Anthropic의 Prompting 101 영상은 프롬프트를 “예쁘게 쓰는 문장 기술”로 설명하지 않는다.

핵심은 오히려 반대다.
좋은 프롬프트는 문장력이 아니라 구조라는 것이다.

특히 API 기반 애플리케이션에서는 대화를 여러 번 주고받기보다,
한 번의 메시지로 처음부터 맞는 답을 받는 single-shot 설계가 중요하다는 점을 아주 실전적으로 보여 준다.

Sources

1. Prompting 101이 실제로 가르치는 건 “말 잘하기”가 아니라 “작업 설계”다

영상 초반에서 Anthropic 팀은 prompt engineering을 이렇게 설명한다.

  • clear instructions
  • give the model the context it needs
  • arrange information in the best way

이 정의가 중요하다.

많은 사람이 프롬프트를:

  • 멋진 한 문장
  • 비밀 프롬프트
  • 창의적인 주문

처럼 생각하지만, Anthropic은 이를 작업 설계 문서에 더 가깝게 본다.

즉 질문을 잘하는 것보다:

  • 모델이 무슨 역할인지
  • 어떤 데이터를 보는지
  • 어떤 순서로 판단해야 하는지
  • 어떤 형식으로 답해야 하는지

를 구조적으로 설계하는 게 중요하다는 뜻이다.

2. 영상이 강조하는 첫 번째 원칙: single-shot task에서는 프롬프트 구조가 더 중요해진다

영상은 챗봇식 대화와 API 태스크를 구분한다.

챗봇형

  • 몇 번이고 왕복하면서 수정 가능

애플리케이션형

  • 한 번의 메시지로
  • 처음부터 정확한 결과를 얻어야 함

보험사 사고 판정 예시는 바로 이 후자다.

즉 사용자는 길게 대화를 이어가며 정정할 수 없다.
그래서 프롬프트가 처음부터:

  • 역할
  • 배경
  • 자료
  • 절차
  • 출력 포맷

을 다 갖춰야 한다.

이건 에이전트 하네스나 백엔드 프롬프트 설계에서도 그대로 적용된다.

3. Anthropic이 제시한 기본 뼈대는 5단계다

영상은 좋은 prompt structure를 대략 다음처럼 설명한다.

  1. task description
  2. content
  3. detailed instructions
  4. examples
  5. reminder / final emphasis

이 흐름이 좋은 이유는 모델이 정보를 읽는 순서를 통제할 수 있기 때문이다.

Task Description

“너는 오늘 무엇을 하러 왔는가?”

Content

실제로 분석할 이미지/문서/데이터

Detailed Instructions

어떤 절차로 판단할지

Examples

어려운 케이스를 어떻게 처리할지

Reminder

환각 금지, 근거 확인, 출력 형식 등 마지막 제약

즉 프롬프트는 감성적 설득이 아니라,
입력 순서와 판단 절차를 정렬하는 컨테이너다.

4. 첫 번째 개선은 “상황을 설명하는 것”만으로도 크게 일어난다

영상의 데모는 아주 재밌다.

스웨덴어 차량 사고 보고서와 손그림 스케치를 그냥 던졌을 때 Claude는 처음에 이를 스키 사고처럼 오해한다.

왜냐하면:

  • 무슨 도메인인지
  • 어떤 종류의 폼인지
  • 무엇을 판단해야 하는지

가 안 주어졌기 때문이다.

하지만 두 번째 버전에서:

  • 자동차 보험 사고라는 점
  • 인간 클레임 조정사를 돕는 역할이라는 점
  • 확신 없으면 판단하지 말라는 점

을 넣자, 모델은 적어도 차량 사고 문맥으로 해석하기 시작한다.

이 장면이 중요한 이유는, 모델이 멍청해서 실수한 게 아니라
우리가 상황을 충분히 안 줘서 추정으로 메웠다는 걸 보여 주기 때문이다.

5. 두 번째 개선은 static context를 system prompt로 올리는 것이다

영상에서 가장 실무적인 팁 중 하나는 이것이다.

폼의 구조처럼 항상 바뀌지 않는 정보는 system prompt 쪽에 올려라.

예를 들면:

  • 이 폼은 항상 같은 레이아웃이다
  • 두 개의 컬럼은 vehicle A / B를 뜻한다
  • 17개 체크박스는 각각 어떤 의미를 가진다
  • 사람들은 X 대신 동그라미, 낙서, 애매한 표시를 할 수 있다

이런 정보는 매 요청마다 새로 추론하게 하지 말고,
미리 알려 주는 편이 낫다.

이건 RAG나 prompt caching과도 잘 연결된다.

