프롬프트 테크닉 지도 — 실무 이슈 12가지로 다시 읽는 프롬프트·컨텍스트·이미지 엔지니어링

들어가며: 테크닉은 많고, 문제는 적다

사내 발표 자료를 만들기 위해 이 블로그의 프롬프트 관련 글 44편을 처음부터 다시 읽었다. 프롬프트 엔지니어링 완전 정복부터 컨텍스트 엔지니어링, Context Rot, 루프 엔지니어링, Cold-Start Interview까지. 카드로 정리하니 테크닉이 300장을 넘겼다.

그런데 이상한 일이 벌어졌다. 테크닉은 300개인데, 그 테크닉들이 풀려는 문제는 12개로 수렴했다.

이 글은 그 12개 문제에서 출발하는 지도다. "어떤 기법이 있는가"가 아니라 "지금 내 프롬프트가 왜 안 되는가"에서 시작해, 처방으로 가는 최단 경로를 안내한다. 각 처방에는 이 블로그에서 깊이 다룬 원문 링크를 달았다.

한 줄 요약부터 말하면 이렇다.

모델을 더 똑똑하게 만들려 하지 말고, 모델에게 무엇을 보여줄지·무엇을 하지 못하게 할지·언제 멈출지를 설계하라.

1. 큰 그림: 다루는 단위가 계속 커졌다

지난 6년간 "프롬프트를 잘 쓴다"의 의미는 네 번 바뀌었다. 각 단계는 이전 단계를 대체하는 게 아니라 포함하며 확장한다.

이미지·디자인 프롬프트도 같은 궤적을 그린다. 한 줄 프롬프트 → 제약·토큰·무드보드(컨텍스트) → DESIGN.md·스킬 폴더(하니스) → 렌더·비교·수정 루프. 자세한 배경은 프롬프트의 진화 — 한 줄에서 '오픈소스 팀'까지와 루프 엔지니어링에서 다뤘다.

2. 진단부터: LLM이 틀리는 이유는 둘뿐이다

처방 전에 진단이다. LLM 정확도 최적화 가이드가 정리한 OpenAI의 멘탈 모델은 단순하다 — LLM이 틀리는 이유는 맥락이 부족하거나(모른다), 행동이 불안정하거나(못 따른다) 둘뿐이다.

• 도메인 사실을 모른다, 정보가 오래됐다 → 맥락 레버: 참고 텍스트, RAG, 도구
• 형식이 들쭉날쭉하다, 톤이 흔들린다, 지시를 무시한다 → 행동 레버: 예시, CoT, 파인튜닝

잘못된 레버를 당기면 오히려 나빠진다. 아이슬란드어 교정 실험에서 파인튜닝 87점짜리 모델에 RAG를 더하자 83점으로 떨어졌다 — 행동 문제에 맥락을 더하면 노이즈가 된다.

3. 이슈 12 → 처방 매핑

44편에서 반복해 나타난 실무 이슈와 처방을 한 표로 모았다. 1차 처방은 프롬프트 수준에서, 2차 처방은 구조 수준에서 문제를 막는다.

아래에서 영역별로 가장 레버리지가 큰 처방만 골라 살펴본다.

4. 프롬프트: 확률을 기울이는 조건

구글 68쪽 백서 해설의 핵심 관점 하나가 나머지 전부를 설명한다. 프롬프트는 질문이 아니라 확률 분포를 기울이는 조건이다. "코드 리뷰 해줘"라고 쓰면 모델은 인터넷에서 그 문장 뒤에 가장 자주 이어졌던 텍스트 — "전반적으로 잘 작성하셨네요!" — 의 확률을 높일 뿐이다.

여기에 세 가지만 더하면 프롬프트 기본기의 80%다.

