00_HOME - yojulab/learn_promptengineerings GitHub Wiki
ν둬ννΈ μμ§λμ΄λ§μμ LLM μλ΅ νμ§μ 체κ³μ μΌλ‘ νκ°νκ³ μ΅μ ννκΈ° μν ν΅μ¬ κ°λ κ³Ό μ€μ΅ λ°©λ²λ‘ μ μ 리ν κ°μ΄λμ λλ€.
graph TD
A[ν둬ννΈ νκ°] --> B[λ¬Έμ μ νμ
]
A --> C[μ΅μ μ΅μ
μ μ ]
A --> D[μν μμ λ°κ²¬]
A --> E[μ±λ₯ μΆμ ]
B --> F[μ¬μ€ μ€λ₯ μλ³]
B --> G[ν€ λΆμ μ μ± λ°κ²¬]
C --> H[λͺ¨λΈ κ° λΉκ΅]
D --> I[νμ§ μ ν μ¬μ κ°μ§]
E --> J[κ°μ μΆμ΄ λͺ¨λν°λ§]
| μ§ν | μ€λͺ | μ€μλ |
|---|---|---|
| μ νμ± | μ¬μ€μ μ νλμ μΌκ΄μ±, νκ° λ°©μ§ | π΄ μ΅μ°μ |
| μΌκ΄μ± | μν κ³Ό ν€μ μ§μμ μ μ§ | π‘ μ€μ |
| ν€ μ μ μ± | λμ μ¬μ©μμ λ§λ μ΄μ‘° | π‘ μ€μ |
| ν¬λ§·/ꡬ쑰 | μꡬ νμ μ€μ λ° λ Όλ¦¬μ ꡬ쑰 | π’ λ³΄ν΅ |
μ₯μ :
- νκ°μ κ° νΈμ°¨ μ΅μν
- μμΉνλ κ²°κ³Όλ‘ μΆμΈ λΆμ μ©μ΄
- μλν κ°λ₯
λ¨μ :
- λͺ¨λ νμ§ μμ μμΉν μ΄λ €μ
- 루λΈλ¦ μ€κ³μ μ€μμ±
μ₯μ :
- μ€νμΌ, μ°½μμ± λ± μ£Όκ΄μ μμ ν¬μ°©
- μ 체μ μΈ μ¬μ©μ λ§μ‘±λ μΈ‘μ
λ¨μ :
- νκ°μλ³ κΈ°μ€ μ°¨μ΄
- κ°μΈ νΈκ²¬ κ°μ κ°λ₯μ±
graph LR
A[νκ° λ°©λ²] --> B[κ°κ΄μ νκ°]
A --> C[μ£Όκ΄μ νκ°]
B --> D[루λΈλ¦ κΈ°λ°<br/>μ μν]
B --> E[μλν μ©μ΄]
C --> F[μ¬μ©μ κ²½ν<br/>κΈ°λ°]
C --> G[μ μ±μ νΌλλ°±]
D --> H[μ λ λΆμ]
F --> I[μ μ± λΆμ]
H --> J[μνΈ λ³΄μ]
I --> J
ν΅μ¬ λ¨κ³:
- API μ€μ : OpenAI API ν΄λΌμ΄μΈνΈ μ΄κΈ°ν
- νκ° ν둬ννΈ κ΅¬μ±: νκ° κΈ°μ€κ³Ό μ μ μ²΄κ³ λͺ μ
- LLM νΈμΆ: ꡬ쑰νλ JSON μλ΅ μμ²
- λ°λ³΅ νκ°: λ€μ ν둬ννΈ-μλ΅ μ μ²λ¦¬
- λ°μ΄ν° μμ§: Pandas DataFrameμΌλ‘ μ 리
- μκ°ν: κ·Έλνλ₯Ό ν΅ν κ²°κ³Ό λΆμ
λΉμ μ λ΅λ³ μ¬μ¬μμμ
λλ€.
λ€μ κΈ°μ€μΌλ‘ 1~5μ νκ°:
- μ νμ±: μ¬μ€ λΆν©λ
- μΌκ΄μ±: μν /ν€ μ μ§
- ν¬λ§·: νμ μ€μ
JSON νμμΌλ‘λ§ μλ΅νμΈμ.
