다. 그러나 최근 모델은 모델 자체가 언제, 얼마나 생각할지를 판단하는 방향으로 진화하고 있습니다. 매번 "생각하라"고 써야 할 기술적 필요성은 사라지고 있습니다.

향후 운영은 기계적으로 사고 지침을 붙이는 것보다 작업의 목적, 제약 조건, 예상 형식을 명확히 하는 데 초점을 맞춰야 합니다. 그리고 추론이 필요한 복잡한 작업의 경우 모델 자체의 사고 기능을 켜고 판단을 AI에 맡기세요. 이것이 새로운 세대의 모델과 더 잘 맞습니다.

1. 프롬프트를 손으로 작성하고 직관으로 미세 조정하기

이것이 아마도 가장 큰 포인트일 것입니다. 많은 일본인들이 프롬프트를 "예술 작품"처럼 손으로 작성하고 단어 선택과 직관으로 미세 조정합니다. 한편, 글로벌 전문가들은 프롬프트를 "코드"로 취급합니다. 설계하고, 버전 관리하고, 테스트하고, 평가 기준(eval)으로 점수를 매기면서 최적화합니다.

왜 이렇게 다를까요? 이유는 간단합니다. 손으로 작성한 직관은 "90%의 입력에 대해 작동하는 프롬프트가 10%의 경우에 치명적으로 실패하는" 것을 감지할 수 없습니다. 따라서 먼저 "무엇이 정답인가"에 대한 점수표를 만들고 이에 대해 프롬프트를 측정합니다.

오늘 당장 할 수 있는 "평가적 사고"의 첫걸음:

(1) 동일한 프롬프트를 5번 실행하고 출력의 변동성을 관찰하세요. (2) 좋은 출력에 공통된 3가지 조건을 적어보세요(이것이 간단한 평가입니다). (3) 프롬프트의 여러 버전을 단어 수준에서 만들고 그 3가지 조건을 충족할 때까지 비교하세요.

참고로, 같은 의미의 단어라도 출력은 달라집니다. "계산하다(Calculate)"와 "연산하다(Compute)" 사이에서 AI의 반응은 미묘하게 다릅니다. 손으로 작성한 직관으로는 이 단어 수준의 차이를 제어할 수 없습니다. 그렇기 때문에 머리를 "측정하고 개선하는" 방식으로 전환하는 데 가치가 있습니다.

지금까지 1장부터 9장까지 많은 기술을 소개했습니다. 하지만 성장하는 사람들은 무엇을 "그만둘지"도 결정합니다.

결론 — 프롬프트는 "사고의 청사진"이 되었다

지금까지 약 40가지의 기술과 노하우를 휘몰아치듯 소개했습니다. 마지막으로 이 글을 통해 전달하고 싶었던 것을 한 가지로 요약하겠습니다.

프롬프트는 더 이상 "지시사항"이 아닙니다. 그것은 "사고의 청사진"입니다.

1장에서는 사고 방식 자체를 전달했습니다. 2장에서는 결과물에서 거꾸로 작업했습니다. 3장에서는 AI를 군단으로 운영했습니다. 4장부터 6장까지는 프롬프트의 외부, 즉 컨텍스트, 내부 구조, 하네스를 설계했습니다. 7장에서는 비밀 트릭을 사용했고, 8장에서는 MCP로 AI에 손과 발을 달아주었으며, 9장에서는 자동화 메커니즘을 구축했고, 10장에서는 오래된 습관을 버렸습니다.

이 모든 것의 공통점은 "무엇을 출력할지"가 아니라 "어떻게 생각하고 움직이게 할지"를 작성한다는 것입니다. 명령(Commands) 대 청사진(Blueprints). 이 차이가 AI가 "단지 편리한 도구"에 머물지, "스스로 움직이는 파트너"로 변신할지를 결정합니다.

여기서 소개한 기술들은 재능이나 영어 실력을 필요로 하지 않습니다. 필요한 것은 오늘부터 프롬프트의 한 줄을 약간 다른 구조로 작성해 보려는 의지뿐입니다. 마음에 드는 패턴 하나를 복사해서 붙여넣고 시도해 보세요. 그것이 여러분의 첫걸음이 될 것입니다.

끝까지 읽어주셔서 감사합니다. 이 글이 여러분과 AI의 관계를 한 단계 끌어올리는 촉매제가 되기를 바랍니다.

AI에 대한 상담은 여기에서 👇