1. 예시 하나가 문장 열 줄을 이긴다. 규칙은 해석해야 하지만 패턴은 그냥 이어진다. 단, 예시는 정확하게(오답 하나가 전체를 오염), 다양하게(경계 사례 포함), 섞어서(클래스별로 뭉치면 순서를 암기). — GPT-3 논문 해부
2. 역할은 관점을 바꾸는 데 쓰고, 정답이 있는 질문엔 떼라. "너는 전문가다" 한 줄이 MMLU를 71.6에서 68.0으로 떨어뜨렸다. 페르소나는 지식 부스터가 아니라 관점 이동기다. — LLM을 인지 파트너로
3. 숫자·이름·연도는 검색과 계산으로 확인시켜라. CoT 단독의 환각 실패율 56%가 ReAct(생각→행동→관찰)에서 0%가 됐다. — ReAct 논문 해부

그리고 운영. 기록하지 않은 성공은 행운이다. 대부분의 프롬프트 문제는 "항상 실패"가 아니라 "가끔 실패(SOMETIMES OK)"라서, 모델·설정·프롬프트·결과 상태를 기록하고 20문항짜리 평가 세트를 만들기 전까지는 개선 여부조차 알 수 없다.

5. 컨텍스트: 많이가 아니라 정확하게, 앞과 뒤에

컨텍스트 영역의 근거 수치는 셋만 기억하면 된다.

• Context Rot — 18개 모델 예외 없이, 컨텍스트가 길어지면 단어 베껴쓰기조차 무너진다. 창이 커져도 부패가 사라지지 않고 시작 지점이 뒤로 밀릴 뿐. — 긴 맥락이 독이 된다
• Lost in the Middle — 중간(40~60%)에 놓인 정보는 회수율이 약 30% 떨어진다. 중요한 건 앞과 뒤에, 반복 목표는 매 턴 끝에. — RAG vs Long Context
• 불충분한 컨텍스트의 역설 — 컨텍스트가 아예 없을 때보다 '불충분'할 때 환각이 6.5배 늘어난다. 관련 문서가 보이면 모델은 "답변할 수 있는 상태"로 전환되어 키워드를 조합해 지어낸다. — RAG의 숨겨진 약점

그래서 북극성은 하나다. Anthropic의 표현으로, "원하는 결과의 가능성을 극대화하는, 가장 작은 고신호(high-signal) 토큰 집합을 찾아라." 실행 원칙은 컨텍스트 엔지니어링 완전 정복에서 정리한 여섯 개다: 더 적게 더 정확히 · 위치를 설계하라 · 파일시스템으로 오프로드 · 60%에서 선제 압축(가역 우선) · 무거운 일은 서브에이전트로 격리 · 가장 단순한 것부터.

의사결정도 단순해진다. 지식베이스가 200K 토큰 이하면 검색 없이 전부 넣고(CAG — 검색 오류 0), 1M을 넘거나 데이터가 변하거나 출처·권한이 필요하면 검색하라(하이브리드 RAG). 그 사이는 Long Context + 캐싱. 청크를 쓰면 이름표를 달아라 — 50토큰의 맥락 설명이 검색 실패율을 67% 줄인다.

6. 하니스: 반복되는 문장은 파일로

세 번 이상 반복해서 설명한 내용이 있다면, 그건 프롬프트가 아니라 파일이어야 한다.

이 패턴의 전체 해부는 Cold-Start Interview 완전 해부에, 조직 차원의 적용은 GTM 엔지니어링에 있다. 파일의 종류만 알아두자 — CLAUDE.md/AGENTS.md(매 세션의 시스템 프롬프트, 디렉터리별), SKILL.md(1역할 = 1파일), ETHOS(3~5개 원칙이 모든 스킬의 DNA), Voice(금지 어휘 + 맞는 예/틀린 예), RULES.md(Must Never + 훅으로 강제 중단).

7. 루프와 보안: 언제 멈추는가, 무엇을 못 하게 하는가

에이전트 시대의 지시서는 첫 줄이 다르다. "무엇을 하라"가 아니라 "언제 끝났다고 판정하는가" — 기계가 확인할 수 있는 완료 조건이 없는 루프는 부서진다. 그리고 브레이크: 하드 스텝 상한, 토큰·달러 천장, 진척 없음 감지. 하룻밤 437달러, 주말 4,200달러 청구서와 같은 list_files 14,000회 호출은 브레이크 없는 자율성의 실제 가격표다. — 루프 엔지니어링의 그늘

보안은 두 문장으로 압축된다. 첫째, 모델은 층을 보지 못한다. 시스템 프롬프트·컨텍스트·사용자 입력은 모델에게 하나의 연속된 토큰 스트림이고, 그래서 프롬프트 인젝션에는 SQL 인젝션의 파라미터화 쿼리 같은 근본 해법이 없다. 둘째, 그러므로 문구가 아니라 구조로 막아라. 비공개 데이터 접근 · 비신뢰 콘텐츠 노출 · 외부 통신 능력 — 치명적 삼각형의 한 변만 끊어도 유출 체인은 끊긴다. 자세한 방어 수치는 Claude Code 소스 유출 사건과 오염된 스킬에서 다뤘다.

