프롬프트 잘 쓰는 법: 공식 가이드가 말하는 5가지 원칙

기준: Anthropic·OpenAI·Google 공식 프롬프트 가이드. 2026년 9월에 확인했습니다.

AI에게 원하는 답을 받는 비결은 마법 같은 주문이 아니라 잘 쓴 업무 지시서입니다. Anthropic, OpenAI, Google 세 회사의 공식 가이드를 나란히 읽으면, 여러 회사에 공통으로 나오거나 한 회사가 특히 강조하는 원칙 다섯 가지가 보입니다. ① 분명하고 구체적으로 말하기 ② 맥락과 이유 알려 주기 ③ 예시 보여 주기 ④ "하지 마" 대신 "이렇게 해"라고 말하기 ⑤ 역할을 주고 내용을 나누어 정리하기입니다. 이 글에서는 이 다섯 원칙을 전후 비교 예시와 함께 살펴보고, 틀린 답을 줄이는 요청법과 바로 쓸 수 있는 체크리스트까지 정리합니다.

프롬프트의 뜻

프롬프트는 AI에게 보내는 요청 글입니다. 챗봇 입력창에 적는 질문이나 부탁이 모두 프롬프트입니다. 모델이 요구에 맞는 결과를 꾸준히 내도록 효과적인 지시문을 쓰는 일을 프롬프트 엔지니어링이라고 부릅니다. 지시문은 자연어, 곧 프로그래밍 언어가 아닌 평소에 쓰는 말로 씁니다.

이름은 어렵게 들리지만 상대가 헷갈리지 않게 부탁하는 기술입니다. 그래서 특별한 키워드를 외우는 것보다, 사람에게 일을 맡길 때처럼 필요한 정보를 빠짐없이 전하는 편이 낫습니다.

비유: 똑똑하지만 막 입사한 신입에게 일 맡기기

Anthropic 가이드의 비유를 빌리면, AI는 똑똑하지만 막 입사해서 우리 회사 규칙과 일하는 방식을 모르는 직원과 같습니다. 원하는 것을 정확히 설명할수록 결과가 좋아집니다.

신입 사원에게 "보고서 좀 써 줘"라고만 하면 능력이 좋아도 누가 읽는지, 몇 쪽인지, 어떤 형식인지, 왜 필요한지를 모르니 짐작으로 쓸 수밖에 없습니다. 반대로 "다음 주 팀 회의에서 부장님이 읽으실 두 쪽짜리 요약이고, 표 하나에 결론을 먼저 적어 주세요"라고 하면 결과가 훨씬 기대에 가까워집니다.

Anthropic은 여기에 황금률을 하나 덧붙입니다. 프롬프트를 이 일을 잘 모르는 동료에게 보여 주고 따라 해 보라고 하는 것입니다. 그 사람이 헷갈리면 AI도 헷갈립니다. 보내기 전에 내 요청을 남의 눈으로 한 번 읽어 보는 것만으로도 빠진 정보가 잘 보입니다.

원칙 5가지 한눈에 보기

아래 표의 오른쪽 칸은 각 원칙을 직접 다룬 공식 가이드입니다. 세 회사 모두 다룬 원칙도 있고, ④처럼 한 회사가 특히 강조하는 원칙도 있습니다. Anthropic 가이드는 자사 AI인 Claude를 기준으로 쓴 것이지만, 요청을 분명하게 쓰는 원리는 다른 AI 챗봇에도 두루 참고할 만합니다.

① 분명하고 구체적으로 말하기

Anthropic은 Claude가 분명하고 명시적인 지시에 잘 반응한다고 설명합니다. 기대 이상의 결과를 원한다면 그것도 말로 요청하세요. Google도 지시를 질문이나 단계별 과제 형태로 주고, 제약(예: 요약은 세 문장 이내)과 응답 형식(예: 표, 목록)을 정해 주라고 권합니다. 순서가 중요한 일이라면 번호 목록으로 단계를 적으세요.

② 맥락과 이유를 알려 주기

지시에 이유를 붙이면 AI가 목표를 더 잘 이해합니다. "말줄임표 절대 금지"라고만 쓰기보다 "이 답은 음성 합성기가 읽으니, 발음할 수 없는 말줄임표는 쓰지 마"라고 쓰는 편이 낫습니다. 이유를 알면 AI가 비슷한 다른 상황에도 알아서 적용할 수 있기 때문입니다.

모델이 필요한 지식을 이미 알고 있다고 가정하지 마세요. 내 자료처럼 모델이 모르는 정보를 함께 넣어 주면 더 초점 있는 답을 얻습니다. 회사 규칙, 내 작업 파일의 상태, 받는 사람의 수준처럼 나만 아는 정보는 적어 주어야 AI도 압니다.

