책을 읽고 바로 활용하는 순간, 내가 사용하는 AI가 달라진다!

업무든 일상이든 이제 생성형 AI를 쓰지 않는 사람을 찾기 힘든 시대입니다. 하지만, 기대만큼 답변을 얻지 못한다면 생성형 AI라는 도구가 있다 한들 의미가 있을까요? 결국 AI 활용의 성패는 어떻게 질문을 구성하느냐, 즉 프롬프트에 달려 있습니다. 이 책은 챗GPT, 제미나이, 클로드 등 다양한 대규모 언어 모델(LLM)의 실제 응답을 예시로 보여주며, 상황별 프롬프트 설계법과 그 배경에 있는 사고 패턴을 체계적으로 설명합니다. 단순한 예시 나열을 넘어, 프롬프트가 작동하는 원리를 짚어주기 때문에 실제 본인에 상황에 맞게 질문을 변형하거나 응용할 수 있습니다. 업무 자동화, 콘텐츠 생성, 데이터 분석 같은 기본 활용부터, 코딩과 API 연계, 오픈소스 모델 활용 같은 고급 프롬프트까지 폭넓게 다루며, 책에 담긴 프롬프트는 그대로 적용하거나 나만의 방식으로 발전시킬 수 있습니다. 단순히 도구를 사용하는 사람이 아닌, 똑똑하게 질문하는 사람으로 성장하고 싶다면 이 책을 꼭 읽어보길 바랍니다.

[목 차]
  

1장 프롬프트 엔지니어링과 대규모 언어 모델

1.1 프롬프트 엔지니어링이란

__1.1.1 생성형 AI의 유행

__1.1.2 생성형 AI의 열쇠를 쥔 ‘프롬프트’란

__1.1.3 프롬프트 엔지니어링이란

__1.1.4 프롬프트 엔지니어링은 왜 필요한가?

__1.1.5 머지않아 프롬프트 엔지니어링은 필요 없어질까?

__1.1.6 프롬프트 엔지니어링 연구

__1.1.7 대규모 언어 모델 이외에서도 활약하는 프롬프트 엔지니어링

 

1.2 대규모 언어 모델의 장단점

__1.2.1 대규모 언어 모델로 무엇을 할 수 있을까?

__1.2.2 대규모 언어 모델이 잘하는 네 가지 주요 작업

__1.2.3 좀 더 구체적인 작업

__1.2.4 대규모 언어 모델이 할 수 없는 것, 잘 못하는 것

 

1.3 대규모 언어 모델의 작동 원리와 발전 과정

__1.3.1 대규모 언어 모델이 등장하기까지 역사

__1.3.2 세 차례의 AI 붐과 딥러닝에 이를 때까지

__1.3.3 딥러닝의 등장부터 생성형 AI까지

__1.3.4 순환 신경망

__1.3.5 트랜스포머

__1.3.6 BERT

__1.3.7 GPT

 

1.4 대규모 언어 모델의 종류와 활용 방법

__1.4.1 대규모 언어 모델을 사용하려면?

__1.4.2 웹 서비스로 사용하기

__1.4.3 Web API로 사용하기

__1.4.4 오픈소스 LLM을 설치해서 사용하기

 

1.5 ChatGPT 사용법

__1.5.1 ChatGPT와 개발사 OpenAI

__1.5.2 ChatGPT 회원 가입 및 사용 방법

 

2장 프롬프트 엔지니어링 입문

2.1 대규모 언어 모델의 기본 작동 방식을 확인하자

__2.1.1 대규모 언어 모델의 ‘개연성’이란

__2.1.2 ’큰 집에서’로 시작하는 그럴듯한 문장은?

__2.1.3 ’그럴듯함’이 ‘환각’을 보여 주는 경우

__2.1.4 다양성을 지정하는 파라미터 temperature

__2.1.5 다양성을 제한하는 파라미터 top_p

 

2.2 프롬프트의 Q&A 포맷

__2.2.1 Q&A 템플릿을 사용하면 질문에 답을 끌어낼 수 있다

__2.2.2 Q&A로 바다 색깔을 물어보자

__2.2.3 독해력이 필요한 일반적인 질문을 해 보자

__2.2.4 Q&A를 사용하면 대규모 언어 모델의 응답이 안정적이다

__2.2.5 Q&A로 일반 상식 문제를 풀 수 있는지 확인하자

__2.2.6 Q&A로 창의적인 질문을 하자: 어디로 여행을 갈까?

__2.2.7 여러 답변을 유도하는 Q&A의 변형 포맷

__2.2.8 Q와 번호를 조합하자

 

2.3 지시와 입력 형식

__2.3.1 지시와 입력을 포함한 프롬프트 설계

__2.3.2 텍스트를 이어서 생성하는 작업

__2.3.3 정중한 어조로 바꾸는 작업

__2.3.4 이해하기 쉽게 문장을 바꾸어 말하는 작업

__2.3.5 영한 번역 작업

__2.3.6 보기 중에서 매운 음식을 고르는 작업

__2.3.7 보기 중에서 빨간색 물건을 고르는 작업

__2.3.8 구분 기호에 관한 고찰

__2.3.9 마크다운 문법

 

