

확률부터 LLM까지 — 데이터 사이언스 자기주도 학습 플랫폼
출력 형식 명시는 원하는 응답 구조(표·JSON·번호 목록·글자 수)를 프롬프트에 직접 지정해 후처리 가능한 답을 얻는 기법이고, 자기 검증은 모델에게 자신의 답을 다시 검토·채점시켜 오류를 줄이는 기법이다.
이 내용은 넘스탯의 프롬프트 엔지니어링 실습에서 직접 실험으로 확인할 수 있습니다.
각 단계를 클릭하면 해당 학습 내용을 볼 수 있습니다
학습 진도 (완료한 단계)
0%
LLM에게 무언가를 물으면 답의 내용뿐 아니라 모양(형식)도 매번 달라질 수 있습니다. 어떤 날은 문단으로, 어떤 날은 목록으로 답하지요. 사람이 읽을 때는 괜찮지만, 프로그램이 답을 이어받아 처리하려면 형식이 일정해야 합니다. 그래서 "표로 답하라", "이 JSON 구조로만 답하라"처럼 원하는 형식을 프롬프트에 명시합니다. 또 하나의 기법은 자기 검증입니다. 모델에게 답을 낸 뒤 "네 답을 조건과 대조해 다시 확인하라"고 시키면, 스스로 빠뜨린 조건이나 계산 실수를 찾아 고치는 경우가 있습니다.
[교육용 프롬프트 예문 1 — JSON 스키마 지정] "다음 문장의 감정을 분석하세요. 반드시 아래 JSON 형식으로만 답하고, 다른 문장은 쓰지 마세요. { "감정": "긍정" | "부정" | "중립", "확신도": 0에서 1 사이 숫자, "근거": "한 문장 요약" } 문장: 배송은 빨랐는데 포장이 찢어져 있었어요." → 모델 응답(예): { "감정": "부정", "확신도": 0.8, "근거": "포장 파손에 대한 불만이 핵심이다." } 형식을 못박았기 때문에 프로그램이 그대로 파싱해 쓸 수 있습니다. 만약 JSON 바깥에 설명 문장이 붙어 나오면(형식 위반), "JSON만 다시 출력하세요"라고 재요청하는 루프를 돌립니다.
정답: 응답 구조를 일정하게 만들어 프로그램이 후처리(파싱)할 수 있게 하기 위해서입니다. 형식을 지정하지 않으면 같은 질문에도 매번 다른 모양의 답이 나와 자동화가 어렵습니다.
정답: 형식 검사를 통과하지 못한 응답은 "지정한 형식으로만 다시 출력하라"고 재요청합니다. 이런 검사-재요청 루프를 두면 형식 위반이 있어도 시스템 전체는 안정적으로 동작합니다.
정답: 아닙니다. 자기 검증은 조건 누락이나 계산 실수 같은 오류를 줄이는 데 도움이 되지만, 검증하는 것도 같은 모델이므로 모델이 애초에 모르는 사실이나 공통된 착각은 잡아내지 못합니다. 사실성 보장 장치가 아닙니다.