A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT

논문 요약: "A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT"

저자:

Jules White, Quchen Fu, Sam Hays, Michael Sandborn, Carlos Olea, Henry Gilbert, Ashraf Elnashar, Jesse Spencer-Smith, Douglas C. Schmidt

배경 및 목적:

이 논문은 대형 언어 모델(LLM)과의 대화를 효과적으로 이끌어내기 위해 필요한 프롬프트 엔지니어링 기술을 향상시키기 위한 프롬프트 패턴 카탈로그를 소개합니다. 프롬프트는 LLM에 주어진 지침으로, 출력의 품질과 상호작용을 개선하기 위해 사용됩니다. 프롬프트 패턴은 소프트웨어 패턴과 유사하게, 특정 문맥에서 직면하는 공통 문제를 해결하기 위한 재사용 가능한 솔루션을 제공합니다.

주요 기여:

1. 프롬프트 패턴 문서화 프레임워크:
   • 다양한 문제를 해결하기 위한 프롬프트 구조화 패턴을 문서화하는 프레임워크를 제시합니다.
   • 이 프레임워크는 다양한 도메인에 적용할 수 있도록 설계되었습니다.
2. 프롬프트 패턴 카탈로그:
   • 대화형 LLM 상호작용 및 출력 생성을 개선하기 위해 성공적으로 적용된 16개의 프롬프트 패턴을 소개합니다.
   • 각 패턴은 구체적인 구현 예시와 함께 제공됩니다.
3. 패턴의 조합:
   • 여러 패턴을 결합하여 프롬프트를 생성하고, 상호 이익을 얻을 수 있는 방법을 설명합니다.

프롬프트 패턴의 예:

1. Meta Language Creation 패턴:
   • LLM이 이해할 수 있는 대체 언어를 설명하여 사용자 프롬프트를 새로운 언어로 작성할 수 있게 합니다.
   • 예시: "앞으로 두 식별자를 '→'로 구분할 때, 이는 그래프를 설명하는 것입니다. 예를 들어, 'a → b'는 'a'와 'b' 노드 사이의 간선을 의미합니다."
2. Output Automater 패턴:
   • LLM이 생성한 출력이 자동으로 실행될 수 있는 스크립트를 생성하도록 합니다.
   • 예시: "앞으로 여러 파일에 걸친 코드를 생성할 때, Python 스크립트를 생성하여 해당 파일을 자동으로 생성하거나 기존 파일에 변경사항을 적용하세요."
3. Flipped Interaction 패턴:
   • LLM이 사용자에게 질문을 하여 필요한 정보를 수집하고, 그 정보를 바탕으로 출력을 생성합니다.
   • 예시: "앞으로, Python 애플리케이션을 AWS에 배포하기 위해 필요한 정보를 물어보고, 충분한 정보가 모이면 배포를 자동화하는 Python 스크립트를 생성하세요."
4. Persona 패턴:
   • LLM에게 특정 역할을 부여하여 해당 역할에 맞는 출력을 생성하도록 합니다.
   • 예시: "앞으로 보안 검토자로 행동하고, 우리가 보는 코드의 보안 세부사항에 주의하며, 보안 검토자가 생성할 출력을 제공하세요."

결론:

이 논문은 프롬프트 엔지니어링의 중요성을 강조하며, 다양한 도메인에서 대형 언어 모델을 효과적으로 활용할 수 있는 패턴을 제공합니다. 이러한 패턴은 LLM의 출력 품질을 향상시키고, 사용자와 LLM 간의 상호작용을 더욱 효율적으로 만들어줍니다.