3장 대규모 언어 모델의 기본 작업

3.1 요약 작업: 스타일을 지정하여 요약

__3.1.1 대규모 언어 모델과 요약 작업

__3.1.2 요약 목적을 의식하자

__3.1.3 요약의 핵심 포인트

__3.1.4 요약 스타일을 지정하자

__3.1.5 정보 누락과 왜곡

__3.1.6 출처 및 인용을 명시한 요약

__3.1.7 토큰 제한

__3.1.8 더 긴 문장을 요약하고 싶다면?

 

3.2 추론 작업: 텍스트를 분류하고 감정을 분석

__3.2.1 대규모 언어 모델과 추론 작업

__3.2.2 텍스트를 분류하자

__3.2.3 감정을 분석하자

__3.2.4 문장을 평가하고 채점하자

__3.2.5 정보를 바탕으로 결과를 추론하자

 

3.3 변환 작업: 어조를 바꾸고 문장을 교정하고 데이터 형식을 변환

__3.3.1 변환 작업

__3.3.2 번역 작업

__3.3.3 문장 재구성 작업

__3.3.4 문장 교정 및 첨삭

__3.3.5 데이터 형식 변환

 

3.4 확장 작업: 이야기 창작 및 코드 생성 능력 확인

__3.4.1 확장 작업

__3.4.2 이야기 창작

__3.4.3 아이디어 발상 프레임워크

__3.4.4 코드 생성

 

3.5 기타 작업: 채팅 및 추출 등

__3.5.1 그 밖의 작업들

__3.5.2 대화 작업: 게임과 역할극

__3.5.3 정보 추출 작업

 

4장 퓨샷 프롬프트와 성능 향상 테크닉

4.1 제로샷·원샷·퓨샷 프롬프트

__4.1.1 제로샷, 원샷, 퓨샷이란

__4.1.2 제로샷, 원샷, 퓨샷 비교

__4.1.3 퓨샷 프롬프트에 무엇을 제공하면 좋을까?

__4.1.4 제로샷과 퓨샷으로 생성되는 문장 비교

 

4.2 생각의 연결 고리

__4.2.1 생각의 연결 고리란

__4.2.2 생각의 연결 고리(CoT)를 이용해 보자

__4.2.3 ’3인 가위바위보 문제’에 생각의 연결 고리(CoT)를 이용하자

__4.2.4 제로샷 CoT란

__4.2.5 벽지 계산 문제를 제로샷 CoT로 풀어 보자

__4.2.6 제로샷 CoT를 유도하는 필승 문구

__4.2.7 대규모 언어 모델의 사고를 자극하는 문구

__4.2.8 대규모 언어 모델에 ‘심호흡’을 시켜 보자

__4.2.9 감정 프롬프트

 

4.3 자기 일관성

__4.3.1 자기 일관성이란

__4.3.2 자기 일관성을 계산 문제에 활용하는 사례

__4.3.3 자기 일관성을 이용하여 메시지가 중요한지 판단해 보자

 

4.4 생각의 나무

__4.4.1 생각의 나무란

__4.4.2 생각의 나무로 공이 어디 있는지 추론해 보자

__4.4.3 프롬프트에 생각의 나무(ToT)를 넣어 보자

__4.4.4 24 게임을 풀어 보자

 

4.5 MAGI 시스템 261

__4.5.1 여러 사람의 지혜를 모아 보자: MAGI 시스템 모방

__4.5.2 MAGI 시스템이 답하다: Rust와 Go 중 어느 언어가 좋은가?

__4.5.3 MAGI 시스템의 인격을 변형해 보자

__4.5.4 독해 문제에 도전해 보자

 

4.6 가상 스크립트 엔진, PAL

__4.6.1 가상 스크립트 엔진이란

__4.6.2 가상 프로그램에 따라 행동하게 하자

__4.6.3 가상 스크립트 엔진처럼 동작하게 하자

__4.6.4 유사 코드를 시뮬레이션하자

__4.6.5 프로그램처럼 명확하게 절차를 지정하자

__4.6.6 SQL을 활용하여 데이터를 생성하자

__4.6.7 PAL, 프로그램 지원 언어 모델

 

4.7 모의 프롬프트(mock prompt)

__4.7.1 모의 프롬프트란

__4.7.2 모의 프롬프트 실습

__4.7.3 문장 품질을 향상시키는 모의 프롬프트 활용

 

5장 템플릿을 사용한 10배 도움되는 프롬프트 모음

5.1 프로필과 이력서 생성 프롬프트

__5.1.1 관심을 끄는 SNS 프로필을 생각하는 프롬프트

__5.1.2 대규모 언어 모델을 사용한 이력서 작성

__5.1.3 커버레터 작성

__5.1.4 대규모 언어 모델을 활용해서 더 나은 이력서를 만들자

 

