CartLens 개발 과정에서의 영수증 데이터 구조화 추출 프롬프트 최적화 경험

커뮤니티 반응

작성자가 구조화된 추출 파이프라인을 구축 중인 다른 개발자들과 의견을 나누고자 하며 실무적인 프롬프트 팁을 제공했다.

01찬성다수

모델의 추론을 제한하고 엄격한 형식을 지정하는 것이 데이터 추출 품질을 결정한다.

단순한 전체 추출 지시문은 일관성 없는 JSON 구조와 항목 누락을 초래했다. '영수증의 모든 항목을 추출하라'는 포괄적인 명령만으로는 모델이 데이터의 경계를 명확히 구분하지 못해 결과값이 불안정하게 출력됐다.

모든 정보를 한 번에 요청하는 방식은 모델이 합계 금액을 개별 품목으로 오인하는 할루시네이션을 유발했다. 이를 해결하기 위해 각 항목을 JSON 배열로 추출하도록 구조를 정의하고 이름, 수량, 단가, 총액, 단위 타입을 개별 필드로 분리했다.

누락된 필드에 대해 '추론하거나 계산하지 말 것'이라는 지시를 추가한 것이 성능 향상의 핵심이었다. 모델이 빈틈을 그럴듯한 오답으로 채우는 것을 방지하기 위해 정보가 없을 경우 null을 반환하도록 명시하여 데이터 신뢰도를 확보했다.

해석을 배제하고 출력된 그대로의 텍스트를 가져오도록 지시하여 데이터의 원본성을 유지했다. 상품명에 대한 자의적 해석을 금지하고 숫자 데이터는 수치형으로만 받도록 강제하여 후속 데이터 처리가 용이하도록 설계했다.

구조화된 추출(Structured Extraction): — 비정형 데이터에서 특정 스키마에 맞춰 정보를 추출하는 기술이다. 영수증이나 문서에서 필요한 필드만 JSON 형식으로 변환하여 데이터베이스에 저장하거나 후속 처리에 활용하는 데 필수적이다.
할루시네이션(Hallucination): — AI 모델이 사실이 아니거나 문맥에 맞지 않는 정보를 그럴듯하게 생성하는 현상이다. 데이터 추출 시 누락된 값을 임의로 계산하거나 추측하여 채워 넣는 오류를 포함한다.
프롬프트 반복 개선(Prompt Iteration): — 원하는 결과를 얻기 위해 프롬프트의 구조와 지시사항을 지속적으로 수정하고 테스트하는 과정이다. 이 아티클에서는 영수증 추출 정확도를 높이기 위해 지시문을 세분화하는 과정을 다룬다.

CartLens추천

AI 기반 쇼핑 도우미 서비스