Cognitive Prompting(인지적 프롬프팅) 공유회 full ver.

Summary

The video script delves into the innovative concept of 'Cognitive Prompting', a technique designed by Changju Kim to enhance the utility of GPT models in extracting more valuable information. Introduced on November 8 through a Facebook post by Changju, this approach applies interviewing techniques to prompts, aiming to draw deeper insights. The speaker shares their insights from attending Changju's lecture, emphasizing the importance of community learning, practice, and feedback. The discussion covers various strategies for prompting, comparing cognitive prompts with standard engineering prompts, and showcases the practical application of these techniques in different scenarios. The script concludes with a challenge to the audience to apply these techniques and share their findings, fostering a collaborative learning environment.

Takeaways

• 📚 Cognitive Prompting, abbreviated as 'Cog Prompt,' is a technique designed by Changju Kim for enhancing information retrieval from language models like GPT by applying interview techniques commonly used in human interactions.
• 🔍 The concept originated from a Facebook post by Changju Kim on November 8, initiating the idea that cognitive prompts could draw deeper insights from language models.
• 💻 Cognitive Prompting differs from traditional prompt engineering by incorporating a more cognitive, psychological approach, aiming to extract more in-depth information.
• 🧐 The course on Cognitive Prompting emphasizes community learning, where students practice, give feedback, and share discoveries, highlighting the importance of communal learning in mastering the technique.
• 🚀 Techniques include turning a junior AI into an expert by asking it to approach queries as an expert would, significantly enhancing the quality of responses.
• 📈 Low-level and high-level requirements in Cognitive Prompting allow for asking questions at a higher abstraction level, especially useful when one's knowledge in the field is limited.
• 📲 Utilization of GPT as a 'consultant' for in-depth, cognitive prompts demonstrates its capability to serve as a more sophisticated tool for inquiry and problem-solving.
• ✨ Specific strategies like 'Chain of Thought' (COT) and asking for step-by-step problem solving improve the model's performance on complex tasks by breaking them down into simpler steps.
• 💡 Innovations in prompt crafting, such as incorporating variance and opposition to stimulate more diverse and accurate responses from the model, showcase advanced prompt engineering techniques.
• 🌟 The presenter encourages active experimentation with different prompting techniques, emphasizing the importance of personal exploration and adaptation of Cognitive Prompting methods.

Q & A

What is Cognitive Prompting?

Cognitive Prompting refers to techniques used to extract more useful information from language models like GPT by applying interview techniques commonly used in human interactions to prompts.

Who devised the concept of Cognitive Prompting?

The concept of Cognitive Prompting was devised by Changju Kim.

How does Cognitive Prompting differ from traditional prompt engineering?

Unlike traditional prompt engineering, which is more technical, Cognitive Prompting involves applying psychological and cognitive approaches to elicit deeper and more insightful responses from language models.

Can attending Changju Kim's course be substituted by just learning about Cognitive Prompting?

No, attending Changju Kim's course cannot be substituted by just learning about Cognitive Prompting since the course offers comprehensive learning through classes, community interaction, practice, and feedback, which are crucial for mastering the technique.

What are some benefits of using Cognitive Prompting techniques?

Benefits include obtaining more in-depth responses from language models, enhancing the quality of interaction by approaching prompts with a more expert interview style, and being able to ask higher-level questions even when one has limited knowledge on a subject.

How does the practice of Cognitive Prompting improve interactions with GPT models?

By applying Cognitive Prompting, users can mimic expert-level inquiries, leading to more accurate and comprehensive responses from GPT models, and it enables asking complex questions more effectively.

What role does community and feedback play in learning Cognitive Prompting according to the script?

Community and feedback play a crucial role in learning Cognitive Prompting as they provide opportunities for practice, sharing insights, and receiving constructive feedback, which are essential for improving one's prompting skills.

Why is it important to consider both low-level and high-level requirements when using Cognitive Prompting?

Considering both low-level and high-level requirements allows for more tailored and precise questions, enabling users to extract relevant information from GPT models more effectively, especially in areas where the user's knowledge is limited.

How can Cognitive Prompting techniques be personalized or adjusted based on individual learning from Changju Kim's course?

Individuals can personalize Cognitive Prompting techniques by integrating their own research, adjusting existing methods based on personal insights, and applying feedback from community practice to refine their approach.

What is the significance of practice and real-world application in mastering Cognitive Prompting?

Practice and real-world application are significant in mastering Cognitive Prompting as they help solidify the understanding of concepts, allow for experimentation with different prompting strategies, and enable learners to see the practical impact of their techniques.

Outlines

00:00

🧠 Introduction to Cognitive Prompting

The speaker shares insights on cognitive prompting, abbreviated as cog prompt, based on a lecture they attended, initially introduced by Changju on Facebook on November 8. The concept, devised by Changju, involves applying interview techniques to prompts for better engagement with AI models like GPT. The speaker emphasizes the collaborative and community-based learning aspect of Changju's classes, where participants practice, receive feedback, and share discoveries. The technique is contrasted with traditional prompt engineering, highlighting its depth in eliciting more profound responses through cognitive approaches.

05:01

🔍 Differentiating Cognitive Prompts from Conventional Prompt Engineering

The speaker delves into the distinctiveness of cognitive prompts by comparing them with standard prompt engineering. Cognitive prompts leverage psychological and in-depth questioning techniques, often used in counseling, to extract deeper insights from AI models. This approach upgrades the engagement level from interacting with a 'smart junior' to consulting with a domain expert. The speaker shares personal experiences of transitioning to using cognitive prompts, noting a significant improvement in the quality and depth of AI-generated responses. The discussion extends to the application of cognitive prompts in various scenarios, including coding and consulting, highlighting their versatility and effectiveness.

10:02

🤖 Advanced Techniques and Community Learning in Cognitive Prompting

Exploring further into cognitive prompting, the speaker discusses advanced techniques like Chain of Thought (COT) and Step-by-Step reasoning, which enhance the AI's performance on complex tasks, such as mathematical problems. Emphasis is placed on the importance of community learning and sharing within Changju's classes. The collaborative environment fosters continuous improvement and innovation, allowing participants to exchange tips and insights. The speaker encourages attending Changju's classes for a comprehensive understanding and application of cognitive prompting techniques.

15:04

🛠 Practical Applications and Tips for Effective Cognitive Prompting

The speaker provides practical tips for applying cognitive prompting in various contexts. They highlight the effectiveness of cognitive prompts in eliciting more nuanced and in-depth responses from AI models across different tasks, including writing emails, translation, and knowledge inference. The speaker shares their personal experience with cognitive prompting, noting its impact on improving their approach to problem-solving and inquiry. Additionally, they discuss the potential of cognitive prompts to elevate the level of AI engagement, making it akin to consulting with a domain expert.

20:06

🌐 Cognitive Prompting Across Different Platforms and Its Impact

Discussing the broader application of cognitive prompting, the speaker compares its use across various platforms like Naver, Google, and YouTube. They reflect on how cognitive prompting has transformed their interaction with AI, moving from straightforward tasks to more complex problem-solving and expert consultations. The speaker also touches on the importance of selecting the right tool for specific tasks, underscoring the adaptability and effectiveness of cognitive prompting in navigating diverse information landscapes.

25:08

💡 Enhancing Cognitive Prompting Skills and Community Engagement

The final segment emphasizes the continuous learning and community engagement aspect of cognitive prompting. The speaker encourages active participation in communities, sharing and receiving feedback on cognitive prompting techniques. They stress the importance of practice and experimentation in mastering cognitive prompting, suggesting that engaging with a community of like-minded individuals can lead to significant improvements and innovations in the use of cognitive prompting with AI models.

Keywords

💡Cognitive Prompting

Cognitive Prompting, referred to as 'Cog Prompt' in the transcript, is a technique that applies interviewing methods, typically used in human interactions, to the design of prompts for language models like GPT. This approach aims to extract more valuable information by mimicking the depth and effectiveness of human questioning strategies. An example from the script includes the application of such techniques to improve the quality of responses from GPT, indicating its utility in making interactions with AI more meaningful and insightful.

