생각 숨기기를 활용한 프롬프트 엔지니어링 기법

실용적 조언

복잡한 맥락 이해가 필요한 경우, 모델에게 답변 전 질문의 배경과 의도를 비공개로 분석하도록 지시하는 프롬프트를 사용하라.

섹션별 상세

사용자의 숨은 의도를 파악하기 위한 메타 프롬프트 전략이 공유됐다. 모델이 답변을 내놓기 전 질문의 배경, 사용자의 목표, 이전 대화와의 연결성을 명시적으로 모델링하도록 지시하는 방식이다. 이 과정은 '비공개 사고 추적(private/hidden thinking trace)'으로 수행되어 최종 출력에는 포함되지 않지만 답변의 질을 결정하는 가이드 역할을 수행한다. 복잡한 맥락이 얽힌 대화에서 모델의 이해도를 높이는 데 실질적인 효과가 있음이 확인됐다.

text

Before every answer, first create a private/hidden thinking trace that explicitly models why I am asking this specific question right now, what my likely underlying goal or state of mind is, and how it connects to everything I have said earlier in the conversation. Keep that entire modeling trace strictly private — never output any part of it or reference it in your final response. Use it to craft a more pertinent answer in context.

모델이 답변 전 사용자의 의도와 맥락을 비공개로 분석하도록 지시하는 프롬프트

사고형 모델의 내부 메커니즘을 사용자 정의 프롬프트로 제어할 수 있는 가능성이 제시됐다. 시스템 프롬프트뿐만 아니라 일반 사용자 프롬프트(meta prompt)를 통해서도 모델의 사고 채널을 특정 방향으로 유도하고 비공개 설정을 적용할 수 있다는 점이 핵심이다. 실제 적용 시 몇 차례의 질의가 반복된 후에도 모델이 맥락을 유지하며 더 적절한 답변을 생성하는 결과가 나타났다. 이는 프롬프트 엔지니어가 모델의 추론 과정을 더 세밀하게 설계할 수 있음을 의미한다.

용어 해설

사고형 모델(Thinking Model): — OpenAI의 o1이나 DeepSeek-R1처럼 답변 출력 전 내부적으로 복잡한 추론 과정을 거치는 LLM의 한 종류이다. 이러한 모델은 중간 사고 과정을 통해 논리적 오류를 줄이고 복잡한 지시사항을 더 잘 준수하는 특성을 가진다.
메타 프롬프트(Meta Prompt): — 모델에게 특정 작업을 수행하는 방식이나 사고의 구조 자체를 정의하여 지시하는 상위 수준의 프롬프트이다. 본문에서는 모델이 자신의 사고 과정을 어떻게 관리하고 숨길지 지시하는 용도로 사용됐다.
사고 추적(Thinking Trace): — 모델이 최종 답변을 생성하기 위해 내부적으로 생성하는 중간 단계의 논리 전개 과정이다. 이를 비공개로 설정하면 사용자에게는 정제된 최종 결과만 노출하면서도 내부적으로는 고도의 추론을 유지할 수 있다.