OpenAI의 새로운 프롬프팅 가이드: 단계별 스크립트가 아닌 결과에 집중하라
OpenAI가 기존의 "연쇄 사고(chain-of-thought)" 집착에 도전하며, 엄격한 지침보다는 결과물을 우선시하도록 권장하는 새로운 프롬프팅 프레임워크를 공개했습니다. 이러한 변화는 모델에게 엄격한 스크립트를 부여하는 대신 자율성을 부여하여, 더욱 직관적이고 추론 중심적인 상호작용으로 나아가는 신호입니다.
효과적인 프롬프팅을 위한 4가지 구성 요소
OpenAI는 복잡한 API 파라미터 매뉴얼이나 정교한 스키마를 제공하는 대신, 프롬프팅 구조를 **목표(Goal), 문맥(Context), 출력 형식(Output Format), 경계(Boundaries)**라는 네 가지 선택적 구성 요소로 단순화했습니다. 중요한 점은 이 중 어느 것도 필수 사항이 아니라는 것입니다. 단순한 질문의 경우, 과하게 설계된 지침 세트보다 짧은 프롬프트가 종종 더 나은 결과를 가져옵니다.
이 가이드의 핵심 철학은 "작게 시작하기"입니다. OpenAI는 사용자가 세부적인 단계의 나열보다는 원하는 결과부터 제시할 것을 권장합니다. 과정을 설명하기보다 최종 목표를 기술함으로써, GPT-4o와 같은 모델이 정보를 검색, 비교하고 스스로 접근 방식을 조정할 수 있도록 합니다. 상세한 프로세스 설명은 특정 방법론이 최종 결과물만큼 중요할 때만 사용해야 합니다.
스크립팅보다 제약 조건 우선
개발자와 파워 유저를 위한 주요 시사점은 제약 조건이 단계별 스크립트보다 더 효과적이라는 것입니다. AI의 모든 움직임을 미세하게 관리하려 하기보다, 원치 않는 동작을 방지하기 위해 한두 개의 "강력한 규칙(hard rules)"을 구현할 것을 OpenAI는 권장합니다. 예시로는 "승인된 예산 수치를 변경하지 마세요" 또는 "이것을 초안으로 준비하되, 전송하지 마세요"와 같은 지침이 있습니다.
이러한 "적을수록 좋다(less-is-more)"는 접근 방식은 문맥 관리로도 이어집니다. 가이드는 답변에 실제로 영향을 미칠 PDF, 스프레드시트, 이미지 등의 파일만 첨부할 것을 권장합니다. 높은 정확도가 요구되는 전문적인 업무의 경우, OpenAI는 모델에게 모든 실행 항목에 지정된 담당자와 마감 기한이 있는지 확인하는 등 특정 오류에 대해 스스로 출력을 검토하도록 명시적으로 요청하는 "자기 검증(self-verification)" 루프를 제안합니다.
"Chat"과 "Work"의 구분 및 Codex 기능 강화
OpenAI는 또한 "Chat"과 "Work"의 구분을 공식화하고 있습니다. Chat이 빠른 질의와 문장 재구성을 위한 것이라면, "Work"는 대규모 결과물을 생성하기 위해 여러 소스(Gmail, Slack, GitHub 등)에서 정보를 가져오는 고난도 작업을 의미합니다. Work 작업은 더 많은 크레딧을 소모하지만, 복잡하고 반복적인 워크플로우를 자동화하도록 설계되었습니다.
Codex를 사용하는 개발자를 위해, 이 가이드는 정교한 스티어링(steering) 및 샌드박싱(sandboxing) 기능을 소개합니다. 이제 사용자는 "Steer" 명령을 사용하여 현재 실행을 재지정하거나, **"Queue"**를 사용하여 다음 지침을 대기열에 추가할 수 있습니다. 복잡한 코딩 프로젝트를 관리하기 위해 OpenAI는 다음과 같은 특정 슬래시 명령어를 도입했습니다:
- /plan: 실행 전 코드를 분석하고 접근 방식을 제안합니다.
- /goal: 모델이 여러 단계에 걸쳐 추적할 수 있는 상위 수준의 목표를 설정합니다.
- /review: 로컬 또는 GitHub와 통합된 보안 및 로직 감사를 수행합니다.
핵심 요약
- 결과 우선: 원하는 결과부터 시작하세요. 특정 단계가 작업에 필수적인 경우에만 프로세스를 정의하세요.
- 스크립트 대신 제약 조건 사용: 모델의 개별적인 움직임을 일일이 스크립트로 짜려 하기보다, 오류를 방지하기 위해 강력한 경계(hard boundaries)를 설정하세요.
- 특수 명령어 활용: 복잡하고 다단계인 기술적 워크플로우를 관리하기 위해
/plan및/goal과 같은 Codex 슬래시 명령어를 활용하세요.