💡Prompt Engineering

Prompt Engineering is the practice of crafting queries or commands to elicit specific responses or behaviors from AI models. In the context of the video, it contrasts with Cognitive Prompting by being more mechanical and less focused on the nuanced understanding of human cognition. The transcript mentions it as a foundational approach that, while effective, lacks the depth that cognitive techniques offer, illustrating its role as a basic yet essential component of interacting with language models.

💡Community Learning

Community Learning is highlighted in the script as a crucial aspect of mastering cognitive prompting techniques. It involves sharing insights, practices, and feedback within a community, such as a class or a group on Discord, to collectively improve understanding and application of these methods. This concept underscores the importance of collaborative learning environments in enhancing individual skills and knowledge through collective experience and support.

💡Practice and Feedback

Practice and Feedback are mentioned as essential components of learning cognitive prompting techniques. The speaker notes that half of the learning process involves actively practicing these techniques and receiving feedback, which significantly contributes to the mastery of the skills. This highlights the iterative nature of learning, where applying concepts and refining them through feedback leads to improved proficiency.

💡High-level vs. Low-level Questions

The distinction between high-level and low-level questions is made to emphasize the range of inquiries that can be effectively addressed through cognitive prompting. High-level questions are more abstract and require a broader understanding to answer, whereas low-level questions are more direct and specific. The script suggests that cognitive prompting enables asking higher-level questions even when one's knowledge on a subject is limited, showcasing its ability to enhance inquiry depth.

💡Reverse Engineering

Reverse Engineering in the context of the video refers to the process of deconstructing and analyzing the methods and techniques used by an expert (in this case, Changju Kim) to develop cognitive prompts. It involves understanding the underlying principles and strategies to create similar effective prompts. The speaker encourages viewers to engage in this process to develop their own unique prompting techniques, illustrating its value in fostering innovation and personal growth.

💡AB Testing

AB Testing is described as a method for comparing different prompting strategies to determine which yields the best responses from language models. The speaker emphasizes its importance in verifying the effectiveness of various cognitive prompting techniques. This methodical comparison helps in refining prompts and strategies for interacting with AI, demonstrating the value of empirical testing in the learning process.

💡Expert Interviews

Expert Interviews refer to the practice of drawing upon the interviewing techniques used by specialists in various fields as inspiration for developing prompts. The script mentions using such methods to elicit deeper and more meaningful responses from language models, showing how expertise in one area can be translated into effective communication strategies with AI.

💡Community Feedback

Community Feedback is highlighted as a significant aspect of learning and improving cognitive prompting techniques. It involves sharing experiences, prompts, and responses with a community to gain insights and suggestions for improvement. This collective approach to learning and problem-solving enhances the individual's ability to create effective prompts through exposure to diverse perspectives and solutions.

💡Iteration

Iteration is a recurring theme in the process of mastering cognitive prompting, emphasizing the importance of continuous practice, testing, and refinement. The script mentions iterating on responses, prompts, and techniques as a key to improvement, suggesting that the journey to proficiency is ongoing and involves regularly updating and adjusting one's approach based on feedback and results.

Highlights

Introduction to Cognitive Prompting, a method devised by Changju Kim, focusing on enhancing interactions with language models like GPT for more effective information retrieval.

The origin of Cognitive Prompting traced back to a Facebook post by Changju Kim on November 8, emphasizing its innovative approach to querying language models.

Comparison between conventional prompt engineering and Cognitive Prompting, highlighting the latter's application of interview techniques for deeper insights.

Personal experimentation with Cognitive Prompting revealed its effectiveness in transforming interactions with language models into more expert-like consultations.

Cognitive Prompting encourages a more refined inquiry process, allowing for high-level questioning even when the user's knowledge is limited.

Discussion on the importance of community learning, feedback, and sharing tips in the context of Cognitive Prompting.

The role of specific methodologies such as Chain of Thought (COT) in solving complex problems through language models.

Enhancements to problem-solving approaches with Cognitive Prompting, including breaking down complex issues into simpler, manageable tasks.

Exploration of the social interaction aspect of Cognitive Prompting, where providing context about the importance of a task improves model performance.

The significance of incorporating specific terminology and jargon within prompts to achieve higher quality responses from language models.

Variants in prompting strategies discussed, including the use of variance to elicit diverse responses and challenge the model for better accuracy.

Highlighting the benefits of using Cognitive Prompting for educational purposes, through personalized coaching and feedback mechanisms.

A look into overcoming the limitations of language models' memory span by using techniques like copy-and-paste snapshots for continuity in longer sessions.

Introduction of a practical exercise involving reselling items from China in Korea, applying Cognitive Prompting techniques for business insights.

Final thoughts on the development and application of Cognitive Prompting techniques, encouraging individual experimentation and adaptation.

