MLAD의 5축 프롬프트 분류 체계 제안 및 커뮤니티 피드백 요청

작성자가 제안한 분류 체계에 대해 커뮤니티는 대체로 흥미롭다는 반응이며, 특히 실무에서 프롬프트를 대규모로 관리할 때 발생하는 분류의 어려움에 공감하고 있습니다.

• 프롬프트 라이브러리 구축 시 단순 제목 저장 대신 작업 유형(Activity)과 컨텍스트 범위(Scope)를 태깅하면 검색 효율을 높일 수 있다.
• Anthropic이나 OpenAI의 프롬프트 가이드를 참고하여 내부적인 분류 용어를 먼저 정리하는 것이 좋다.

Prompt Library

— 특정 작업에 최적화된 프롬프트들을 체계적으로 수집하고 관리하는 저장소이다. 개발자가 매번 프롬프트를 새로 작성하지 않고 검증된 템플릿을 재사용하여 AI 응답의 일관성을 높이고 개발 시간을 단축하는 데 기여한다.

Classification Scheme

— 데이터나 객체를 공통된 특성에 따라 그룹화하는 구조적 틀이다. 프롬프트 엔지니어링에서는 프롬프트의 목적, 제약 조건, 출력 형태 등을 기준으로 분류하여 검색 효율성과 관리 편의성을 극대화하는 역할을 한다.

Context Window

— LLM이 한 번에 처리할 수 있는 텍스트 정보의 양을 의미한다. 프롬프트의 'Scope' 분류와 직결되며, 모델이 참조해야 할 문서의 범위나 이전 대화 기록의 길이를 결정하는 핵심적인 기술적 제약 요소이다.