✅ 1. 프롬프트 엔지니어링의 이해
**프롬프트 엔지니어링(Prompt Engineering)**이란, AI 언어 모델에게 원하는 결과를 도출하기 위해 질문(프롬프트)을 효과적으로 설계하는 기술
📌 왜 중요한가?
- GPT와 같은 언어모델은 "질문을 어떻게 하느냐에 따라" 답변의 정확도와 품질이 크게 달라짐
- 정형화된 코딩, 문서작성, 요약, 번역, 분석 등 업무 자동화에 필수 요소
📘 핵심 구성 요소
- 역할 지시(Role instruction): 모델이 어떤 역할을 해야 하는지 지정
- 예) “너는 영어 교사야.”
- 목표 설명(Goal): 무엇을 해야 하는지 명확하게
- 예) “이 문장을 초등학생이 이해할 수 있도록 설명해줘.”
- 입력 데이터(Input context): 대상이 되는 데이터나 배경 정보 제공
- 예) “텍스트: ‘Photosynthesis is…’”
- 형식 지정(Format instruction): 원하는 출력 형식 명시
- 예) “표로 요약해줘” / “한 문장으로 설명해줘”
🎯 프롬프트 엔지니어링 전략 예시
- Few-shot prompting: 예시 몇 개를 같이 주며 학습 효과 유도
- Chain-of-Thought prompting: 중간 과정을 설명하도록 유도해 정답률 향상
- Zero-shot prompting: 설명 없이 바로 질문 (기본 방식)
✅ 2. ChatGPT의 기본 구조 및 원리
ChatGPT는 OpenAI가 개발한 GPT (Generative Pre-trained Transformer) 모델을 기반으로 작동.
📘 GPT 구조 요약
1. 사전학습 (Pretraining)
- 인터넷에 공개된 텍스트를 대량 학습
- 다음 단어를 예측하는 방식으로 학습됨
- "The cat sat on the" → "mat"을 예측하는 방식
2. 미세조정 (Fine-tuning)
- 사전학습된 모델을 특정 목적에 맞게 추가 학습
- 사용자 대화, 규칙, 정책 등을 반영하여 보다 유용하게 조정
3. RLHF (Reinforcement Learning with Human Feedback)
- 사람의 평가를 기반으로 좋은 응답을 강화하는 방식
- 사람 평가자가 여러 답변 중 어떤 것이 좋은지를 정하고, 그것을 기준으로 모델을 강화함
💡 작동 방식
- 사용자가 프롬프트 입력
- 모델은 문맥을 이해하여 확률적으로 다음에 올 단어를 예측
- 반복적으로 문장을 완성
- 사용자의 의도, 규칙, 형식을 고려해 최종 응답 출력
⚙️ ChatGPT 구조 요약
| 구성요소 | 설명 |
| 입력 처리 | 사용자의 입력을 토큰(token)으로 변환 |
| 트랜스포머 인코더/디코더 | 문맥을 파악하고 다음 단어 생성 |
| 출력 생성 | 생성된 토큰을 조합해 문장으로 변환 |
| 대화 히스토리 유지 | 이전 대화 흐름을 기억하여 맥락 반영 |