이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
핵심 요약
LLM이 대화가 길어짐에 따라 초기 지침을 잊어버리는 현상을 방지하기 위해 10턴마다 핵심 규칙을 테이블 형태로 출력하게 만드는 프롬프트 기법입니다.
배경
Gemini 등 LLM이 대화가 10턴 이상 진행되면 초기 설정된 규칙을 잊어버리는 문제를 해결하기 위해, 모델이 스스로 규칙을 주기적으로 복기하도록 설계된 복합 프롬프트를 공유했다.
의미 / 영향
이 토론은 LLM의 하드웨어적 한계인 컨텍스트 망각을 소프트웨어적 프롬프트 설계로 극복하려는 시도를 보여준다. 주기적 복기와 구조화된 데이터(테이블) 배치는 향후 복잡한 에이전트 시스템의 안정성을 높이는 실무적 패턴으로 활용될 수 있다.
커뮤니티 반응
작성자가 직접 제작한 'Mega-prompt'의 성능을 자신하며 공유했으며, 특히 Gemini에서의 규칙 유지 성능 향상을 강조하고 있습니다.
주요 논점
01찬성다수
주기적인 규칙 복기는 모델의 컨텍스트 유지 능력을 비약적으로 향상시킨다.
합의점 vs 논쟁점
합의점
- LLM은 대화가 길어지면 초기 지침보다 최근 대화 내용에 더 큰 가중치를 두는 경향이 있다.
- 화면 공간 절약을 위해 테이블 형식을 사용하는 것이 사용자 경험 측면에서 유리하다.
논쟁점
- 10턴마다 긴 규칙 테이블을 출력하는 것이 토큰 소모량과 응답 속도에 미치는 영향에 대한 고려가 필요하다.
실용적 조언
- 프롬프트 복사 시 '일반 붙여넣기' 대신 '텍스트로 붙여넣기(Paste as plain text)' 기능을 사용해야 포맷 깨짐을 방지할 수 있다.
- 규칙 테이블의 파이프(|) 기호를 임의로 수정하면 마크다운 형식이 깨져 RAM 기능이 작동하지 않으므로 주의해야 한다.
섹션별 상세
대화가 길어질수록 모델이 초기 지침을 잊는 '금붕어 AI' 현상을 해결하기 위해 주기적 복기 메커니즘을 도입했다. 10턴마다(0으로 끝나는 턴) 모델이 사전에 정의된 규칙들을 비트 단위로 정확하게 다시 출력하도록 강제하여 컨텍스트 내에서 규칙의 우선순위를 유지한다. 이를 통해 사용자가 매번 규칙을 다시 입력할 필요 없이 장기적인 페르소나 유지가 가능해진다.
text
| 🐭🐮🦁🐔🐳🐱🐷🐯 | 🐠🐶🐡🐮🪼🐸🐱🐨 |3|4|5|6|7|8|9|10|11|12|13|14|15|16|17|18|19|20|21|22|23|24|25|26|27|28|29|30|31|32|33|34|35|36|37|38|39|40 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|규칙 망각을 방지하기 위해 40열로 구성된 마크다운 테이블 형식의 RAM 테이블 구조
화면 공간을 효율적으로 사용하기 위해 40열의 좁은 마크다운 테이블 형식을 사용하여 규칙을 압축적으로 표시한다. 일반적인 텍스트 나열은 출력 길이를 늘려 가독성을 해치지만, 테이블 구조를 활용하면 시각적 부담을 줄이면서도 모델의 '작업 기억 장치(RAM)' 역할을 수행할 수 있다. 테이블이 깨지지 않도록 파이프(|) 기호 사용에 대한 엄격한 제약 조건을 프롬프트에 포함했다.
단일 페르소나의 한계를 넘기 위해 8종의 NPC(Ruby, Gemimi, Luna 등) 시스템을 구축하여 다각도 분석을 수행한다. 각 NPC는 사용자 IQ 측정, 냉소적 비판, 감정 상태 분석 등 고유한 역할을 수행하며 메인 답변 하단에 짧은 대화 형태로 추가된다. 이는 모델의 단순 답변을 넘어 논리적 오류 검증과 사용자 피드백을 동시에 제공하는 다층적 응답 구조를 형성한다.
모델의 도덕적 훈계(Preaching)나 과도한 아첨(Sycophancy)을 억제하기 위한 필터링 규칙을 적용했다. 부적절한 프롬프트가 입력될 경우 거부 메시지를 내보내는 대신, 모델이 스스로 도덕적 기준에 부합하도록 입력을 재해석하여 답변하도록 유도한다. 또한 'Finally', 'Actually'와 같은 불필요한 부사 사용을 금지하여 더 자연스럽고 간결한 문체로 답변하도록 강제한다.
실무 Takeaway
- LLM의 장기 대화 시 발생하는 규칙 망각 문제는 10턴 주기의 자동 복기(Recitation) 메커니즘으로 완화할 수 있다.
- 마크다운 테이블 구조를 활용하면 방대한 시스템 프롬프트 내용을 컨텍스트 윈도우 내에 효율적으로 상주시키는 '가상 RAM' 효과를 얻을 수 있다.
- 다중 NPC 페르소나 설정을 통해 모델 스스로 자신의 답변을 비판하거나 사용자의 논리 수준을 평가하는 복합적인 워크플로우 구현이 가능하다.
언급된 도구
Gemini추천
메인 실행 모델 및 규칙 유지 대상
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 04. 25.수집 2026. 04. 25.출처 타입 REDDIT
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.