즉 dynamic input과 static background knowledge를 분리하면:

  • 모델의 해석 비용이 줄고
  • 입력 이해 정확도가 올라가고
  • 응답도 더 안정된다

6. 영상이 계속 강조하는 건 “Claude loves structure”다

Anthropic 팀은 중간에 아주 분명히 말한다.

Claude는 구조를 좋아한다.

그래서 추천하는 도구가:

  • XML tags
  • Markdown sections
  • 명시적 구획

이다.

이건 단순 미관 문제가 아니다.

예를 들어:

  • <task_context>
  • <background>
  • <examples>
  • <important_guidelines>

처럼 구획이 나뉘면, 모델은 어떤 정보가 어떤 역할인지 더 잘 추적한다.

즉 구분자는 사람이 보기 좋으라고 넣는 게 아니라,
모델이 문맥의 계층을 읽기 쉽게 하려고 넣는 것이다.

flowchart TD
    A[Task Description] --> B[Static Background]
    B --> C[Dynamic Content]
    C --> D[Detailed Instructions]
    D --> E[Examples]
    E --> F[Reminder + Output Format]
    F --> G[Single-shot Response]

7. 세 번째 개선은 “판단 순서”를 지정하는 것이다

영상에서 가장 중요한 부분 중 하나는 detailed instructions 단계다.

보험 사례에서는 판단 순서가 핵심이었다.

Anthropic 팀이 제안한 흐름은 대략 이렇다.

  1. 먼저 폼을 읽어라
  2. 어떤 체크박스가 표시됐는지 확인해라
  3. 그 사실을 바탕으로 스케치를 해석해라
  4. 마지막에 책임 판단을 내려라

이게 중요한 이유는, 모델이 자유롭게 판단 순서를 정하게 두면
그림 같은 애매한 데이터부터 읽고 추정을 시작할 수 있기 때문이다.

즉 좋은 프롬프트는 정보만 주는 게 아니라
어떤 순서로 추론해야 하는지까지 준다.

이건 코드 리뷰, 버그 트리아주, 로그 분석 같은 작업에도 그대로 적용된다.

8. Examples와 conversation history는 “정답 기억”이 아니라 “판단 습관 주입”이다

영상 후반은 examples와 conversation history도 언급한다.

특히 examples는:

  • 어려운 사례
  • 자주 틀리는 회색지대
  • 인간이 이미 올바르게 레이블한 케이스

를 system prompt 안에 few-shot처럼 넣을 수 있다고 설명한다.

핵심은 단순 예시가 아니라:

  • 어떤 데이터를 받고
  • 어떤 reasoning을 통해
  • 어떤 output을 내는지

를 패턴으로 주입하는 것이다.

즉 examples는 모델에게 답을 외우게 하기보다
판단 습관을 시연하는 장치에 가깝다.

9. 마지막 개선은 출력 형식을 미리 닫는 것이다

영상의 마지막 포인트는 output formatting이다.

애플리케이션 관점에서는 이게 매우 중요하다.

인간 입장에서는 설명이 길어도 괜찮지만,

  • DB에 저장하려면
  • 후속 시스템이 파싱하려면
  • 대시보드에 쓰려면

결과가 구조화되어야 한다.

그래서 Anthropic 팀은:

  • XML tags
  • prefilling
  • JSON-like 시작 토큰

같은 방식으로 출력을 닫는 방법을 설명한다.

즉 좋은 프롬프트는 “잘 생각해 줘”에서 끝나지 않고,
답을 어디에 써먹을지까지 고려해서 형식을 강제한다.

10. 이 영상이 진짜로 말하는 핵심

이 전체 데모를 한 문장으로 요약하면 이렇다.

모델은 추론을 대신해 주지만,
무엇을 먼저 보고 어떤 순서로 판단하며 어떤 형식으로 결론을 내릴지는 여전히 사람이 설계해야 한다.

즉 Prompting 101은 “프롬프트 장인 되기”가 아니라:

  • 상황을 명확히 주고
  • 바뀌지 않는 배경은 system prompt로 옮기고
  • 추론 순서를 설계하고
  • 예시로 경계 사례를 보강하고
  • 출력 포맷까지 닫으라

는 매우 실무적인 메시지다.

11. 결론

Anthropic의 Prompting 101이 좋은 이유는 프롬프트를 신비화하지 않기 때문이다.

핵심은 결국 구조다.

  • task
  • content
  • instructions
  • examples
  • reminders
  • output format

을 나누고, 그 안에서 모델이 추정해야 할 부분을 줄이는 것.

즉 좋은 프롬프트는 화려한 문장이 아니라,
모델이 처음부터 일을 제대로 하게 만드는 작업 설계 문서다.