프로덕션 LLM 앱을 위한 프롬프트 엔지니어링
시스템 프롬프트 설계, 퓨샷 예시, 출력 형식 지정, 재시도 로직, 비용 최적화를 다룹니다.
프로덕션 LLM 앱을 위한 프롬프트 엔지니어링은(는) CoddyKit의 무료 Learn AI with Python 강의입니다. 이것은 4개 중 4번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Learn AI with Python 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Learn AI with Python 강의에는 총 4개의 강의가 포함되어 있습니다.
프로덕션 환경에서 프롬프트 작성하기
실제 앱에서 프롬프트는 코드입니다. 따라서 구조, 테스트, 신뢰성이 필요합니다. 좋은 프롬프트 엔지니어링은 환각을 줄이고, 출력 형식을 강제하며, 비용을 제어합니다. 이 단원에서는 프로덕션 환경에서 중요한 기법을 다룹니다.
시스템 프롬프트 설계
system 프롬프트는 모델의 역할, 어조, 제약 조건, 규칙을 설정합니다. 구체적으로 작성하세요. assistant가 무엇인지, 무엇을 해야 하고 무엇을 하면 안 되는지, 답변 형식은 무엇인지 명시합니다. 명확한 system 프롬프트는 가장 강력한 조정 도구입니다.
system = (
"You are a support agent for an e-commerce store. "
"Answer only questions about orders and shipping. "
"If asked anything else, politely decline. "
"Keep replies under 3 sentences."
)퓨샷 예시
퓨샷 프롬프트 작성은 모델에 입력/출력 쌍의 예시를 보여 주어 패턴을 학습하게 하는 방법입니다. 실제 요청 전에 user/assistant 메시지를 번갈아 배치합니다.
messages = [
{"role": "system", "content": system},
{"role": "user", "content": "Classify: I love this!"},
{"role": "assistant", "content": "positive"},
{"role": "user", "content": "Classify: This broke instantly."},
{"role": "assistant", "content": "negative"},
{"role": "user", "content": "Classify: It is okay I guess."}
]퓨샷이 작동하는 이유
예시는 지시 사항만 제공하는 것보다 의도를 더 명확하게 전달합니다. 정확한 출력 스타일(한 단어, JSON, 레이블)을 고정하고, 분류, 추출, 형식 지정 작업의 일관성을 크게 높입니다.
JSON 출력 강제하기
기계가 읽을 수 있는 응답을 받으려면 response_format으로 JSON 모드를 요청합니다. {"type": "json_object"}를 사용하면 모델이 유효한 JSON만 출력하도록 제한되므로, 이후 안전하게 분석할 수 있습니다.
response = client.chat.completions.create(
model="gpt-4o",
messages=messages,
response_format={"type": "json_object"}
)
import json
data = json.loads(response.choices[0].message.content)tiktoken으로 토큰 수 세기
비용과 문맥 한도는 토큰으로 측정합니다. tiktoken 라이브러리는 로컬에서 토큰을 세므로 전송하기 전에 예산을 관리할 수 있습니다. pip install tiktoken으로 설치합니다.
import tiktoken
enc = tiktoken.encoding_for_model("gpt-4o")
tokens = enc.encode("Hello, how are you?")
print(len(tokens))토큰 수를 세는 이유
각 모델에는 문맥 창(최대 토큰 수)이 있으며 토큰 단위로 비용을 지불합니다. 미리 토큰을 세면 기록을 줄이고, 지나치게 큰 입력을 거부하며, 호출이 서버를 떠나기 전에 비용을 예측할 수 있습니다.
def cost_estimate(text, price_per_1k=0.005):
enc = tiktoken.encoding_for_model("gpt-4o")
n = len(enc.encode(text))
return n, n / 1000 * price_per_1k요청 제한 처리하기
프로덕션 트래픽에서는 요청 제한(HTTP 429)과 일시적인 오류가 발생합니다. 충돌하는 대신 지수 백오프로 재시도하세요. tenacity 라이브러리를 사용하면 한 줄짜리 데코레이터로 처리할 수 있습니다.
pip install tenacity
from tenacity import retry, wait_exponential, stop_after_attempttenacity로 재시도하기
API 호출에 @retry를 적용합니다. wait_exponential으로 시도 사이의 지연 시간을 늘리고, stop_after_attempt으로 전체 시도 횟수의 상한을 설정합니다. 이렇게 하면 일시적인 장애가 발생해도 안정적으로 계속 동작합니다.