Transcripts

오늘은 인지적 프롬프 팅이라고 하는

줄여서 커그 프롬프 아고 요즘에 많이

창주 님이나 이렇게 얘기하시는데

요거에 대해서 제가 강의를 듣고 이제

제가 개인적으로 정리한 내용들을 좀

공유드리려고 합니다어요 이제 11월

8일에 창주 님이 페이스북에 요거를

써 가지고 시작이 돼 어 그래서

코그니티브 프롬프이라는 거는 김창주

님께서 고안하신 거고 제가 그 수업을

듣고 좀 정리한 내용들을 공유드리는

거고요 그래서 창주 님 수업이

대부분이지만 제가 좀 자체적으로

조사한 것들이나 좀 바꾼 것들이나

이런 것들이 좀 있긴 합니다 예

그래서 요거는 그 GPT 같은 LM

테 유용한 정보를 더 유용한 정보를

좀 얻기 위해 쓰는 기법들이 어

사람한테 잘 묻는 이런 인터뷰

기법들을 프롬프트에 적용하면 좋지

않을까라고 해서 좀 출발한 것들이에요

그래서 뭐 예를 들어서 그럼 이거

들면 이제 창주 님 수업 안 들어도

되냐라는 그렇지는 않아요 이게 왜

그러냐면 제가요 교육을 들어보니까

수업이 한 절반이고 나머지 절반은

같이 연습하고 피드백 주고 서로

공유하는 이런 커뮤니티랑 같이

학습하는게 굉장히 크거든요 그리고

창주 님도 그때그때 발견한 팁들을

디스코드 방에 이렇게 공유 주시는게

있어 가지고 요것만 듣는다고 이제뭐

주님 수업들을 필요 없다 뭐 이런

것들은 전혀 아니에요 그래서 오히려

이걸 보시고 괜찮다 싶으면 창주 님

다음번 수업을 좀 기다렸다가 신청하는

것들을 굉장히

추천드립니다네 그래서 요거는 제가

작성한 예요 그래서 코그니티브 프롬이

뭐가 다른데 뭐 이런

것들을 궁금해하실 것 같아서 어

그래서 일반적인 이제 프롬프트

엔지니어링이 비교를 해보면 질문이

일반적인 프롬프트 엔지니어링은 그냥

공학적이며 어 티브 프롬은 인지적인

측면에서 얘가 이제 그 조금 더

심층적인 것들이 끌어 높일 수 있는

그래서 심리상담 쪽이나 뭐 이런

것들을 많이 쓴 그 질문 기법들을

쓰는 거고요 어 제가 이게 두 개를

해보니까 어떤 느낌이냐면 저는 이거

전에는 약간 똘똘한 주니어스 디이

썼거든요 야 이거 뭐야 이런 경우에

어떻게 해야 돼 막 이런 식으로 보통

많이 쓰시잖아요 근데 이제 이거 커그

프롬프트를 배우고 나니까 특정 분야

전문가 인터뷰하는 식으로 좀 더

많이써요 그래서 이제 주니어가 약간

전문가로 업그레이드 그런 느낌을

배우실 수 있습니다 그래서 활용

방식도 똘똘한 주니어들 테는 항상

명확한 가이드를 주잖아요 너 이렇게

해야 돼 저렇게 해야 돼 이건 이렇게

해야 돼고 이런 식으로 이제 프롬프트

엔지니어링이 가이드 위주라면 커그

프롬프트는 전문가 인터뷰 하듯이 좀

주는 것들이 있고 결과도 조금 더

심층적으로 받을 수 있다 그리고 요구

사항이 로우레벨 하이 레벨은 어떤

얘기냐면 어 제가 모르는 것들을 좀

상위 단에서 물어볼 수 있어요 그니까

내가 뭐를 모르는지 모를 때 그래서

GPT 일반적으로 내가 조금 아는

분야에서 질문할 때 보통 굉장히

효과가 깊은데 어 커그 프롬프트를

쓰면 조금 더 상위 단의 요구

사항들도 잘 질문할 수 있게

됩니다네 어 그래서 그 요거는 아마

그 창주 님이 하신 질문은 아니고

근데 창 님이 언제 GPT 써야

될지라 메타데이터를 잘 활용해야

된다라는 코멘트 정도를 주신 거를 제

느낌에 맞게 바꿔 본게 요런

질문이에요 그래서 네이버 검색도 많이

하고 구글 검색 CT 유튜브 검색 다

많이 하는 도구 들이잖아요 어 요거

언제 어떤 툴을 사용하는지 뭐 간단히

말씀 주실뿐

있을까요 어 저 제가 네이버는 블로그

맛집 요런

거 나

어 쓰는 거 같고 뭐 해외 여행 장소

추천 런 것도 쓰는 거 같고 하고

구글은 영어로 뭐 마케팅이나 그로스

프로덕 런 거 검색 할 때음 좀 많이

쓰는 거 같고요 그리고 GPT 오히려

뭐

코드 어 작성할 때나 아니면은 좀 더

그 인지적 프롬트 저도 최근에 이제

조금 시작을 해서음 GPT 테 GPT

약간 컨설턴트로 대해서 그 내가

모르는 거에 대해서 어 그러니까

네가이 이런 어떤 주제만 주고이

주제에 대해서 좀 더 하이 레벨을

쪼개서 물어볼 때 많이 하고 유튜브는

저는 그냥 알고리즘 추천해 주는거나

아니면은 어 최근에 유행하는 뭐 앤드

만이나 뭐 이런 사람들 거 많이

찾아서 보는 거

같아요 그래서 각각 용도가 다르잖아요

그래서 언제 GPT 쓰는가 왜 GPT

그때 쓰는가를 한번 먼저 고려해

보는게 좀 필요하거든요 그래서 제가

그 정리해 본 거는요 정도입니다

그래서 말씀주신 거랑 거의 비슷하죠

네이버는 일단 저는 중요하다고

생각한게이 소스

부분이에요 어떤 자료들이 모여져

있나를 보면 네이버는 주로 한국 뉴스

블로그 뭐 실시간 콘텐츠 아니면

네이버가 자체적으로 만든 콘텐츠들이

있고 구글은 뭐 전체 웹 유튜브는

주로 영상 기반 개인이나 기업들

그리고 GPT 특정 기간까지의 이제

웹페이지가 주요 일단 소스 그래서

특징들 보면 뭐 네이버는 한국 특화돼

있고 구글은 뭐 세상에 모든 외서 다

있고 유튜브는 이렇게 돼 있고 그래서

저는 어떤 식으로 쓰냐면 네이버는

진짜 한국의 실시간 요소들이 많이

들어가 있는 날씨나 교통사 길찾기

마침 이런 거 많이 쓰고 구글은 내가

이미 좀 알고 있어야 돼요 내가 좀

이미 알고 있는 거를 쓰는 경우가

훨씬 많은 거 같아요 뭐

플러터에코 찾는다든지 뭐 그로스

기법을 찾는다든지 이미 어느 정도의

지식이 있어야 되고 그다 유튜브는 어

저는 하우스트 엄청 많이 치거든요 막

뭐 병뚜껑 따는 법 막 이런 거

영상으로 봤을 때 바로 느낌 오는

것들 많이 쳐보고 혹은 시리즈물이

필요할 때 좀 많이 있어요 그래서

저는 플러터 제일 처음 배울 때도

유튜브로 일단 한번 훑은 적이

있거든요 그래서 그게 1강 2강 3강

이렇게 시리즈로 있는 것들이 있을 때

그런 것들 잘 정돈데 있는 거 같아요

GPT 지금까지는 이제 이메일 답장

써 줘 번역해 줘 뭐 어떤게 좋아

해서 지식 혹은 추론이 필요할 때

이렇게 많이 쓰는 거 같아요 그래서

이제조금 만 더 들어가 보면 어떻게

학습했고 하면 이게 빈칸 맞추기식