같은 원리가 바이브코딩에도 적용된다. 기능 정답률 61%짜리 코드의 보안 안전율은 10.5%였다. 코드를 시키기 전에 데이터 민감도·역할과 권한·실패하면 안 되는 동작·나가면 안 되는 데이터를 먼저 쓰는 것 — Context Before Code — 이 30분 만에 환자 데이터가 열린 이유에 대한 답이다.

8. 이미지 프롬프트: 명령문이 아니라 캡션이다

이미지 생성 모델의 귀는 CLIP이다. 4억 장의 인터넷 이미지-캡션 쌍으로 학습된 매칭기라서, 프롬프트는 명령문("~해줘")이 아니라 그 이미지의 캡션처럼 써야 한다. 공식은 다섯 요소, 중요도 순이다.

이 공식은 우리가 만든 게 아니다 — Google DeepMind의 Nano Banana 공식 프롬프트 가이드가 권하는 요소(피사체·구도·행동·장소·스타일)와 같고, 원리는 디퓨전 모델 완전 정복과 CLIP 논문 해부에서 설명했다. 실무에서 자주 쓰는 나머지 교훈은 커버 이미지 수백 장을 생성하며 몸으로 배운 것들이다.

• 허용 텍스트를 열거하라. 모델은 요청하지 않은 부수 텍스트를 멋대로 넣고 깨뜨린다. "이미지에 넣을 텍스트는 '프롬프트 테크닉 지도' 하나뿐, 다른 글자는 일절 금지"처럼 화이트리스트로 쓴다. 영어+한국어 혼합 제목은 깨지기 쉬우니 순한국어로.
• 3연속 실패면 구도를 버려라. 요소가 많은 비교 인포그래픽은 단순화해도 반복 실패한다. 미련 없이 포기하고 본문은 표·카드로 대체하는 게 빠르다. 루프 금지.
• 일관성은 파일로. 스타일 서술부(매체·팔레트·조명)를 프롬프트 파일로 고정하고 피사체만 바꾼다. 시리즈물은 승인된 1안을 다음 생성의 참조 이미지로.
• 수량·위치·글자는 CLIP의 사각지대. "사과 3개", "왼쪽 고양이 오른쪽 개", 작은 글자와 손가락 — 말로 밀지 말고 참조 이미지·인페인팅·다량 생성 후 선별로 우회한다.

웹 디자인 프롬프트도 같은 문법이다. "AI에게 자유를 주면 평범한 결과가 나온다. 제약을 주면 훌륭한 결과가 나온다" — 서체 2, 강조색 1, 섹션 6, 카드 0. 자세한 브리프 구조는 GPT-5.4 프론트엔드 디자인 가이드와 Open Design 아키텍처에서.

9. 글로벌 필독 자료 10선

이 블로그 밖에서 하나씩만 고른다면 이 열 개다. 전부 무료다.

입문자에게 코스로 권한다면: Learn Prompting(무료 오픈소스 교과서) → DeepLearning.AI의 ChatGPT Prompt Engineering for Developers(1.5시간) → Anthropic 인터랙티브 튜토리얼(GitHub anthropics/courses) 순서다.

10. 이번 주에 할 일 세 가지

지도는 걷지 않으면 종이다. 이번 주에 할 수 있는 것만 남긴다.

마치며

44편을 다시 읽으며 확인한 것은, 좋은 테크닉의 공통 형태였다. 전부 정답 공간을 좁히거나(무엇을 보여줄지), 오답 공간을 막거나(무엇을 못 하게 할지), 판정 기준을 세우는(언제 멈출지) 일이었다. 마법의 주문은 없었다. 설계가 있었을 뿐이다.

이 지도의 상세판 — 테크닉 카드 331장과 출처 전체 — 는 사내 발표 자료로 정리되어 있다. 각 영역을 깊이 파고 싶다면 본문에 링크한 원문들이 그 입구다.