@retry(wait=wait_exponential(min=1, max=30), stop=stop_after_attempt(5))
def ask(prompt):
return client.chat.completions.create(
model="gpt-4o",
messages=[{"role": "user", "content": prompt}]
)출력용 JSON 스키마 정의하기
JSON 모드를 강제할 때는 원하는 정확한 형태를 프롬프트 안에 항상 설명하여 키를 예측할 수 있게 하세요. 일반 텍스트로 스키마를 명시하고 JSON 모드를 함께 사용하면 매번 분석 가능하고 유효한 결과를 얻을 수 있습니다.
system = (
"Return ONLY JSON with this shape: "
"{\"sentiment\": \"positive|negative|neutral\", "
"\"confidence\": number between 0 and 1}"
)종합하기
프로덕션 프롬프트의 순서는 다음과 같습니다. 엄격한 system 프롬프트를 설계하고, 퓨샷 예시를 추가하며, 필요할 때 JSON 출력을 강제하고, 비용과 문맥을 관리하기 위해 토큰을 세고, 호출을 재시도 로직으로 감쌉니다. 이 기능들을 함께 사용하면 LLM 기능의 신뢰성이 높아집니다.
빠른 확인
프로덕션 프롬프트 작성에 대한 지식을 확인해 보세요.
복습: 프로덕션 프롬프트 작성
엄격한 시스템 프롬프트를 작성하고, 퓨샷 예시로 동작을 유도하며, response_format JSON 모드로 구조화된 응답을 보장하는 방법을 배웠습니다. tiktoken으로 토큰을 계산해 컨텍스트와 비용을 관리하고, 속도 제한에 대응하기 위해 tenacity 재시도를 추가해 안정성도 높였습니다.
AI 튜터와 함께 Python을(를) 배우세요 — 무료
브라우저에서 실제 코드를 작성하고 실행하며, 24/7 AI 튜터로부터 즉각적인 도움을 받고, 웹이나 앱에서 중단한 부분부터 계속 학습하세요.
- 코스
- 53
- 레슨
- 225
자주 묻는 질문
“프로덕션 LLM 앱을 위한 프롬프트 엔지니어링” 강의는 무료인가요?
네 — “프로덕션 LLM 앱을 위한 프롬프트 엔지니어링” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Learn AI with Python 강의 전체를 잠금 해제할 수 있습니다. Learn AI with Python 강의에는 총 4개의 강의가 포함되어 있습니다.
“프로덕션 LLM 앱을 위한 프롬프트 엔지니어링”에서 뭘 배우나요?
시스템 프롬프트 설계, 퓨샷 예시, 출력 형식 지정, 재시도 로직, 비용 최적화를 다룹니다. 브라우저에서 직접 실행하는 실습 코드로 Learn AI with Python을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.
Learn AI with Python을(를) 시작하는 데 경험이 필요한가요?
사전 경험은 필요하지 않습니다. CoddyKit의 Learn AI with Python은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 4번째 강의입니다.
“프로덕션 LLM 앱을 위한 프롬프트 엔지니어링” 강의는 얼마나 걸리나요?
대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.
이 Learn AI with Python 강의에서 코드를 작성하고 실행할 수 있나요?
네. 모든 Learn AI with Python 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.
이 강의의 모든 강의
- OpenAI API: chat.completions와 스트리밍
- Python에서 Anthropic Claude API 사용하기
- LLM의 함수 호출과 도구 사용
- 프로덕션 LLM 앱을 위한 프롬프트 엔지니어링