피드로 돌아가기
Dev.toAI/ML
원문 읽기
구조적 Prompt 설계를 통한 AI 코드 생성 정밀도 최대 39% 향상
AI does exactly what you ask — that's the problem
AI 요약
Context
최신 LLM의 의도 추론(Infer Intent) 능력 감소로 인한 Literal Interpretation 경향 심화. 단순 요청 시 프로젝트 컨텍스트 결여로 기존 컴포넌트 무시 및 스타일 충돌 등 통합 불가능한 코드 생성 문제 발생.
Technical Solution
- Stack, Task, Constraints, Expected Output의 4가지 필수 요소 기반의 구조적 프롬프트 설계
- XML Tag를 활용한 섹션 분리로 모델의 컨텍스트 파악 능력을 높인 정보 구조화
- 'Code First, Instruction Last' 배치를 통한 대규모 컨텍스트 내 지시사항 정밀도 제어
- 'Current vs Expected Behavior' 및 'Already Tried' 명시를 통한 AI의 가설 생성 및 오답 반복 방지
- Acceptance Criteria와 Out-of-scope 정의를 통한 Over-engineering 억제 및 구현 범위 한정
- Critique-Implementation 단계를 분리한 Two-pass 프로세스로 분석과 실행의 논리적 격리
실천 포인트
- Bug Fix 시: 단순 현상이 아닌 정확한 에러 메시지와 기시도한 해결책(Already Tried)을 포함했는가? - Feature 추가 시: 구현 범위만큼 명확한 제외 범위(Out-of-scope)를 정의했는가? - 복잡한 리팩토링 시: 수정 전 문제점 분석(Pass 1)과 실제 구현(Pass 2) 단계를 분리했는가? - 프롬프트 구성 시: XML 태그를 사용해 컨텍스트와 코드를 물리적으로 구분했는가?