부록 F. 추가 학습 링크

더 깊이 배우고 싶을 때 참고할 자료입니다. 가장 신뢰할 출처는 당신이 실제로 쓰는 모델 제공자의 공식 프롬프팅 가이드입니다. 이 분야는 빠르게 변하므로, 아래 링크가 옮겨졌거나 내용이 갱신됐을 수 있습니다 — 접속이 안 되면 제공자 사이트에서 "prompt engineering" 또는 "prompting guide"로 검색하세요.

왜 공식 가이드를 먼저 보나

1·9·33장에서 거듭 강조했듯, 기법의 효과는 모델·버전에 종속됩니다. 제3자 블로그·강좌는 특정 시점·특정 모델 기준이라 빠르게 낡습니다. 반면 제공자 공식 문서는 그 모델에 맞는 최신 권고를 담고, 마이그레이션 노트로 변경점도 알려줍니다. 이 안내서도 작성 시점의 공식 가이드들을 근거로 삼았습니다.

📌 원칙: 새 기법·주장을 만나면 "이게 내 모델 공식 가이드에 부합하나?"를 먼저 확인하고, 최종적으로는 직접 검증(23장)하세요.

제공자 공식 가이드 (1차 출처)

각 제공자는 모델별로 가이드를 따로 두는 경우가 많습니다(특히 추론 모델). 자신이 쓰는 정확한 모델의 문서를 보세요 — 9장에서 봤듯 같은 제공자라도 모델에 따라 권고가 다릅니다.

주제별 더 읽을거리 (개념 검색어)

직접 링크 대신, 신뢰할 자료를 찾을 검색어를 제시합니다. 공식 문서·연구 논문·평판 있는 엔지니어링 블로그를 우선하세요.

• 컨텍스트 엔지니어링: "context engineering", "context window management", "compaction"
• 중간 소실: "lost in the middle language models" (원 연구 논문 존재)
• few-shot / CoT: "few-shot prompting", "chain-of-thought prompting" (각각 원 연구 논문 존재)
• RAG: "retrieval augmented generation", "RAG best practices"
• 평가: "LLM evaluation", "LLM-as-judge", "prompt regression testing"
• 에이전트: "LLM agents", "agent context engineering", "tool use"
• 안전: "prompt injection", "OWASP LLM" (LLM 보안 위험 목록)

⚠️ 주의: 연구 논문의 결과는 특정 모델·시점의 것입니다. "중간 소실"이나 "CoT 효과" 같은 발견도 모델 세대에 따라 정도가 다르거나 완화됐을 수 있습니다(14·9장). 논문은 현상을 이해하는 데 쓰고, 현재 내 모델에서의 정도는 직접 검증하세요.

학습 방법 제안

이 안내서를 다 읽었다면, 다음을 권합니다.

1. 자기 평가 세트 만들기 (23장) — 자주 하는 작업 하나를 골라 대표 입력 5개 + 기대 결과를 적어두세요. 이게 모든 실험의 토대입니다.

1. 한 기법씩 직접 검증 (🧪) — 본문의 🧪 콜아웃을 자기 모델에서 하나씩 돌려보세요. "남이 그렇다더라"를 "내 모델에서 확인함"으로 바꾸는 과정이 진짜 실력이 됩니다.

1. 템플릿 모음 시작 (30장) — 잘 작동한 프롬프트를 슬롯 표시해 모아두세요. 쓸수록 자산이 쌓입니다.

1. 공식 가이드 정기 확인 (33장) — 쓰는 모델이 업데이트되거나 바꿀 때, 마이그레이션 노트를 읽고 평가 세트로 재검증하세요.

마지막으로

이 안내서가 준 것은 기법 목록이 아니라 사고법이길 바랍니다. 모델은 계속 바뀌고, 오늘의 기법 일부는 내년에 낡을 것입니다. 하지만 2장의 원리(다음 토큰 예측·컨텍스트 의존·유한한 attention)와 23장의 자세(느낌이 아니라 측정)는 남습니다. 이 둘을 가지면, 다음에 어떤 모델·어떤 기법이 나와도 스스로 판단하고 적응할 수 있습니다.

효과는 간절함이 아니라 정보에서 오고, 영원한 정답은 없으며 영원한 것은 원리와 검증입니다.

목차로 · 처음으로 → 01. 프롬프트 엔지니어링이란 무엇인가