기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
프롬프트 엔지니어링이란 무엇인가요?
프롬프트 엔지니어링은 다양한 응용 분야에서 LLM을 효과적으로 사용하기 위해 적절한 단어, 구, 문장, 구두점, 구분자를 선택하여 입력 프롬프트를 만들고 최적화하는 방법을 말합니다. 즉, 프롬프트 엔지니어링은 LLM과 커뮤니케이션하는 기술입니다. 고품질 프롬프트는 LLM이 원하는 응답 또는 더 나은 응답을 생성하는 걸 좌우합니다. 이 문서에 제공된 세부 지침은 Amazon Bedrock 내의 모든 LLM에 적용 가능합니다.
사용 사례에 가장 적합한 프롬프트 엔지니어링 접근 방식은 태스크 및 데이터에 따라 달라집니다. Amazon Bedrock에서 LLM이 지원하는 일반적인 태스크는 다음과 같습니다.
-
분류: 프롬프트에 답변이 될 수 있는 여러 가지 선택 항목과 함께 질문이 포함되며, 모델은 올바른 선택 항목으로 응답해야 합니다. 분류 사용 사례의 예로는 감정 분석이 있습니다. 입력값은 텍스트 구절이며, 모델은 텍스트의 감정(예: 긍정적인지 부정적인지, 무해한지 유해한지)을 분류해야 합니다.
-
질문-응답, 컨텍스트 없음: 모델은 컨텍스트나 문서 없이 내부 지식을 활용하여 질문에 답해야 합니다.
-
질문-응답, 컨텍스트 있음: 사용자가 질문이 포함된 입력 텍스트를 제공하며, 모델은 입력 텍스트에 제공된 정보를 기반으로 질문에 답해야 합니다.
-
요약: 프롬프트는 텍스트 구절이며, 모델은 입력값의 요점을 포착하는 짧은 구절로 응답해야 합니다.
-
서술형 텍스트 생성: 프롬프트가 표시되면 모델은 설명과 일치하는 원본 텍스트 구절로 응답해야 합니다. 여기에는 이야기, 시 또는 영화 대본과 같은 창의적인 텍스트를 생성하는 것도 포함됩니다.
-
코드 생성: 모델은 사용자 사양을 기반으로 코드를 생성해야 합니다. 예를 들어 프롬프트는 Text-to-SQL 또는 Python 코드 생성을 요청할 수 있습니다.
-
수학: 입력값은 수리, 논리, 기하학 등 일정 수준의 수학적 추론이 필요한 문제를 설명합니다.
-
추리 또는 논리적 사고: 모델은 일련의 논리적 추론을 수행해야 합니다.
-
항목 추출: 항목 추출은 제공된 입력 질문을 기반으로 개체를 추출할 수 있습니다. 프롬프트에 따라 텍스트 또는 입력에서 특정 개체를 추출할 수 있습니다.
-
C hain-of-thought 추론: 프롬프트를 기반으로 답변이 도출되는 방식에 대한 step-by-step 추론을 제공합니다.