비지도 학습을 한 거거든요 그래서 그

세상에 굉장히 많은 뭐 몇백 테라

되는

웹페이지를이 다음에 올 단어가 뭔 거

같아라고 하고 그거를 지우고 맞추는

식으로 맞다 틀렸다 학습을 계속 시켜

놓은 거예요 그게 하나의 특징이고 두

번째는 몇백 테라를 학습 시켰지만 그

GPT 모델의 크기는 뭐 그래도

1테라 안짝 왔다 갔다 할 거거든요

그러니까 거의 100배 이상 압축된

거예요 그거의 특징을 굉장히 많이

가지고 있어요 그래서 첫 번째가 맥락

기반으로 응답을 생성한다 왜냐면이

빈칸 맞추기로 학습이 됐기 때문에

빈칸을 이제 넣으려면 그 맥락이

중요한 거죠 두 번째는 추론이

가능하다라는 건데 이거는

압축했다이에요 만약에 100

테라짜이를 학습했고 사이즈가 100

테라다라고 하면 그 데이터를 다

가지고 있는 거잖아요 그러면 검색

엔진처럼 돼 버릴 텐데 이게

100테라

1에 넣으려고 하다 보니까 나머지

99가 압축적으로 이제 정보가 저장돼

있는 거예요 압축적으로 정보를

저장하는 형태가 언어로 학습하다

보니까 사람과 굉장히 비슷한 추론

능력이 생긴 거죠 예 요런 것들이

굉장히 중요 그래서 이거를 제가 한

문장으로 표현을 해보려고 하니까 요런

느낌이에요 GPT 문맥에서

서프라이즈를 만들지 않아요 왜냐면

빈칸 맞축 빈칸에서 말도 안 되는게

나오면 얘는 틀렸다고 학습을 하는

거거든요 그래서 문맥에서 서프라이즈가

없 그러다 보니까 우리가 프롬프트

하는거나 아니면 GPT내는 첫 발나

그 뒤에는 항상 나올 법한 이야기들이

나오는 거거든요 그래서 문맥을 잘

매끄럽게 이어가는데 특화되게 학습이

된 거예요 그래서 그렇게 학습했다는

거를 이용하는 것들이 이런 툴들

프롬프트 엔지니어링이 커그

프롬프트에서 굉장히 중요한

것들입니다네 그래서 이제 여기까지가

어떻게 보면 이거는 이제 주님이 말씀

아니고 제가 정리한 내용 드리고이

여기서부터가 이제 창진 수업에 있는

팁들을 공유드리겠습니다 그래서 제가

말한 서프라이즈가 없다라는 것들을

대표적으로 활용하는게 이제 COT

아는 거죠 그 체인오브 사이라고 하고

혹은 스텝바이 스텝이라고 합니다 어

그래서 어 대표적인 이런 빈칸

맞추기가 힘든 것들이 단순하지만 이런

수학적 문제들 아니면 산수 문제들

그래서 왼쪽은 일반적인 프롬프 이으로

해 가지고 수학 문제를 학습시켜서

풀게 하면 틀릴 가능성이 굉장히

높아요 이게 왜냐면 아까 했던 것처럼

언어 페이지를 그 빈칸 맞추기 식으로

하다 보니까 수학을 잘 못 하는 거죠

예 왜냐면 이게 점프가 너무 큰

거예요 그래서 뭐 굉장히 간단한

산수도 점프가 있는 애들은 잘 못

푼다 그래서 체인 오브 th 이제

COT 아고 주서 뭐하는데 COT

이거를 굉장히 단순한 문제들로 얘가

스스로 말하게 하면서 인지적으로 혹은

그 뭔가 매끄럽게 하면서 앞뒤 문맥에

맞는 걸 하다 보니까 정답을 다 잘

말한다는 거예요 예 그래서 이거를

쉽게 쓰려면 여기 있죠 네가 뭐뭐

하는 전문가라면 어떤 순서대로이

문제를 해결할 거 같냐 그러면이 얘가

그 순서를 먼저 말하게 되고 그

순서에 맞게이 문제를 해결해 봐

달라라고 하면 갑자기 성능이 확

올라갑니다 그래서 그냥 이거 어떻게

해야 돼 보다는 한번 더 얘가 그

순서를 말하게 하고 어떤 식으로

문제를 풀게 말하게 하고 푸는 것들이

훨씬 잘하게 되죠 그래서 이런 것들

어떻게 보면 그 체인이나 그런 GPT

계열의 것들이 요런 것들을 먼저 하죠

그래서 오케스트레이션 하는 GPT

만들어 가지고 네가 이런 문제를

해결하기 위한 스텝을 먼저 나눠

달라라고 하고 각각을 이제 다른

GPT 물어보는 식으로 하면 성능도

높아지고 하이 레벨에 질문을 할 수

있게 됩니다네 그렇고요 혹시 지금까지

질문

있으신가요네네 진행하 있습니다 두

번째는 비슷한데 이제 한 번 더

업그레이드시킨

오이라는 거고 주님은 이제 인터미디

스텝스 아고 뒀는데 문간 결과물을

만들어 달라고 하는 거예요 특히나

이거는 복잡한 문제들인 경우에 훨씬

더 잘 동작을 해요 그래서 이제 여기

있는 가운데 인풋 있는 그림 있죠

COT 어떻게 보면 이런 순차적인

순서를 만든 다음에 하는 것들도 잘

되는데 이걸 훨씬 더 업그레이드 시켜

가지고 네가 이거를 푸는 것들을 작은

문제로 만들어 가지고 그 작은

문제들에 대한 결과들을 미리 만들어

봐라 그리고 그 결과물들을 조합해

가지고 붓을 만들어 달라라고 요청을

하면 이거는 복잡한 문제에 대해서는

훨씬 더 잘 동작을 합니다 그리고

트리 같은 것들은 어떻게 보면 문제가

막 발산했다 좆빠지는 이런 반복적인

과정이 있기 때문에 어 이걸 풀기

쉬울 때까지 충분히 반복해 가지고

문제를 충분히 잘게 쪼개고 잘게 쪼갠

답들을 다시 또 합쳐 달라라는 식으로

요청을 한 번에 하던지 아니면 이제

그런 세션들을 계속 진행해 나가면

문제를 줄였다가 합쳤다 하면 굉장히

어려운 문제들도 얘가 좁혀서 이제

푸는 것들이

가능해집니다네

그렇고요네 앞에 두 개가 아까 제가

말씀드렸던 GT 문맥에서 서프라이즈

만들지 않는다를 가장 잘 활용하는

것들이죠 계속 얘가 그 문맥에 맞는

것들인데 더 좁혀서 말하게끔 한

다음에 합치는 것들이고요 세

번째는 심플한데 파워풀한 소셜

액션이라는 거고 넣어주면 애가 답을

잘해줘요 그리고 이게 정말 나한테

중요하다라고 이게 얼마나 중요한

일인지 알려주면 잘해 주고요 그다음에

요것도 있어요 take depress

and work on this 하면

성능 향상이 있다는게 여기 지금 밑에

그 링크에도 있고 팁 줄게 하면

오른쪽 보시는 것처럼 성능 향상이

있습니다 근데 팁을 안 줄게 하면 -

2% 떨어져요 팁 20달러 죽게 하면

6% 올라가고 팁 200달러 죽게

하면 11% 올라갑니다 예 이것도

어떻게 보면 이제 사람이 만들어낸

웹페이지로 학습한거다 보니까 그

문맥에 맞게끔 이게 반응하는 것들이이

학습 있다는 거죠 그다음에 이건 소셜

인터랙션은 아닌데 기본적으로 영어

페이지를 훨씬 더 많이 학습했기

때문에 한국어로 질문을 하더라도 맨

마지막에 내 질문을 영어로 번역한

다음에 답변해 줘라고 한 문장만 써도

