제로샷 프롬프팅

Prompt Engineering

AI 모델에게 원하는 출력을 얻기 위해 입력 텍스트(프롬프트)를 체계적으로 설계하는 기술로, '모델에게 무엇을 물을 것인가'를 다루는 학문이자 실무이다. 같은 AI 모델이라도 프롬프트를 어떻게 구성하느냐에 따라 출력의 품질이 극적으로 달라진다. 예를 들어, '로그인 만들어줘'라는 막연한 프롬프트 대신 'Next.js 14 App Router를 사용하여 이메일/비밀번호 로그인 기능을 구현해줘. bcrypt로 비밀번호 해싱, JWT 토큰 발급, 7일 만료, httpOnly 쿠키 저장. TypeScript strict mode로 작성해줘.'처럼 구체적으로 지시하면 훨씬 정확한 코드를 생성한다. 핵심 기법으로는 제로샷 프롬프팅(예시 없이 직접 지시), 퓨샷 프롬프팅(예시를 먼저 보여준 후 요청), 사고의 연쇄(CoT, 단계별 추론 유도), 시스템 프롬프트(역할·제약 조건 설정) 등이 있다. 2022~2023년에 가장 주목받은 AI 관련 기술이며, 이후 컨텍스트 엔지니어링('모델에게 무엇을 보여줄 것인가')과 하네스 엔지니어링('전체 시스템을 어떻게 운영할 것인가')으로 확장되었지만, 여전히 AI와 소통하는 가장 기본적이고 필수적인 스킬이다.

Few-Shot Prompting

하나 이상의 입출력 예시(example pair)를 먼저 보여준 후, 동일한 패턴으로 새로운 작업을 수행하도록 요청하는 프롬프팅 기법이다. 'Few-Shot'은 '소수의 예시(few examples)'라는 의미로, AI에게 '이런 식으로 해줘'라는 기대 형식을 예시를 통해 전달한다. 바이브 코딩에서는 특히 다음과 같은 상황에서 효과적이다: 특정 코딩 스타일을 일관되게 유지하고 싶을 때(예: '이전 컴포넌트 A는 이렇게 작성했으니, 새 컴포넌트 B도 같은 패턴으로 작성해줘'), 데이터 변환 규칙을 정의할 때(예: '입력→출력 매핑 3개를 보여주고, 4번째를 요청'), API 응답 형식을 통일하고 싶을 때 등. 예시의 수가 많을수록 패턴을 더 정확히 파악하지만, 컨텍스트 윈도우를 더 많이 소비하므로 2~5개의 예시가 일반적으로 가장 효율적이다. 제로샷 프롬프팅으로 원하는 결과를 얻지 못할 때, 예시를 추가하여 퓨샷으로 전환하면 품질이 크게 향상되는 경우가 많다.

Chain-of-Thought (CoT) Prompting

AI에게 답을 바로 내놓기보다 단계별로 추론 과정을 설명하도록 유도하는 프롬프팅 기법이다. 2022년 Google Brain의 Jason Wei 등이 발표한 논문에서 제안되었으며, '생각을 한 단계씩 풀어서 설명해줘(Let's think step by step)'라는 한 마디만 추가해도 복잡한 문제의 정확도가 크게 높아진다는 것이 핵심 발견이다. 바이브 코딩에서는 복잡한 아키텍처 설계, 다단계 데이터 처리 로직, 보안 분석 등에서 특히 효과적이다. 예를 들어, 'API 인증 흐름을 단계별로 분석해줘. 각 단계에서 어떤 토큰이 생성되고, 어디에 저장되고, 언제 만료되는지 설명해줘'처럼 단계별 분해를 명시적으로 요청하면, AI가 중간 과정을 생략하지 않고 논리적으로 추론하여 더 정확한 결과를 제공한다. CoT는 AI의 '생각 과정'을 투명하게 만들어 개발자가 추론을 검증할 수 있게 하므로, 하네스 엔지니어링에서도 에이전트의 의사결정을 이해하는 데 활용된다. o1, o3 같은 추론 특화 모델은 CoT를 내부적으로 자동 수행한다.