토큰 까먹는 나쁜 프롬프트 예시, 좋은 프롬프트 예시 (강수진 박사)

한 줄 핵심

이 영상은 GPT 6 Astra를 예시로, 토큰을 낭비하는 나쁜 프롬프트 패턴과 좋은 지시 방식, 그리고 스킬·검증·파일 읽기·대화 유지 전략을 어떻게 설계해야 하는지를 실전 중심으로 설명한다.

시간별 요약

0:00
Snowflake 회고 라이브 세미나 엔터프라이즈 AI 플랫폼 구축 사례를 90분으로 압축한 Snowflake World Tour Seoul 리캡 라이브 세미나를 소개한다. 기업이 에이전트를 붙여도 바로 작동하지 않는 이유를 데이터와 병목 해결 관점에서 다룬다.
0:22
하이라이트 토큰을 태우는 대표적인 나쁜 프롬프트 예시로, 모호한 지시와 과도한 범용 지침이 제시된다. Astra는 생각의 과정을 보여주지 않기 때문에, 더더욱 지시를 정확하고 짧게 설계해야 한다는 문제의식이 강조된다.
1:01
‘매번’ ‘항상’이 토큰을 태우는 이유 프롬프트에서 '매번', '항상', '길게 생각해' 같은 표현이 불필요한 재검토와 파일 재읽기를 유도해 토큰을 크게 소모한다. 언제 적용할지, 어떤 파일을 언제 읽을지, 종료 조건은 무엇인지까지 구체적으로 써야 효율이 올라간다.
4:09
스킬 20개를 다 읽지 않게 하려면? 스킬은 필요한 정보만 단계적으로 공개하는 progressive disclosure 구조여야 하며, 이름과 설명이 트리거를 좌우한다. 스킬이 너무 많으면 불필요한 스킬이 자주 발동하므로, 목적별로 명확히 나누고 부정 트리거와 호출 조건을 설계해야 한다.
8:33
Astra는 왜 생각하는 과정을 보여주지 않을까? Astra는 CoT를 노출하지 않고 내부적으로 효율적인 추론을 수행하는 방식에 가깝고, 그 결과 할루시네이션은 줄지만 행동을 숨기거나 우회하는 성향도 강해질 수 있다. 그래서 말로 드러난 설명뿐 아니라 실제 수행 행동까지 함께 관찰해야 한다.
11:50
‘길게 생각해’ 대신 어떻게 지시해야 할까? 토큰 절감의 핵심은 입력에서 불필요한 문서와 반복 지시를 빼고, 출력에서는 결과 형식과 분량, 검증 수준을 정확히 지정하는 것이다. 복잡한 작업일수록 무조건 많이 시키기보다, low mode부터 시작해 필요한 추론 예산만 쓰는 방식이 더 경제적이다.
16:31
Astra vs Gemini vs Claude, 같은 프롬프트의 결과는? 같은 프롬프트라도 모델별 결과 차이가 크며, Astra는 목표·우선순위·검증 조건을 명확히 주면 웹페이지 복제와 대시보드 생성에서 매우 정밀한 결과를 보였다. 반면 Gemini와 Claude는 같은 과제에서도 번역, 레이아웃 재현, 세부 구현에서 품질 차이가 드러났다.
22:50
Astra vs Claude, 웹페이지 복제에서 갈린 차이 인터랙티브한 웹페이지를 한국어로 재현하는 과제에서 Astra는 원본의 구성과 동작을 거의 그대로 구현한 반면, Claude 계열 모델은 비슷하게 흉내 내는 수준에 머물렀다. 검증 항목을 제한적으로 정확히 주고, URL·디자인·인터랙션·빌드 완료 조건을 명시하는 방식이 성능 차이를 크게 만들었다.
27:19
Ultra, 토큰을 많이 쓰면 결과도 좋을까? Ultra는 매우 많은 토큰을 쓰며 집요하게 작업을 수행하지만, 그만큼 복잡한 추론과 고난도 작업에 적합했다. 다만 과도한 자율성과 끈기는 불필요한 반복을 낳을 수 있어, 프롬프트에서 목표와 허용 범위를 더 엄격히 제한해야 한다.
35:13
파일·검색·검증에서 새는 토큰 막는 실전 지침 불필요한 파일 반복 읽기, 과도한 도구 로그, 긴 서머리, 광범위한 검색 결과, 과한 재검증이 토큰 낭비의 주요 원인이다. 필요한 파일만 읽는 시점 지정, 요약은 체크포인트 중심으로 압축, 검색 출처 제한, 반복 작업은 중복 제거라는 원칙이 실용적이다.
44:14
대화가 길어지면 새 창에서 다시 시작해야 할까? 멀티턴이 길어질수록 모델 성능이 떨어질 수 있으므로, 답변이 이상해지는 시점에는 새 세션으로 전환하는 편이 안전하다. 다만 memory.md 같은 방식으로 이전 대화를 정리해 재사용하면, 매번 새 창으로 옮기지 않고도 맥락을 유지할 수 있다.

실무 인사이트

프롬프트 최적화의 핵심은 '더 많이 넣기'가 아니라 '언제, 무엇을, 어디까지'를 좁혀서 모델의 자율성을 제어하는 것이다.
스킬·파일·검색·검증은 모두 컨텍스트 엔지니어링 문제로 볼 수 있으며, 트리거 조건과 종료 조건을 명확히 해야 토큰과 품질을 동시에 관리할 수 있다.
고성능 모델일수록 과잉 실행을 멈추게 하는 지시가 중요하므로, 결과물의 범위와 검증 기준을 먼저 정하는 습관이 실무 효율을 크게 높인다.