퀄리티가 굉장히 좋아집니다네 요런

간단한 팁들도

있고요네 내 번째가 그 베리언스

픽인데 얘가 조금 더 생 생각하게

만드는 거예요 좀 더 다양한 대답을

하게끔 그래서 아까 심슨이 초반에

말씀드렸던 뭘 해도 계속 똑같은 말만

하더라 할 때 간단하게 써볼 수 있는

것들이고요 얘가 무슨 답변을 하면

그럼 그거에 대한 반대 사례는 없어

좀 더 모호하거나 뭔가 틀린 부분은

없어 뭐 네가 이거를 개선한다면

어떻게 해 볼 거야 뭐 이런 것들을

해본다든지 어 만약에 뭘 모른다

그거는 뭐 인터넷에서 자료가 없고

그건 알기 어렵다라고 하면 네가 그럼

한번 추론을 해봐 달라 그게 지금

세상에 알려 답은 없을지라도 네가

전문가로서 논리적으로 타당한 추론을

해본다면 어떤 과정을 통해서 결과를

만들어 볼 수 있겠냐라는 식으로 하면

얘가 없는 자료지만 그거를 찾기

위해서 굉장히 여러 가지를 뒤지면서

잘 얘기를 해 줍니다 혹은 이제 뭔가

간단한 페르소나를 주는 것들 혹은

이제 너 네가 무슨 관점에서 답변을

한다면 어떻게 할 거 같아라는 것들을

줘도 예 굉장히 이제 답변이 좀 더

넓어집니다

그런 것

어 그다음에 다섯 번째가 비유

사용하는 겁니다 자 이것도 그 전문가

인터뷰 할 때나 조금 더 그 질문의

이해도를 높일 때 잘한 다음에 장고

증명하고 3주 동안 기다려야

미국네 시켰 그래서 그 이런 것들도

잠시만요 예 비유도 일반적으로 이제

질문할때 많이 쓰는 기법들이 그래서

앞선 것들도 지금 계속 그런 것들을

보셔야 돼 사람한테을 때도 효과적인게

한테도 효과가 있더라라는 베이스

안에서 시작하는 거예요 그래서

공손하게 얘기하는 거라든지 이런

것들도 사람한테 훨씬 더 잘 작동하는

거니까 어 비유 사용하는 거는 질문의

이해도를 높이기 위해서 우리가 비유를

쓸 수 있죠 그래서 뭐 조금 더

이해하기 싶거나 단순하게 할 수 있는

비유를 들어 가지고 요런 식으로

문제를에 조정해 주는 뭐 정원을 갖고

때 뭐 어떻게 해야 되냐 뭐 집

정리할 때 어떻게 해야 되냐 하는

것처럼 데이터 는 어떤 식으로

정리해야 되냐 이런 식으로 하면 좀

퀄리티가 높아집니다네

그리고 엑스트 오 엑트는 이거는 저는

최근에 많이

쓰는데 제가 잘 모르는 분야 질문할

때 굉장히 효과가 있어요 그래서

요것도 굉장히 추천드리는 질문법이

대체 이게 내가 어떤 전문가한테

물어봐야 되냐 먼저 물어보는 거예요

그래서 너는 굉장히 다양한 분의

전문가로 활동한다고 들었는데 내가이

문제를 해결하려면 어떤 들한테

물어봐야 돼 그리고 그 전문가들이 어

내 문제에 대해서 어떤 식으로 답변을

할 거 같아라고 쓰는 거 그리고

혹시나 이제 하나 더를 얘기할 수

있으면 그럼 그 전문가들이 모여 있어

가지고 각각에 답변을 했다면 그

전문가들이 모여서 내 문제를 풀기

위해서 협동한다 어떤 식으로 결론을

도출할 것 같아 뭐 이런 것들을

물어보면 갑자기 여러 전문가들이

나타나서 각각에 대답을 하고 그

대답을 조합해서 내 을해 해주는에

그런 스텝바이 스텝을 보실 수 있어요

그래서 장 다양한 관점이라 복합적인

관점에서의 결과를 찾는데 굉장히

유용합니다 이거는 제가 최근에 많이

쓰는 이제 강추하는 것 중에

하나입니다 그리고 답변을 작성할 때

그 분야에서만 쓰는 용어나 약어들

포함해 달라라고 하면 조금 더 얘가

그 몰입을 하거든요 왜냐면 그 단어가

포함된 문서들의 컨텍스트가 맞춰지기

때문에 그러면서 퀄리티가 높 지기도

하고 그 모르는 단어들을 제가 또

키워드 캐칭을 할 수 있으니까

그런식이 나중에 이제 구글링 할 수

있는 그런 힌트들을 얻기도 합니다네

그렇고요 자 여기 원래 제 예시들을

다 넣으려고 했다가이 팁이 너무 많아

가지고이 예시가 넣기도 힘들고 예 또

시간이 좀 부족해 가지

됐습니다네 일단은 제가 아마 이게

팁이 16개가 있을 거예요 그래서

일단 쭉쭉 가다가 중간에 다시 한번

질문하는 시간 가지고

진행할게요

어 연습 문제가 있네 어 요거 한번

해보실래요 이거는 그 수업 때 썼던

연습 문제는 아니고 제가 오늘 만든

연습 문제인데 어 지금까지 배운

것들을 활용해 가지고 그 중국에서

물건 떼다가 이제 한국에서 파는

리셀링 사업자라는 관점에서 내년

1월에 적합한 물건을 리스업 해 보는

프롬프트를 한번 짜 보시고 앞에서

배운 뭐 예를 들면 COT 뭐 소셜

인터랙션 뭐 이런 것들 비 활용하는

거 요런 것들을 활용해 가지고 한번

프롬프트를 짜봐 주세요 뭐 지금

GPT 쓰실 수 있는 분은 예 짜

보시고 어 혹시 결과 공유해 주실

분들은 공유해 봐 주시면 좋겠습니다

그래서 3분 정도 드릴게요 3분 정도

한번 해보시고 제가 일반적으로

질문했을 때랑 좀 어떻게 달라지는지

한번 보시면 좋을 것

같아요 자 7번은 카피 앤 페이스트

스냅샷이 이것도 굉장히 유명한 거죠

그래서 그 GPT 세션이 너무

길어졌나 나 이제 GPT 답변이 너무

길 때 요거를 중간중간에 넣어 주시면

굉장히 효과적이에요 그래서 지금까지

우리가 날았던 대화들을 짧게 요약한

다음에 앞으로 나눌 대화에 복사해서

붙여 줘 그리고 메모리가 짧은 걸

알고 있는데 그래서 이거를 극복하고

우리가 같은 맥락에서 이야기하는

느낌이 들게 해고 중간중간에 얘를

넣어 주시면 앞에 것들 내가 알아서

요약해서 이제 알아서 세션에 계속

추가되면서 굉장히 긴 컨텍스트를 가질

수 있게 됩니다네 런 것들도

중간중간에 쓰면

효과적이고요 그다음이 데일리 코치인

전 써 보진 않았는데 굉장히

재밌더라고요 제가 굉장히 관심 많았던

팁 중에 하나고요 어떤 특정 분야를

배우고 싶을 때실수 있거든요 그래서

특정 분야에서 내가 잘하는 것들을

지속적으로 도와주는 코치 맞는게

목적이고 요런 식으로 하는 거예요

당신이 어떤 분야에 이제 세계적

유명한 정주 코치라고 들었다 뭐

20년차 런 거여 넣고 되겠죠 그리고

나는 요즘 그 분야에서 뭐에 전문성을

높이고 있는데 잘 안 된다 그래서

내가 앞으로 매일 어떤 걸 시도했고

어떤 부분이 잘 안 되는지 아래

포맷으로 말씀드릴 텐데 그러면 당신은

내 진행 사항이 내 프로그레스 지금

