VIBECODING 365 / DICTIONARY
프롬프트 엔지니어링
Prompt engineering
DEFINITION
무엇을 설계하는 기술인가
프롬프트 엔지니어링은 생성형 AI(특히 LLM)에게 원하는 출력을 얻기 위해 입력 지시문(프롬프트)을 체계적으로 설계·개선하는 실무다. Anthropic 공식 가이드는 「성공 기준을 정의하고, 그에 대한 경험적 평가를 두고, 초안 프롬프트를 개선한다」는 전제에서 시작한다. 모든 실패가 프롬프트로만 해결되지는 않는다. 같은 문서가 지연·비용처럼 모델 선택이 더 쉬운 축도 있다고 명시한다.
공식 가이드가 강조하는 기법
Anthropic Prompting best practices(현행 Claude 모델 기준)의 공통 원칙은 다음과 같다. 지시를 명확·구체적으로 쓰고, 원하는 형식과 제약을 밝힌다. 「하지 마라」보다 「이렇게 하라」가 낫다. 왜 그 규칙이 필요한지 맥락을 주면 모델이 일반화하기 쉽다. 퓨샷(few-shot) 예시는 형식·톤·구조를 고정하는 데 가장 믿을 만한 수단이며, 관련성·다양성·구조화를 갖춘 예시를 권한다. XML 태그로 지시·맥락·예시·입력을 구분하면 긴 프롬프트에서 오해석이 줄어든다. 시스템 프롬프트에 역할을 한 줄이라도 주면 행동·톤이 초점에 맞춰진다.
긴 컨텍스트와 사고
긴 문서(대략 2만 토큰 이상)를 넣을 때는 문서·데이터를 위쪽에, 질의·지시를 아래쪽에 두는 배치가 문서에 권장된다. 여러 문서는 XML로 감싸고, 인용을 먼저 뽑게 하면 근거에 묶기 쉽다. 사고(thinking)·단계적 추론은 모델 세대에 따라 extended thinking / adaptive thinking / effort 등으로 제어하며, 생각 없이도 「단계별로 정리해」 같은 수동 CoT·태그 분리를 쓸 수 있다. 복잡한 작업은 초안→검토→수정처럼 API 호출을 나누는 프롬프트 체이닝으로 중간 결과를 검사한다.
에이전트·툴 호출에서의 프롬프트
코딩 에이전트 맥락에서는 「제안만 해줘」와 「수정해줘」처럼 동사의 명시성이 툴 호출 여부를 가른다. 병렬 툴 호출·서브에이전트 위임·과잉 구현(over-engineering)·환각 방지를 위해 「조사 전에 파일을 열어라」「요청 범위만 바꿔라」 같은 가드레일 문장을 시스템/유저 프롬프트에 넣는 패턴이 공식 에이전틱 섹션에 정리돼 있다. 즉 바이브코딩에서 프롬프트 엔지니어링은 한 번의 채팅 문장만이 아니라, 도구·권한·검증 루프를 묶는 지시 설계까지 포함한다.
다른 개념과의 자리
프롬프트 엔지니어링이 「무엇을 물을까」라면, 컨텍스트 엔지니어링은 「모델이 무엇을 보게 할까」, 하네스 엔지니어링은 「도구·게이트·재시도·샌드박스까지 전체 운영」에 가깝다. 세 층은 겹치지만 원뜻은 지시문 설계다. OpenAI·Google 등도 각자 프롬프트 가이드를 두며, 모델마다 최적 기법이 다르다는 점이 Anthropic 비즈니스 글에도 반복된다. 원문 기준 URL은 Anthropic docs overview를 두고, 모델별 세부 튜닝은 해당 best practices 페이지를 따른다.
ENGLISH
Prompt engineering
EXAMPLE
나쁜 예: 「로그인 만들어줘」. 나은 예: 「Next.js App Router로 이메일/비밀번호 로그인을 구현해. bcrypt 해싱, JWT, httpOnly 쿠키, TypeScript strict. 완료 기준은 테스트 통과와 README 한 절.」
관련
이어서 볼 문서
RELATED TERMS
연관 용어
vibe coding
Andrej Karpathy가 2025-02에 쓴 말. 자연어로 의도를 말하고 AI가 코드를 만들며, 디프를 거의 안 읽고 결과·재프롬프트로 밀어가는 개발 방식.
concept 환각Hallucination (AI)
LLM이 그럴듯하지만 틀린 내용을 자신 있게 사실처럼 생성하는 현상. 코딩에서는 가짜 API·잘못된 import·존재하지 않는 설정이 대표적이며, 다음 토큰 예측 방식과 근거 없는 추측에서 비롯된다. 검증·테스트·도구로 완화한다.
concept 대규모 언어 모델Large language model (LLM)
방대한 텍스트로 학습해 언어를 생성·변환하는 AI 모델. 맥락을 보고 다음 언어 조각을 예측하며, Transformer 계열 딥러닝이 흔하다. 바이브코딩 도구의 코드 생성 엔진이다.