퓨샷 프롬프팅
한 줄 정의
프롬프트 안에 예시 몇 개를 같이 넣어 LLM이 원하는 형식·스타일을 모방하게 만드는 기법입니다.
자세히 알아보기
Few-shot 프롬프팅은 프롬프트 안에 '입력 → 출력' 예시를 2~5개 정도 보여주고, 모델이 그 패턴을 따라 답하게 만드는 방식입니다. 학습이 아니라 단순히 컨텍스트 안에 예시를 넣는 거라서 즉시 효과가 나타납니다. 이 현상을 In-Context Learning이라고 부르기도 합니다.
마케팅 관점에서 few-shot이 유용한 이유는 '브랜드 톤을 빠르게 흉내 내게 하는 가장 싼 방법'이라는 점입니다. 좋은 예시 3~4개만 추려도 답변 스타일이 확연히 달라집니다. 파인튜닝까지 갈 필요가 없는 케이스가 훨씬 많습니다.
단점도 있습니다. 예시가 길어질수록 토큰 비용이 늘고, 컨텍스트 윈도우도 좀먹습니다. 그래서 'few-shot으로 충분한가, 아니면 정말로 파인튜닝이 필요한가'를 판단하는 게 실무 포인트입니다.
관련 용어
프롬프트 엔지니어링
LLM이 원하는 결과를 더 잘 내도록 입력 문구를 설계하는 기술이자 기술 분야로, 모델을 직접 학습시키지 않고도 출력 품질을 크게 바꿀 수 있습니다.
LLM시스템 프롬프트
사용자 메시지보다 먼저 LLM에 전달돼 모델의 역할·말투·행동 규칙을 설정하는 지시문으로, AI 제품의 '캐릭터'를 정의합니다.
LLM사고 연쇄 프롬프팅
LLM이 답을 바로 내지 않고 중간 추론 과정을 단계별로 풀어내도록 유도하는 프롬프트 기법으로, 복잡한 문제 해결에서 정확도를 크게 높입니다.
LLM파인튜닝
이미 사전학습된 LLM을 특정 도메인·작업·말투에 맞춰 추가 학습시키는 과정으로, 자사 데이터에 맞춘 AI를 만들 때 가장 자주 쓰는 방식입니다.
LLM컨텍스트 윈도우
LLM이 한 번에 입력으로 받아들일 수 있는 토큰의 최대 길이로, 모델이 한 번에 참고할 수 있는 문맥의 크기를 결정합니다.
우리 브랜드는 AI 답변에 어떻게 등장하고 있을까요?
Villion은 ChatGPT·Perplexity·AI Overview에서 브랜드 인용 현황을 진단하고, 인용률과 언급 점유율을 끌어올리는 작업을 자동화합니다.
무료 진단 받기