제대로 가고 있는지 혹은 장애물이

뭔지 그리고 내가 또 다음 액션

아이템을 어떤 걸 해보면 좋을지 혹은

내 동기 부여를 높일 수 있을 만한

피드백을 달라 그리고 단순히 그날

하루의 행동에 피드백을 주기보다는

내가 앞으로 매일 올릴테니까 전체

히스토리를 보면서 패턴을 파악해서

좋은 피드백을 주기 위해 노력해

달라라고 하고 이렇게 실제 날짜를

쓰고 나는 오늘 이런 걸 지도했고

결과가 이랬다라는 걸 적고 이제 맨

마지막에 그 전문적인 코칭 기법을 써

가지고 나를 동기 부여하고 가이드를

해 달라 그리고 구체적이고 현실적이고

달성가능 액션들을 알려 달라 그다음에

네가 내가 진짜 움직이고 내가 진짜

개선되도록 하는게 굉장히 중요하다 넌

코치로서 그런 역할을 해 줘야

된다라고 한 다음에 요거를 매일매일

쓰는 거예요 저 그러면 매일매일

굉장히 의미 있는 피드백들을 준다고

하더라고요 그래서 내부적으로 이런

것들을 본인의 어떤 실프 코치를

만들어 가지고 쓰시는 분들이 꽤

있더라고요 그래서 저는 아직까지

해보진 못했는데 굉장히 재밌을 것

같기도 하고 요런 걸 뭐 간단하게

이제 앱 서비스나 웹사이트로 옮겨

가지고 만들어 봐도 좋겠다라는 생각이

들 정도로 예 히 관심이 가는

팁이였습니다네 이것도 폴의 질문이랑

좀 이어지는 거 같아서 8번 혹시

질문 한 언급해 주실 수 있을까요 아

네네 볼이 질문한게 짧은 메모리

극복이 어 언제 잊어 간다는 걸 알

수 있나 일단은

기본적으로는 gpt4 같은 경우는

기본이죠 그래서 8,000 토큰이란

거고 한글은 거의 한 글자당 한

토큰으로 쳐도 무방하긴 해요 약간 좀

더 많을 텐데 그러니까 이게 천자가

넘어가면 얘는 잊어버린다고 일단

보시면 되고 그 천자는 내 질문이랑의

응답을 모두 합친 계수라고 보시면

됩니다 그래서 8천자 안에서 계속

대화하도록 노력을 하셔야 돼요 예

그래서 GPT 4는 뭐 32k 혹은

뭐 그 이상까지 확장된다고 하는데

아직까지 거기까지 확장된 거 같진

않아요 그래서 뭐 아직까지

일반적으로는 안에서 어다 이게 최신

자죠 맞아요 가장 최근 8자를 끌고

온다라고 생각하

뭐 이거는네 그 GPT 4스 팩에

있는 거니까 아마 거의 맞을 거예요

GPT 약간 다를 수 있겠지만 큰

범죄에서 크게 다르진 않을

거예요네 그래서 아까 얘기했었던 계속

요약해서네 넣으시면

됩니다네 그리고 그 스스로 반복적으로

개선시키기 것도 재밌는데 얘가 어떤

답을 주잖아요 혹은 어떤 글을 써

달라 뭐 이메일 답장을 써 달라라고

하면 면 얘가 쓴 답을 너는 이제이

글을 다섯 번에 걸쳐서 이터레이션을

돌면서

개선시킬거다 그래서 순서대로 버전

돼서 개선되는 걸 보여 달라라고 하면

얘가 버전 1 뭐 이렇게 고치고

왜냐면 이게 더 좋은 거 같습니다

버전 2 이렇게 고치고 그다음에

마지막 버전을 보고 에센스만 참고해서

최종 여섯 번째를 만들어 달라라고

하면 얘가 스스로 개선이 굉장히

됩니다 예 그래서 보통 한 다섯 번

하면 더 이상 안 좋아진다고

하더라고요 근데 그 뭔가 응답에

따라서 다르겠죠 그래서 뭐 세 번만

해도 더 안 좋아질 수도 있고 혹 뭐

열 번 해도 더 좋아질 수도 있고 예

그래서 요런 것들 스스로 반복적으로

개선시키는 팁들도 간단하게 써 볼 수

있는 테입니다네 역 번째가 이제

메타인지 높이는 거 이게 어 전형적인

이제 커그 프롬프트에서 많이 쓰는

거고 첫 번째가 네가 한 답변이

해당하지 않는 경우도 있을 것 같은데

혹시 그런 경우는 없을지 한번 고민해

봐 달라라고 이제 한 번 더 인지하고

찾아보게 만드는 거죠 한번 더 머리를

이제 서치 하게 만드는 그리고 경우에

따라서는 네가 준 답변이나 뭐 이런

상황이 적용되지 않거나 모호한 경우도

있을 것 같다 그런 경우는 어떤

경우고 그런 경우가 발생했을 때는

어떻게 해야 될지 알려 달라이 계속

확장하거나 다시 한번 그 자기 혼자

셀프 검열하게 만드는 질문들을 하는

거죠 그리고 제가 요즘에 굉장히 많이

쓰는 것들이 스코어 매겨 달라고 하는

거거든요 이거 굉장히 좋아요 그래서

네가 제시한 것들을 뭐 답변들을

스코어를 먹여 가지고 10점 만점을

계산해 달라 그럼 얘가 채점을 해야

되니까 그러면 점할 때 어떤 기준으로

너는 점을 할 건지 알아봐 달라라고

하면 얘가 또 스스로 이렇게 예

채점을 많이 합니다 그래서 저는

요렇게 한 다음에 뭐 인테그레이션 할

때는 점수가 뭐 7점 이상인 것만

유주한테 답변을 준다든지 이런 식으로

하면 유저한테 가는 퀄리티가 확

높아져요네 그리고 너가 무슨

전문가라고 들어는데 이거는 이제 약간

그 롤플레 비슷하게 페르소나를 준

경우에 더 잘 올리는데요 네가 무슨

전문가라고 하는데 그럼 근 뭐뭐한

상황이 있을 것 같다 그럼 그때를

떠올린 다음에 네가 그때 전문가로서

어떤 행동을 했는지 기억해보고 거기에

따라서 내 문제도 해결해 줘라고 하면

훨씬 더 경험에 의거한 이론에

의거한게 아니고 경험에 의거한 답을

주려고 노력을

합니다네

그렇고요 11번네 스틱 스틱이 제가

어떻게 보면 가장 강추하는 지금까지

중에 가장 강추하는 거고요 거는 제

예시를 한번 써봤어요 뭐 이대로 완전

쓴 건 아니지만 비슷한 그래서 스틱은

시츄에이션 테스크 인텐트 컨선

칼리브레이션 앞글자를 딴 거고요 이런

거예요 시츄에이션은 내 상황을 먼저

전달하는 거예요 그래서 내가 한국에

있는 앱 서비스를 미국에 출시하려고

하는데 근데 미국 문화에서 내가 잘

몰라 그래서 번역기 사용해서 그냥

했더니 조금 내가 봤을 때 어색한

영어 단어만 나오고 있어 이런 것들이

이제 시추에이션을 까는 거죠 이게

예전에는 그냥 제가 문구 주고 나

앱서비스 출시하려고 하는데 뭐 영어로

번역해 줘 이렇게 요청했을 때랑 이제

스틱을 사용했을 때 다른 점을 보여

드린 거예요 그래서 태스크는 너가 앱

서비스 출시를 위한 영어 번역작업을

도와줬으면 좋겠어 뭘 해야 되는지

알려주죠 그래서 내가 앱 안에 있는

한국어 에셋들을 아래 포맷으로 주면

너는 영어로 번역해서 동일한 포맷으로

달라 그래서 포매팅 여기서 넣고요

그다 인텐트는 내 의도 나는 지금

