도메인 특화 아이디어 생성을 위한 5단계 프롬프트 워크플로 설계

작성자의 체계적인 접근 방식에 대해 긍정적인 반응이며, 특히 환각 방지와 채점 루브릭 설계에 대한 관심이 높다.

• 아이디어 평가 시 '1~5점' 식의 모호한 요청 대신 각 점수에 해당하는 구체적인 비즈니스 상황을 앵커로 제공하라.
• 모델이 숫자를 조작하기 쉬운 단계에서는 데이터가 없을 시 출처를 추천하라는 지침을 반드시 포함하라.

Role-locking

— 프롬프트 초기 단계에서 AI에게 특정 페르소나와 운영 원칙을 부여하여 대화가 끝날 때까지 일관된 행동 양식을 유지하도록 강제하는 기법이다. 모델이 중간에 지침을 잊거나 일반적인 응답으로 회귀하는 것을 방지하여 워크플로의 안정성을 확보한다.

Anti-hallucination

— AI 모델이 사실이 아닌 정보를 사실처럼 생성하는 현상을 억제하기 위한 프롬프트 설계 기법이다. 모르는 정보에 대해 솔직하게 답변하도록 유도하거나 구체적인 데이터 출처를 요구함으로써 출력 정보의 신뢰도를 높인다.

Context Window

— 모델이 한 번에 처리하고 기억할 수 있는 텍스트 데이터의 최대 범위를 의미한다. 다단계 워크플로에서는 이전 단계의 정보를 계속 유지해야 하므로 이 제한 내에서 효율적으로 정보를 요약하고 전달하는 전략이 필수적이다.

Scoring Rubric

— AI가 특정 아이디어나 결과물을 평가할 때 사용하는 구체적인 기준표이다. 단순히 점수를 매기게 하는 대신 각 점수대별로 구체적인 상황(예: 5점은 유료 수요 확인됨)을 정의하여 모델의 주관적이고 낙관적인 평가를 방지한다.