Anthropic 에서 AI agent를 더 효과적으로 만드는 방식을 공유했습니다. Agent를 만들 때 보편적 좋은 프롬프트를 작성하는 것에 집중하는 경향이 있습니다. 그러나 공유한 내용에서는 프롬프트 자체보다 일을 어떻게 나누고 진행시키느냐에 더 집중하는 것이 좋다는 제안입니다. 위 내용을 정리해봤습니다.👾
⸻
1. 복잡한 작업은 나눠서 요구하기
하나의 프롬프트에서 모든 작업을 처리하면 결과값의 편차가 크다고 합니다. 작업이 길어질수록 어디에 문제가 생겼는지 파악도 어렵습니다. 그래서 작업을 나눠서 진행하는 것을 권장합니다.
문제를 이해하고 정보를 정리하는 단계
해결 방법이나 방향을 잡는 단계
실제 결과를 만드는 단계
2. 서로 다른 작업은 동시에 진행하기
모든 작업을 순서대로 진행할 필요는 없다고 합니다. 서로 영향을 주지 않는 작업이라면 동시에 진행하는 것이 효율적입니다.
여러 자료를 동시에 조사
다른 관점에서 아이디어를 구현
다양한 기준으로 결과를 비교
3. 중요한 작업일수록 평가와 개선 구조 필요
사실 완벽하게 결과가 나오는 경우는 많지 않습니다. 실제 에이전트 시스템에서는 결과를 생성하는 단계와 평가하는 단계를 나누는 구조를 권장했습니다.
A 에이전트가 결과를 생성
B 에이전트가 결과를 평가하거나 검토
부족한 부분을 다시 개선
4. 명확한 기준을 먼저 정의하기
결과가 좋은지 판단할 기준이 없다면 에이전트의 결과를 개선하기도 어렵습니다. 그래서 어떤 결과가 좋은 결과인지 먼저 정의해두는 것이 중요합니다.
좋은 결과의 기준을 먼저 정의
평가할 수 있는 체크 기준을 설정
기준을 기반으로 결과를 비교
5. 실제 환경에서 반복적으로 검증하기
실험 환경에서 잘 작동하는 것과 실제 사용 환경에서 잘 작동하는 것은 다를 수 있습니다. 그래서 실제 환경에서 반복적으로 테스트하고 개선하는 과정이 필요합니다.
실제 사용 환경에서 결과 확인
문제나 한계를 발견
다시 수정하고 테스트
⸻
저도 좋은 프롬프트 하나로 좋은 결과를 얻기 위한 시도를 많이 했지만, 보편적으로 좋은 결과를 얻지는 못했던 것 같습니다. 자연스럽게 효율과 정합성을 높이려다 보니 구조화된 형태로 작업을 하게 되었던 것 같은데, 이런 내용을 보니 그래도 방향은 잘 따라가고 있었던 것 같네요.
한 번에 프롬프트로 결과를 만드는 것에 익숙하신 분들은 이런 구조를 한 번 활용해보셔도 좋을 것 같습니다🙌
이미지 출처 : Claude blog