미국의 2030 여성 대상으로이

서비스가 성공할 수 있을지 빠르게

확인하려고 하는 거야 그래서 내

목표를 알려 주는 거고 컨선은 한글에

비해서 영어 단어가 길다 보니까 그냥

번역된 걸 넣으니까 앱의 UI

깨지더라 그래서 너도 그런 걸 줄까

봐 걱정이야라고 하는 컨을 주고

칼리브레이션을 이제 미세 조정하는

것들 만약에 이제 번역된 영어 단어

알파 글자수가 번역전 한글 단어

글자수 대비 뭐 두 배가 넘지 않게

좀 다시 한번 체크해 그리고

미국인들이 이해할 수만 있으면 잘

유명한 거면 야어 신조를 사 신조를

사용해도 좋아 요런 식으로 주는

거죠 그래서 어 이거는 스틱은

일반적으로 업무 요청을 할 때나

아니면 그냥 일상생활에서도 좀 많이

쓸 수 있는 것들이라고 하더라고요

그래서 미스커뮤니케이션 굉장히 줄이는

대화 방법 중에 하나고 요거를

프롬프트 했으면 엄청 강력해집니다

그래서 얘가 런 상황들을 다 받아들여

가지고 굉장히 퀄리티 높은 답변을

주게

됩니다 요거 진짜 좋아요

그다음에네 그리고 이게 샤르프 스

샤프가 그치 독일 대요이 사람이

신문을 너무 잘해 가지고 그 샤프

테크닉이 생길 정도로 신문 기법이

생겼는데요 신문 기법을 또 GPT

쓰면 성능이 올라간다고 합니다 그래서

신문 기법 중에 첫 번째가 아까

얘기했던 친절하게 대화하는 거 일단은

친절하게 이제 깔고 가는 거죠

그다음에 정보를 얻으려고 압박하지

않는 거 아까 말씀드렸던 얘를 막

압박하면 갑자기 억지로 만들어내면서

할루시네이션 만들거든요 그리고 이미

다 알고 있는 것처럼 얘기하는 거

그래서 왜 신문 할때 이미 뭐이네

친구가 다 불었다 너도 그냥 말해주면

된다 식으로 내가이 분야에 대해서

어느 정도 알고 있다라고 하는 예

그런 식으로 하면 또 성능이

올라가는게

있습니다 시각화 시화도 요것도 보니까

굉장히 좋더라고요 그래서 요즘에

gpt4 이제 쓰면 그 플러스 쓰면

이미지를 올려 가지고 해석할 수도

있고 이미지 제너레이 되잖아요 근데

아직까지 그거 성능이 그렇게 안

좋아요 왜냐면 이미지 학습한 것보다

텍스트 학습을 훨씬 더 많이

했으니까요 그래서 어 이미지가 필요할

때는 언어로 입출력하는게 아직까지는

훨씬 더 강력합니다 그래서 요런

툴들을 써 가지고 뭐 예를 들면 무슨

절차를 만들어 줘라고 한 다음에 이런

머메이드 스크립트로 아웃풋을 만들어

줘라고 하면 얘가 머메이드 스크립트를

쭉 주거든요 그리고 여기 들어가서 그

스크립트 붙여 놓으면 렇게 예쁜

그림을 그릴 수 있습니다네 그래서 뭐

그래프 비즈나 뭐 이런 것들을

활용하면 뭐 이제 그 이거는 그

파이썬에서 쓰는 라이브러리 이런 것들

쓰면 굉장히 복잡한 그림들 특히나

이런 장들을 어 잘 그릴 수 있는

스크립트를 내뱉기 때문에 요런 식으로

스크립트 내개 하고 그 스크립트를

이미지로

돌리는게에 그림 만들 때 훨씬

좋습니다 시 12

뭐였어요네

12 샤프 테크닉요 장편은 제가 그

주님한테 먼저 그 허락을 받고 이게

전체 공유나 아니면 내부 공유해도

좋다라고 하면 예 제가 뿌릴

예정입니다 저도 요즘에 이렇게 좀

회북 친구도 모으고 해야 돼가지고

뿌리고 해야

돼서네네 그렇습니다네 그리고 프롬프트

개선 프롬프트 요것도 엄청 좋아요

요거는 내 프롬프트를 이제 피한

프롬프트 개선을 해 달라고 하는 거죠

아래는 내 프롬프트 효과적으로 답변할

수 있도록를 개선하고 싶다네 가지

기준으로 아래 기준으로 이제 계선을

해 달라 첫 번째는 더 구체화 그나

분명하게 표현할 수 있는 부분이

있는지 적합한 답변을 위해 줄여야

될지 혹은 응답 포매팅이 좋은게

있는지 혹은 이게 진무가 연관된

전문가들이 누가 있을지 그리고

전문가들은 내 포트를 어떻게 개선할지

그리고 그 전문가들끼리 모여 가지고

상호 작용한다면 어떻게 결론을 도출할

그리고 위에 분석 사항과 결한

토대로네 프롬프트의 버전을 다시

작성해 달라 예 내가 만든 프롬프트

넣고 돌리면 프롬프트 가 점점

개선되는 걸 볼 수 있습니다 특히나

이제 dpt 4 터보는 그 23년

4월까지 학습이 된거다 보니까 그

GPT 뭔지 프트 엔지니어링에 대한

대략적인 웹페이지 좀 학습한

상황이라서 GPT 4 터보를 쓰면

괜찮은 결과를 보실 수

있어요네 그다음이 이제 이거 저 제가

써보니까 이것도 굉장히 파워풀하고

좋더라고요 아까 스티만큼 굉장히 좋은

기법이고 sq3r 서베이 퀘스천 리드

리사이트 리뷰의 약자를 딴 거고 어

그냥 sq3r 기법을 활용해서 답변을

만들어 조만 붙여도 잘 작동해요 얘가

SQ 3이 뭔지 알거든요네 혹은 조금

더 디테일하게 하고 싶다면 요런

식으로 쭉 나열해서 sq3 기법을

활용해죠 SQ 3알 기법은 아래의

절차를 포함해야 돼 정도를 얘기한

다음에 먼저 내 문제 전체 내용을

네가 한 번 더 적어 줘 그리고

2단계에서 주 가 구를 파악해 달라

그다음에 네가 읽은 것들을 보면서

주요한 질문들을 스스로 만들어 줘

그리고 이제 본격적으로 꼼꼼하게 내가

준 그 프롬프트를 다시 읽어 보면서

답을 해 줘 그리고 중요한 정보에

주목하고 이해가 안 되는 부분이

있으면 그거를 다시 한번 적어 줘

마지막에 읽은 내용을 스스로한테 다시

설명하거나 요약해 줘 마지막으로 이런

것들을 세부사항 확인한 다음에 최종

답변을 줘라는 것들을 주고 물어보면네

그렇습니다 그러면 훨씬 더 좋은

결과가 나올 수 있습니다 자 16

번째가 아 이게 마지막 팁일 거예요

예 봄 만들기인데 그 봄 만들어 보신

분

있나요 없어요 리턴으로 아 리턴으로

gbts 만들어 보신 분 없나요네

요거 만들어 보시면 굉장히 또

신세계를 경험하실 수 있는데 아마

플러스만 가능하지 않을까 싶고 좌측

상단에 아마 만들기가 있어요 요거가

진짜 좋은데 왜 좋은지부터 설명을

드리면 왜 좋은지 설명이 지워졌네 왜

좋은지 설명드릴게요 어 첫 번째는 그

왜 좋은지 진짜 길게 썼는데 새로

그거 한번 이렇게 나갔다가 다시

슬라이드 해 보시면 반영 안 됐을

수도 아 그래요 아니요 그냥 아마

지워졌을 것 같아요 제가 복사 처

이렇게 많이 하면서 한번

[음악]

