---
title: "프롬프트 엔지니어링이란? LLM 지시문 작성법 | BroadRouter"
description: "프롬프트 엔지니어링은 LLM이 매번 원하는 출력을 내도록 지시문을 작성하고 테스트하는 일입니다. 핵심 기법, 테스트 방법, 아랍어 프롬프트 팁을 정리했습니다."
url: https://broadrouter.com/ko/glossary/prompt-engineering/
lang: ko
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/glossary/prompt-engineering/) (2026-11-15 업데이트).

# 프롬프트 엔지니어링(prompt engineering)

업데이트 2026-11-15

프롬프트 엔지니어링은 언어 모델이 요구 사항에 맞는 출력을 일관되게 내도록, 모델에 주는 지시문을 작성하고 구조화하고 테스트하는 과정입니다. 역할 메시지, 명확한 지시, 예시, 형식 지정, 그리고 테스트 케이스로 결과를 측정하는 일까지 포함합니다.

다른 이름: 프롬프트 설계, 프롬프트 작성법, 프롬프트 기법, 프롬프팅, prompt engineering, prompt design, prompting techniques

프롬프트는 사양서입니다. 프롬프트 엔지니어링은 그 사양서를 잘 쓰고, 모델이 따르는지 확인하는 일입니다.

## 작동 방식

OpenAI 가이드는 프롬프트 엔지니어링을 모델이 “consistently generates content that meets your requirements”(번역: 요구 사항을 충족하는 콘텐츠를 일관되게 생성)하도록 하는 “the process of writing effective instructions for a model”(번역: 모델을 위한 효과적인 지시문을 작성하는 과정)이라고 정의합니다. 핵심 기법은 업체가 달라도 겹칩니다.

| 기법 | 방법 |
| --- | --- |
| 역할 | 규칙은 [시스템 프롬프트](https://broadrouter.com/ko/glossary/system-prompt/)(또는 developer 메시지)에, 요청은 사용자 메시지에 넣기 |
| 구조 | 시스템 프롬프트를 정체성, 지시, 예시, 컨텍스트 순서로 배치하고 Markdown 제목과 XML 태그로 구역 표시 |
| 예시 | 다양한 경우를 다루는 입력·출력 쌍 몇 개 추가([퓨샷 프롬프팅](https://broadrouter.com/ko/glossary/few-shot-prompting/)) |
| 추론 | 단계별로 생각하게 요청([생각의 사슬](https://broadrouter.com/ko/glossary/chain-of-thought/))하거나 추론 모델 사용 |
| 출력 형식 | 고정된 형식을 요청하거나, API가 지원하면 [구조화된 출력](https://broadrouter.com/ko/glossary/structured-output/) 사용 |
| 안정성 | 모델 버전을 고정해 동작이 모르는 사이에 바뀌지 않게 하기 |

Anthropic 개요는 세 가지로 시작하라고 합니다. 명확한 성공 기준, 그 기준으로 테스트할 방법, 그리고 첫 번째 프롬프트 초안입니다. 실무에서는 [평가(eval)](https://broadrouter.com/ko/glossary/eval/) 세트를 뜻합니다.

짧은 예시로 전후를 비교해 보겠습니다.

```text
Before: Summarize this ticket.

After:  You summarize support tickets for an engineering team.
        Write 3 bullet points: the problem, the customer impact, the next step.
        Use the customer's words for error messages. Do not guess at causes.
        <ticket>...</ticket>
```

개선된 프롬프트는 엔지니어링 팀을 위한 요약이라는 역할을 주고, 문제·고객 영향·다음 단계의 세 항목으로 쓰게 하며, 오류 메시지는 고객의 표현을 그대로 쓰고 원인은 추측하지 말라고 지시합니다.

에이전트에서는 프롬프트가 더 큰 컨텍스트의 일부입니다. Anthropic의 컨텍스트 엔지니어링 글은 프롬프트 엔지니어링, 즉 “methods for writing and organizing LLM instructions”(번역: LLM 지시문을 작성하고 정리하는 방법)를 모델이 보는 나머지 모든 것을 관리하는 [컨텍스트 엔지니어링](https://broadrouter.com/ko/glossary/context-engineering/)과 구분합니다.