③ 예시를 보여 주기

말로 백 번 설명하는 것보다 샘플 하나가 빠를 때가 많습니다. 프롬프트에 예시를 몇 개 넣는 방법을 퓨샷(few-shot)이라고 부릅니다. 예시 없이 요청만 하는 것은 제로샷이라고 합니다.

• Google 가이드는 프롬프트에 항상 퓨샷 예시를 넣기를 권장합니다.
• 예시는 형식과 말투를 맞추는 가장 믿을 만한 방법 가운데 하나입니다. 실제와 비슷하고 서로 다양한 예시를 3~5개 넣고, 지시문과 구분되게 두는 편이 좋습니다.
• 입력과 출력 예시 몇 개만으로도 추가 학습 없이 모델을 원하는 방향으로 이끌 수 있습니다.

미용실에서 머리를 자를 때와 같습니다. "알아서 예쁘게요"라고만 하면 결과는 미용사의 짐작에 달려 있습니다. 원하는 머리 모양 사진 한 장을 보여 주는 것이 예시이고, "앞머리는 눈썹 위, 옆은 귀가 보이게"라고 덧붙이는 것이 ①의 구체적 조건입니다. 둘을 함께 주면 원하는 결과에 훨씬 가까워집니다.

④ "하지 마" 대신 "이렇게 해"

이 원칙은 세 회사 공통이라기보다 Anthropic 가이드가 특히 강조하는 원칙입니다. 하지 말 것보다 할 것을 말하세요. 예를 들어 "마크다운 쓰지 마"보다 "자연스럽게 이어지는 문단으로 써 줘"가 더 잘 통합니다. 여기서 마크다운은 #, * 같은 기호로 제목이나 굵은 글씨, 목록을 표시하는 글 서식을 말합니다. 금지만 들으면 무엇을 해야 할지는 여전히 모르기 때문입니다. 또 프롬프트의 문체는 답의 문체에도 영향을 줍니다. 목록과 기호가 가득한 프롬프트를 보내면 답도 그렇게 돌아오기 쉽습니다.

⑤ 역할을 주고, 나누고, 쪼개기

• 역할 주기: AI에게 역할을 한 문장만 주어도 말투와 초점이 달라집니다. 예를 들어 "너는 초등학생에게 과학을 가르치는 선생님이야" 같은 문장입니다.
• 지시의 우선순위: AI에게 가는 메시지는 역할별로 나뉩니다. OpenAI 모델에서는 서비스를 만든 개발자가 정한 지시(developer)가 사용자가 입력한 요청(user)보다 우선합니다. 회사의 기본 규칙이 손님의 개별 요청보다 먼저 적용되는 것과 비슷합니다. 그래서 챗봇 서비스마다 같은 요청에도 답하는 방식이 조금씩 다를 수 있습니다.
• 내용 나누기: 지시, 배경 설명, 예시, 분석할 자료가 한데 섞이면 AI가 헷갈릴 수 있습니다. Anthropic은 태그(<자료> 같은 꺾쇠 표시)로 구역을 나누는 방법을 소개합니다. 일반 사용자라면 "[지시]", "[참고 자료]"처럼 제목을 달거나 구분선을 넣는 정도로도 충분합니다.
• 긴 문서는 위에, 질문은 아래에: 긴 자료를 줄 때는 자료를 먼저 붙이고 질문을 맨 끝에 두세요. Anthropic이 자사 AI Claude로 한 테스트에서는 답 품질이 최대 30%까지 좋아졌습니다.
• 큰 일은 쪼개기: 복잡한 요청은 작은 단계로 나누어 차례로 이어 가거나, 나누어 처리한 뒤 합치세요.

전후 비교 예시

예시 1: 일상 요청(여행 계획)

덜 좋은 요청입니다.

여행 계획 짜 줘

더 좋은 요청입니다.

4살 아이와 부모 둘, 3박 4일 제주 여행 계획을 짜 줘.
- 렌터카 이동, 하루 이동은 1시간 이내
- 아이 낮잠 시간(13~15시)은 숙소나 차에서 쉬게
- 표로: 날짜 / 오전 / 점심 / 오후 / 저녁
잘 모르는 영업시간이나 가격은 지어내지 말고 "확인 필요"라고 적어 줘.

누가 가는지(맥락), 이동 시간과 낮잠(구체적 조건), 표(형식), "확인 필요"(틀린 정보 줄이기)가 모두 들어 있습니다.

예시 2: 3D 작업 요청(Blender)

3D 작업 요청도 같은 원칙으로 바꿔 보겠습니다. 아래는 원칙을 설명하기 위한 예시 문장입니다. 특정 AI 제품의 실행 결과가 아닙니다.

덜 좋은 요청입니다.

멋진 3D 장면 만들어 줘

더 좋은 요청입니다.