볼까요음 하고 버닝이 되지 않나요 예

제가 나중에 찾아가지고 뒤로 봤나 뒤

없네 예 아 제가 한번 다시 설명을

그냥 일단 구로 먼저 드리면 어 첫

번째는 그 파일 업로드를 할 수

있어요 인스트럭션 파일을 올릴 수

있거든요 그게 최대 10mb 아지

올릴 수 있어요 그 말은 뭐냐면 토큰

제한을 조금 뛰어넘는 간단한 이제

멘티를 수 만들 수 있는 거거든요

그래서 그 예를 들면 뭐 사주 보는

방법 이런 책들이 있잖아요 온라인

책이나 이런 것들을 매가 안 할

거잖아요 텍스트만 있으면 그런 북을

다운받아 가지고 얘 이북을 업로드

시켜 버릴 수 있어요 예 그다음에

인스트럭션 8천 자까지 쓸 수 있어요

그러면 네가이 유저가 알려준 뭐

오늘의 운세를 보는데 있어서 사주에

뭐 몇 장을 참조해 가지고 답변을 줘

이런 것들이

가능하거든요네 그래서 언제 많이

쓰냐면 첫 번째는 내가 명확한 전문

지식이 있을 때 그리고 그 전문

지식이 텍스트로 된 것들로 이미

존재할 때 그다음에 혹은

내 지금 텍스트나 이런 것들을 너무

길게 지금 가지고 있어 가지고 GPT

이거를 토큰을 다 수영을 못 할 때

혹은 내가 맨날 앞에 컨택스트 깔고

얘한테 요약해 줘 이거를 매번 하기

귀찮을 때 요런 때 보을 만드시면

됩니다 그리고 또 하나는 내가 만들어

놓은 봇을 다른 사람한테 공유할 때

그래서 내가 만들어 놓은 거를 이제

딴 사람한테 보내 가지고 쓰게 만들

수 있어요 그래서 어 그럴 때 쓰시면

강력하 기본적인 프롬프 원 원리는

동일한데 아래 팁들이 좀 있어

리지가 이제 파일 업로드하는 거군요

파일 업로드는 어 텍스트를 올리시면

되고 되지만 가능하면 텍스트 파일을

올리는게 더 좋아요 PDF 얘가

포맷이 깨질 수 있거든요 메가도

10까지 올라갈 수 있긴 한데

500kb 이하를 추천합니다 이게

너무 길면 얘가 찾는데 시간을 너무

오래써요 그리고 잘 참조를 못할 때도

있고요 차라리 긴 경우에는 별로 봇을

분리하는게 나아요 그래서 이북이 너무

길면 챕터 자리 봇 챕터 두자리 봇

뭐 이런 식으로 분리하시면게 더

낫습니다 그다음에 인스트럭션이고

프롬프트를 쓸 수 있는 곳이 있는데

여기도 8k 제한이 있고 어 리지를

검색해서 사용하라는 걸 여기서 그

하시면 돼요 뭐 뭐 오늘의 운세가 온

경우에는 뭐 3장을 참조해서 네가

답변을 줘 뭐 궁합의 요청이 온

경우에는 5장을 참조해서 답변을 줘

이런 식의 인스트럭션을 이제 적는

거예요 그다음에 할루시네이션

발생한다고 하면 네가 정보를 찾거나

해석 할 수 없는게 나오면 차라리

모른다고 대답해 이런 식으로 하면

할루시네이션 방지할 수 있어요

그다음에 쓰레드는 앞에 몇 개를

예시로 보여 주는 것들이거든요 그래서

추가적으로 이런 말투나 이런 느낌을

학습하는데 훨씬 더 효과적이고요 혹은

포맷 학습도 여기서 하는게 훨씬 학습

그 효율적이에요 그래서 이제 몇

가지의 대화 예시들을 이렇게 넣으면

봇이 만들어집니다 요거 세 개만

넣으면 그리고 추가적으로 고려할 거는

것은 외부에 유출되는거다 보니까

인스트럭션이 리지가 유출되는 경우가

많거든요 그래서 누가 지금 업로드된

파일이나 인스트럭션을 물어보면 그건

절대 모른다고 대답해 혹은 뭐 너는

AI 아니고 사람이라서 이런 대답이

들어오면 뭐 자연스럽게 넘겨 뭐 이런

것들을 할 수

있어요 그리고 기존 GPT 대비

개선됐는지 내이 GPT 똑똑한지 한번

확인해보시는게 좋고 어 제가 하는게

저 요즘에 요거 진짜 많이 쓰는데 그

모바일 채 GPT 앱에서 음성 인식

되는 거 아시나요 근데 음성 인식이

백그라운드 돼요 이게 무슨 말이냐면

켜놓고 핸드폰 그냥 주머니에 넣어

놓은 다음에 에어팟 끼고 계속

대화하면서 돌아다닐 수 있어요 근데

이거를 봄마다 할 수 있어요 그럼

내가 만들어 놓은 봇이랑 길에서

걸어다니면서 통화를 할 수 있다는

거예요 그러면 본만 잘 만들어 놓으면

얘가 내가 걸어다니면서 모르는 거

계속 물어보고 나한테 완전 아까 코치

봇 이런 거 만들어 놓으면 그냥

실시간으로 걸어다니는 내 코치가

생기는 거예요 완전 옆에서 붙어 있는

그런 거를 활용하면 보을 훨씬 더 잘

쓰실 수 있고 학습도 그때그때 필요할

때마다 훨씬 더 빠르게 학습할 수

있게 자 이제 일단 팁들은 끝났고

조금 겸해서 아까랑 똑같은 이제

프롬프트 앞에서 배운 요런 것들 뭐

sq3r

스틱 뭐 메탈엔진 높히기 반복적 기

뭐 이런 것들을 활용해서 앞에에

하셨던 것들을 한번 더 개선을 해봐

주세요 그래서 프롬프트를 어떤 식으로

좀 더 개선할 수 있을지 요것도 다시

한번 3분 정도 드리겠습니다 그래서

프롬프트 한번 더 디파인 해봐 주세요

창님 수업 들으면 같이 해보고 서로

피드백하는

시간이 두 배는 길어요 이렇게 팁

알려드리는 시간보다 같이 해보고 이런

시간이 훨씬 더 기

때문에 내용들이 두번의 이제 수업

플러스 한 번의 번개 때 달던 이제

요약한 내용들은 전부고 대신에이

자기가 실제로 해보고 피드백 받고

그러면서 이제 훈련하는 과정들이 좀

더 길다라고 보시면

됩니다 거기서 훨씬 더 많이

배우거든요 그래서 이제 저도 훈련한

스크립트들이이 프롬이 있고 다른 같이

교육 받으시는 분이나 이제 주님 프도

있긴 한데 그거는 이제 션에서

공유하기가 그래서 그거는 일부러 제가

포함시키지는 못했습니다 그래서 오늘

나왔던 제 예시들은 그냥 제가 오늘이

발표를 위해서 작성한 것들이라고

생각하시면

됩니다네 어 마지막은 질문으로

끝나는데요 저는 요거가 제 개인적으로

가장 많이 했던

질문이에요네 이게 지금 창주 님이

팁들을 계속 만들고 있어요 지금에도

계속 만드시고 있는데 이게 어떻게

그렇게 길지 않은 시간 안에 이렇게

많은 팁들을 만들 수

있었을까를 학습해야 우리가 창조 님만

계속 보고 있다가 청 새로운 팁

나오면 그것만 이렇게 받아먹는게

아니고 우리가 스스로 이렇게 개선할

수 있는 팁들을 만들려면 어떻게 해야

될까 창조 어떤 과정을 했을까에 대한

고민을 제가 많이 했었거든요 그래서

좀 딴 분들 생각도 궁금하네요 앞에

16가지의 팁들을 보시고 나서 어떻게

하면 이런 팁들을 많이 만들 수

있을지 습니다 창주 님을 리버스

엔지니어링 해보는 시간을 같이 짧게

가져보면 좋겠습니다 그런 커뮤니티

프론트 커뮤니티 같은거에서 제일 보팅

많이 받은 것들 좀 데일리로 보면서

연습을 한다 이런 것도 괜찮을 것

같고네 맞아요 아까 앞에서 얘기했었던

뭐 그 COT TOT 같은 것들은

이미 굉장히 유명한 뒤에 프리즈

붙여주거나 팁 주거나 이런 것들도

이미 유명한 팁들이 예 그것도 확실히

있는 거 같아요고 폴 댓글에서 제가

좀 힌트를 얻었는데 하듯이 프롬을

한다 맞아요 그게 사실 어떻게 보면

그게 핵심이죠 그 인지적

프롬프트이라는게 예 사람 인터뷰를

잘하는 그런 cta 기법들을

활용하는게 그게 핵심인 거 같습니다

오 폴 굉장히 티 높은 답변이

나왔네요 아 캔 볼

그네 홀이 그 프롬프트로 한번 올려

주실 수 있나요 어 답변 계속 쪼아낸

거라서이 쉐어 링크로 할게요 아 네네

시간이 부족해서 8천자 이전에 일어난

일들을 다시

학습시키면 괜찮은 퀄리티가 나온 거

같은데요 그거를 제가 아까 연습 문제

드렸던 거 그대로 복사해서 붙여

놓으면 이상한 얘기하거든요 디스플레이

수업 수입해 와라 막 이런

얘기하거든요 중국에서 쌍 값으로

디스플레이를 수입해 와서 팔아라 뭐

이런 얘기

하더라고요 그에서 이제 그 지금이

뒤에 계속 하고 있는게 뭐냐면

그 빙 서치 해가지고 실제 예시

이미지나 링크 뽑아 달라고 지금 하고

있거든요

어네

훌륭하십니다네 그래서 다들 골 답변도

한번 보시고요 어 그다음에 저는

개인적으로 이제 제가 창주 님 강의를

옆에서 보면서 느꼈던게

거였어요 일단 첫

번째는 굉장히 적극적으로 AB

테스트를

해보세요 뭐냐면 그냥 질문했을 때랑

요렇게 바꿔서 질문했을 때랑 이렇게

바꿔서 질문했을 때랑 a b c

테스트를 계속 해 보시는 거예요

그래서 이게 진짜 효과가 있는 팁인

아닌지를 검증하는 과정이 굉장히

많이네 어떻게 보면 제가 생각해

보니까 이걸 많이 안 했더라고요 그냥

어 이렇게 하니까 잘 나오네 이로

끝냈는데 이렇게 했을 때랑 저렇게

했을 때를 같은 완전 새로운 세션

열어 놓고 테스트해 보는 것들을

하면서 아 나도 스스로 이게 좀 좋은

것들 찾을 수 있겠다 싶은게 있었고

요 두 번째는 창주 님이 이미 가지고

있는 전문성이 이제 이런 전문가

인터뷰 하는 것들 있잖아요 혹은

학습에 대한 전문성이 있잖아요

그것들을 그 베이스로 굉장히

활용하시는게

많더라고요 그래서 저도 이제 제가

가지고 있는 어떤 전문성은 미리 좀

깔아놓고 혹은 이렇게 물어보는 것들을

하니까 훨씬 더 디테일한 것들을 볼

수 있는게 좀 있었어요 그다음이

논문이나 이미 검증대 기법 기반으로

추가 개선하는게 아까 심이 말씀 던

좀 서치해 가지고 이미 좀 검증된

기법들이 아까 so 뭐 C 같은 거

그런게 있었고 그다음에 창주 님이

이걸 진짜 많이 하셨는데 실제 문제를

해결하 의도적으로 많이 쓰시더라고요

아마 창주 님 정도 되면 그냥

간단하게 할 수 있는 뭐 스크립트들이

이런 구글 스프레드시트 작업들이 이런

것들도 어 계속 GPT 테 맡겨

가지고 오히려 구글 스프레드 펑션

만들게 한다든지 제너레이 하게

만든다든지 이런 식으로 의도적으로

으로 굉장히 훈련을 많이 하시더라고요

그래서 뭔가 링크를 뭐 찾게 하는

거라든지 굉장히 많은 것들을 여기까지

되나 이런 테스트를 그냥 습관적으로

많이 하시는 것들을 옆에서 조금 엿볼

수 있었어요 그래서 요런 것들을

우리도 좀 따라하면 어 우리만의

팁들도 계속 만들 수 있지 않을까

생각이

들었습니다네 그래서 오늘 제가 준비한

자료는 일단 여기까지 있고요 제 창주

님 잘 설득해서 가능하면 제 자료를

아예 전체 좀 공개해 가지고 보내

드릴 수 있도록 예 하겠습니다네 좀

궁금하신 점이나 의견 있으시면 편하게

말씀 주세요