## 왜 중요한가

-   **학습 없이 품질 개선.** 더 나은 프롬프트는 [파인튜닝](https://broadrouter.com/ko/glossary/fine-tuning/)이나 더 큰 모델보다 먼저 시도할 수 있는 가장 저렴한 해결책입니다.
-   **비용.** 시스템 프롬프트는 요청마다 다시 전송됩니다. 출력에 영향을 주지 않는 부분은 빼세요. [프롬프트 토큰 줄이기](https://broadrouter.com/ko/blog/reduce-prompt-tokens/)를 참고하세요.
-   **마이그레이션.** 한 모델에 맞춘 프롬프트가 다른 모델에서는 다르게 동작할 수 있습니다. 모델을 바꾸면 평가 세트를 다시 돌리세요.

## BroadNet Inference에서는

BroadNet의 채팅 모델은 표준 Chat Completions `messages` 목록을 받으므로 system, user, assistant 역할과 퓨샷 예시가 평소대로 작동합니다. 코드를 쓰기 전에 [플레이그라운드](https://broadrouter.com/ko/guides/try-broadnet-inference-playground/)에서 프롬프트를 시험해 볼 수 있습니다. 아랍어 출력에 대해서는 [아랍어 프롬프트 엔지니어링](https://broadrouter.com/ko/blog/arabic-prompt-engineering/) 글에서 문체, 방언, 숫자, 오른쪽에서 왼쪽으로 쓰는 서식을 다룹니다.

구조화된 출력은 [GLM 5.3](https://broadrouter.com/ko/models/glm-5.3/)과 [Qwen3.8 27B](https://broadrouter.com/ko/models/qwen3.8-27b/)에 문서화되어 있습니다. DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B에서는 추론도 `max_tokens`에 포함되므로, “단계별로 생각하라”는 프롬프트에는 예산에도 여유가 필요합니다.

## 자주 묻는 질문

### 최신 모델에서도 프롬프트 엔지니어링이 필요한가요?

네, 다만 요령은 달라집니다. 최신 모델은 평이하고 구체적인 지시를 잘 따르므로, 대부분의 작업은 요구 사항을 명확히 밝히고, 예시를 주고, 실제 입력으로 테스트하는 것입니다.

### 언제 대신 파인튜닝을 해야 하나요?

예시까지 넣고 충분히 테스트한 프롬프트가 여전히 상당수의 사례에서 실패하거나, 요청마다 보내기에는 너무 길 때입니다. Anthropic 문서는 지연 시간이나 비용을 낮추는 것 같은 일부 목표는 다른 모델을 고르는 편이 더 쉽다고도 말합니다.

### 아랍어 출력을 원하면 프롬프트도 아랍어로 써야 하나요?

어느 쪽이든 될 수 있습니다. 원하는 문체나 방언, 숫자와 혼합 텍스트를 처리하는 방법을 명시하세요. 아랍어 프롬프트 엔지니어링 글에서 두 방식을 비교합니다.

## 함께 보기

-   [시스템 프롬프트(system prompt)](https://broadrouter.com/ko/glossary/system-prompt/) (용어)
-   [퓨샷 프롬프팅(few-shot prompting)](https://broadrouter.com/ko/glossary/few-shot-prompting/) (용어)
-   [생각의 사슬(CoT, chain-of-thought)](https://broadrouter.com/ko/glossary/chain-of-thought/) (용어)
-   [컨텍스트 엔지니어링(context engineering)](https://broadrouter.com/ko/glossary/context-engineering/) (용어)
-   [LLM 평가(eval)](https://broadrouter.com/ko/glossary/eval/) (용어)
-   [구조화된 출력(Structured output)](https://broadrouter.com/ko/glossary/structured-output/) (용어)
-   [계정 없이 브라우저에서 BroadNet Inference 체험하기](https://broadrouter.com/ko/guides/try-broadnet-inference-playground/) (가이드)
-   [아랍어 프롬프트 엔지니어링: 문체, RTL, 숫자, 혼용 텍스트](https://broadrouter.com/ko/blog/arabic-prompt-engineering/) (글)
-   [프롬프트 토큰 줄이기: 시스템 프롬프트, 도구, 데이터 절감 실측](https://broadrouter.com/ko/blog/reduce-prompt-tokens/) (글)
-   [파인튜닝 전에: 해결할 문제부터 정의하세요](https://broadrouter.com/ko/blog/fine-tuning-readiness/) (글)

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

[시작하기](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-prompt-engineering&utm_content=page-cta) ·

**출처**

-   [OpenAI API 문서, 프롬프트 엔지니어링 가이드(2026-11-15 확인)](https://developers.openai.com/api/docs/guides/prompt-engineering)
-   [Anthropic 문서, 프롬프트 엔지니어링 개요(2026-11-15 확인)](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview)
-   [Anthropic Engineering, Effective context engineering for AI agents(2026-11-15 확인)](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