ν둬ννΈλ₯Ό μ§μμ μΌλ‘ κ°μ νλ λ°λ³΅μ μ€κ³ κΈ°λ²
flowchart TD
A[μ΄κΈ° ν둬ννΈ μ€κ³] --> B[λͺ¨λΈ μλ΅ μμ±]
B --> C[μλ νκ° μν]
C --> D[κ²°κ³Ό λΆμ]
D --> E{κ°μ νμ?}
E -->|Yes| F[ν둬ννΈ μμ ]
F --> B
E -->|No| G[μ΅μ’
ν둬ννΈ μ μ ]
F --> H[μ§μμ¬ν λͺ
νν]
F --> I[μμ μΆκ°]
F --> J[μΆλ ₯ νμ μ‘°μ ]
F --> K[Chain-of-Thought μ λ]
| μ λ΅ | μ€λͺ | μ μ© μμ |
|---|---|---|
| μ§μμ¬ν λͺ νν | λͺ¨νΈν μ§μλ₯Ό ꡬ체μ μΌλ‘ μμ | μ΄κΈ° λ¨κ³ |
| Few-shot μμ | μ¬λ°λ₯Έ μμλ₯Ό ν둬ννΈμ ν¬ν¨ | νμ λ¬Έμ λ°μμ |
| μΆλ ₯ ν¨ν΄ μ§μ | λͺ μμ μΆλ ₯ νμ μꡬ | ν¬λ§· μ€λ₯μ |
| CoT μ λ | λ¨κ³λ³ μ¬κ³ κ³Όμ μꡬ | μΆλ‘ λ¬Έμ μ |
| νλΌλ―Έν° μ‘°μ | Temperature λ± λͺ¨λΈ μ€μ λ³κ²½ | μ΅μ’ λ¨κ³ |
- μμ½ ν둬ννΈ: μ νμ±κ³Ό κ°κ²°μ± μ€μ¬
- Q&A ν둬ννΈ: μ¬μ€ μ νλμ λͺ λ£μ± μ€μ¬
- ν¬λ§· λ³κ²½: ꡬ쑰νλ μΆλ ₯ νμ μ€μ¬
- μ½λ μμ±: κΈ°λ₯ ꡬνκ³Ό λ¬Έλ² μ νμ± μ€μ¬
graph TD
A[νκ° λ°μ΄ν°] --> B[λ°λ³΅λ³ μ μ μΆμ΄]
A --> C[μ§νλ³ μΈλΆ λΆμ]
A --> D[ν둬ννΈ μ νλ³ λΉκ΅]
B --> E[κ°μ ν¨κ³Ό νμΈ]
C --> F[νΈλ μ΄λμ€ν νμ
]
D --> G[μ΅μ ν λ―Όκ°λ λΉκ΅]
- κ°μ μΆμΈ: iterationλ³ μ μ μμΉ μ¬λΆ
- μ§νλ³ λ³ν: μ΄λ€ μΈ‘λ©΄μ΄ κ°μ /μ νλμλμ§
- νΈλ μ΄λμ€ν: ν μ§ν κ°μ μ΄ λ€λ₯Έ μ§νμ λ―ΈμΉ μν₯
- μ΅μ μ μλ³: μΆκ° κ°μ μ΄ μ΄λ €μ΄ μ§μ νμ
| μμ | μ€μμ± | μ€ν λ°©λ² |
|---|---|---|
| 체κ³μ νκ° | νμ | λͺ νν μ§νμ 루λΈλ¦ μ€μ |
| κ°κ΄μ +μ£Όκ΄μ λ³ν | μ€μ | λ λ°©λ²μ μνΈ λ³΄μμ νμ© |
| λ°λ³΅μ κ°μ | ν΅μ¬ | Iterative Tuning μ μ© |
| λ°μ΄ν° κΈ°λ° λΆμ | μ€μ | μκ°νλ₯Ό ν΅ν μΈμ¬μ΄νΈ λμΆ |
LLM μλ΅ νμ§ ν₯μμ μν΄μλ:
- λ€μ°¨μμ νκ°: μ νμ±, μΌκ΄μ±, ν€, νμμ μ’ ν©μ μΌλ‘ κ³ λ €
- μλν νμ©: LLM-as-a-Judgeλ‘ ν¨μ¨μ± ν보
- λ°λ³΅μ μ΅μ ν: Iterative Tuningμ ν΅ν μ§μμ κ°μ
- λ°μ΄ν° κΈ°λ° μμ¬κ²°μ : μκ°ν λΆμμ ν΅ν κ°κ΄μ νλ¨
μ΄λ¬ν 체κ³μ μ κ·Όμ ν΅ν΄ LLMμ μ μ¬λ ₯μ μ΅λν νμ©νκ³ μ¬μ©μ κ²½νμ μ§μμ μΌλ‘ κ°μ ν μ μμ΅λλ€.