프롬프트 접두사 120종으로 제어하는 Claude 응답 최적화 전략

Context

LLM의 일반적인 응답은 중립적이고 균형 잡힌 서술 방식에 치우친 경향이 있음. 구체적인 페르소나 설정이나 강한 의견 제시가 필요한 실무 상황에서 범용적인 답변은 활용도가 낮음.

Technical Solution

• /ghost 접두사를 활용하여 AI 특유의 문체와 상투적 표현을 제거한 인간 중심적 텍스트 생성 전략
• L99 키워드를 통해 중립적 태도를 배제하고 명확한 트레이드오프 분석 기반의 확정적 권고안 도출
• /skeptic 명령어로 질문의 전제를 먼저 검증하여 잘못된 방향의 문제 정의를 사전에 차단하는 필터링 구조
• ULTRATHINK 설정을 통한 추론 깊이 극대화 및 다층적 분석 레이어를 포함한 고밀도 논문 형식의 출력 유도
• PERSONA 설정을 구체적 직무와 경력 및 가치관까지 정의하여 도메인 특화 전문가 수준의 답변 정밀도 확보
• 상호 보완적인 접두사 조합(예: /skeptic + ULTRATHINK)을 통한 전략적 의사결정 지원 프레임워크 구축

Key Takeaway

LLM의 행동 양식은 명시적인 시스템 프롬프트 외에도 커뮤니티 기반의 컨벤션과 패턴 인식 학습을 통해 제어 가능한 영역이 확장됨. 단순한 명령어 전달보다 의도(Intent)를 명확히 규정하는 접두사 설계가 출력물의 질적 수준을 결정함.