5.2 명명 프롬프트: 반려동물 이름부터 블로그 제목까지

__5.2.1 이름을 지을 때 주의할 점

__5.2.2 어떤 이름이 좋은가

__5.2.3 반려동물 이름을 지어 보자

__5.2.4 블로그 기사 제목을 지어 보자

__5.2.5 변수 이름과 함수 이름

 

5.3 아이디어 발상법을 활용한 아이디어 생성 프롬프트

__5.3.1 아이디어 발상법

__5.3.2 아이디어 발상 프레임워크

__5.3.3 아이디어 발상의 기본: 브레인스토밍

__5.3.4 SCAMPER를 활용한 아이디어 발상법

__5.3.5 오스본 체크리스트를 사용해 보자

__5.3.6 식스햇 기법을 시도해 보자

__5.3.7 페르소나 기법을 활용한 아이디어 발상법

 

5.4 업무 자동화 1: 엑셀, 파일 일괄 처리 프롬프트

__5.4.1 대규모 언어 모델과 프로그래밍

__5.4.2 엑셀 사용법에 정통한 대규모 언어 모델

__5.4.3 엑셀 작업을 대규모 언어 모델로 자동화하자

__5.4.4 엑셀 연락처 파일을 읽고 PDF 초대장을 만들자

__5.4.5 ZIP 파일 압축을 100개 풀어 보자

__5.4.6 1년 이상 업데이트되지 않은 파일을 자동으로 백업하자

 

5.5 업무 자동화 2: 웹 브라우저 제어, 스크래핑 생성 프롬프트

__5.5.1 어떻게 웹 브라우저 동작을 자동으로 제어할까?

__5.5.2 지정한 웹 페이지의 스크린샷을 캡처하자

__5.5.3 회원제 웹 사이트에 로그인하여 CSV 파일을 내려받자

__5.5.4 특정 사용자의 작품을 모두 즐겨찾기로 추가하자

 

6장 Web API와 오픈소스 LLM 사용법

6.1 OpenAI ChatGPT API 사용법

__6.1.1 ChatGPT를 API로 사용하는 장점

__6.1.2 ChatGPT API를 사용할 준비

__6.1.3 안전하게 ChatGPT API를 사용하려면 확인해야 할 것

__6.1.4 OpenAI 플랫폼에서 API 키를 발급받자

__6.1.5 API 키를 환경 변수에 등록하자

__6.1.6 OpenAI 파이썬 패키지를 설치하자

__6.1.7 가장 간단한 프로그램을 실행하자

__6.1.8 ChatGPT API로 대화하자

__6.1.9 Azure OpenAI 서비스를 이용하자

 

6.2 오픈소스 대규모 언어 모델을 사용하는 방법

__6.2.1 쉽게 시도해 볼 수 있는 오픈소스 대규모 언어 모델

__6.2.2 코랩의 기본 사용법

__6.2.3 Meta의 대규모 언어 모델 Llama 3을 사용해 보자

__6.2.4 llama.cpp로 간편하게 대규모 언어 모델을 실행하자

__6.2.5 Vicuna를 사용해 보자

__6.2.6 로컬 PC에 설치하자

 

7장 AGI가 목표인 고급 프롬프트 엔지니어링

7.1 API 버전의 자기 일관성

__7.1.1 자기 일관성 복습 및 여기에서 만들 프로그램

__7.1.2 자기 일관성을 이용하여 나이를 계산하자

__7.1.3 자기 일관성을 이용하여 메일 중요도를 판단하자

__7.1.4 자기 일관성을 이용하여 케이크 판매 수량을 계산하자

 

7.2 API 버전의 MAGI 시스템

__7.2.1 API로 MAGI ToT 시스템을 구성하자

__7.2.2 MAGI ToT로 점심 메뉴를 결정하자

__7.2.3 MAGI ToT로 자가 소유 vs 임대를 토론해 보자

 

7.3 계획과 해결 프롬프트

__7.3.1 계획과 해결 프롬프트란

__7.3.2 계획과 해결 프롬프트의 구체적인 방법

__7.3.3 양초 길이 계산 문제를 풀어 보자

__7.3.4 계획과 해결 프롬프트로 파이썬 프로그램을 만들자

__7.3.5 API로 파이썬 프로그램을 자동으로 실행하자

__7.3.6 계획과 해결 프롬프트로 푸딩과 초콜릿 조합 문제를 풀어 보자

 

7.4 그라운딩: 검색 등 외부 리소스 활용

__7.4.1 그라운딩

__7.4.2 현재 시간을 대규모 언어 모델에 물어보자

__7.4.3 대규모 언어 모델에 외부 도구를 제공하자

__7.4.4 검색을 위해 Wikipedia API를 활용하자

 

7.5 벡터 데이터베이스와 연계

__7.5.1 대규모 언어 모델과 벡터 데이터베이스를 결합하자

__7.5.2 임베딩과 벡터 데이터베이스

__7.5.3 벡터 데이터베이스를 사용한 긴 문서 요약

__7.5.4 벡터 데이터베이스를 사용하지 않는 긴 문서 요약

__7.5.5 검색과 벡터 데이터베이스를 결합한 QA 시스템을 만들자