[목표] 제품 소개 영상의 첫 장면으로 쓸 짧은 3D 장면을 만들고 싶어.
받침대 위의 머그컵을 카메라가 천천히 한 바퀴 돌아보는 장면이야.
[조건]
- Blender용 파이썬 스크립트로 만들어 줘.
- 지금 장면은 그대로 두고, 새 물체만 추가해 줘.
- 오늘은 모양과 카메라 움직임만. 재질과 조명은 다음 단계에서 할 거야.
[결과 형식] 스크립트, 그리고 무엇을 만드는지 세 줄 설명.
확실하지 않은 기능이나 설정이 있으면 추측하지 말고 알려 줘.

용어를 먼저 풀어 두겠습니다. 파이썬 스크립트는 Blender가 읽고 자동으로 실행하는 작업 순서 글이고, 물체는 장면 안에 놓인 컵, 받침대, 카메라 하나하나를 말합니다.

"멋진"은 사람마다 뜻이 다릅니다. 대신 용도(맥락), 주인공과 움직임(구체성), 작업 범위(긍정형 지시: "지우지 마" 대신 "그대로 두고 새것만 추가해 줘"), 단계 나누기(쪼개기), 결과 형식을 적었습니다. 작업을 작은 단계로 나누는 방법은 AI와 Blender, 작은 작업부터 함께 시작하기에서도 다룹니다.

예시 3: 한 줄 고치기

틀린 답을 줄이는 요청법

AI는 그럴듯하지만 사실과 다른 답을 낼 수 있습니다. 이런 현상을 환각이라고 부릅니다. 환각을 줄이는 대표 방법은 세 가지입니다.

1. "모르면 모른다고 말해도 돼"라고 허락하기. 명시적으로 허락하면 잘못된 정보가 크게 줄 수 있습니다.
2. 원문 인용을 먼저 뽑게 하기. 긴 문서를 다룰 때, 답하기 전에 관련 문장을 먼저 찾게 합니다.
3. 주장마다 근거를 달게 하기. 어디서 나온 내용인지 확인하기 쉬워집니다.

다만 이런 방법도 환각을 완전히 없애지는 못합니다. Gemini에는 검색 결과에 근거해 답하게 하는 기능(그라운딩)이 있어 환각을 줄일 수 있습니다. 건강, 돈, 법처럼 중요한 정보는 반드시 공식 출처에서 직접 확인하세요.

흔한 오해 3가지

• "짧고 마법 같은 주문일수록 좋다." 공식 가이드는 오히려 구체적인 설명, 이유, 예시를 권합니다. 비밀 키워드보다 친절한 업무 지시서에 가깝습니다.
• "한 번에 완벽한 프롬프트를 써야 한다." 프롬프트 다듬기는 표현과 순서를 바꿔 가며 고치는 반복 작업입니다. 완벽한 프롬프트가 없어도 되니 원하는 것부터 말하고, 첫 답이 틀리면 처음부터 다시 하지 말고 이어서 고치세요.
• "잘 쓴 프롬프트면 답은 늘 정확하다." 좋은 프롬프트도 틀린 답을 완전히 막지는 못합니다. 중요한 내용은 직접 확인해야 합니다.

덧붙여, 프롬프트를 다듬기 전에 무엇이 성공인지 기준을 먼저 정하세요. 또 모든 문제가 프롬프트로 풀리지는 않습니다. 속도나 비용 문제는 다른 모델을 고르는 편이 나을 때도 있습니다.

보내기 전 체크리스트

요청을 보내기 전에 아래 여섯 가지를 확인해 보세요.

• 누가 쓰거나 읽는 결과인지 적었습니다.
• 무엇을 원하는지, 조건과 범위를 적었습니다.
• 왜 필요한지 한 줄이라도 적었습니다.
• 어떤 형식(표, 목록, 길이)으로 받을지 정했습니다.
• 원하는 모양을 보여 줄 예시를 넣었습니다.
• 모르면 모른다고 말해도 된다고 적었습니다.

더 연습하고 싶다면 Anthropic이 GitHub에 공개한 무료 인터랙티브 프롬프트 튜토리얼을 살펴보세요. 예시를 직접 바꿔 보며 배우는 형식입니다.

참고 자료

• Anthropic, Prompt engineering overview: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview
• Anthropic, Prompting best practices: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices
• Anthropic, Reduce hallucinations: https://platform.claude.com/docs/en/test-and-evaluate/strengthen-guardrails/reduce-hallucinations
• Anthropic, Interactive prompt engineering tutorial (GitHub): https://github.com/anthropics/prompt-eng-interactive-tutorial
• OpenAI, Prompt engineering: https://developers.openai.com/api/docs/guides/prompt-engineering
• Google, Gemini API Prompt design strategies: https://ai.google.dev/gemini-api/docs/prompting-strategies
• Claude Code Docs, How Claude Code works: https://code.claude.com/docs/en/how-claude-code-works