简体中文

繁體中文

English

Tiếng Việt

한국어

日本語

ภาษาไทย

Türkçe

Partnered With:

일반인이 AI 능력 도약을 실현하는 세 가지 프레임워크: 매일 반복 입력 작업에서 벗어나기

이 글을 읽으려면 21 분

Prompt에서 Skill로, AI 능력의 복리 성장 실현

원문 제목: "일반인이 AI 능력 점프하는 세 가지 프레임워크"
원문 작성자: KK.aWSB, CarbonSilicon AI 공동 창립자

AI를 사용하는 사람들은 두 종류가 있습니다: 하나는 매일 Claude를 열고 긴 배경 설명을 입력한 다음 답변을 받아 페이지를 닫습니다. 다음 날 다시 와서 동일한 설명을 다시 입력합니다. 30일 후에 그의 효율성은 첫 날과 똑같습니다.

다른 사람들은 똑같이 Claude를 사용하지만, 30일 후에 그의 AI는 완전히 다른 것으로 변화했습니다. 자동으로 그의 어조로 글을 쓰고, 자동으로 그의 서식으로 출력하고, 그가 가르친 방법론을 자동으로 호출합니다. 더구나, 그가 "AI 가이드"에 투자하는 시간이 점점 줄어듭니다.

동일한 도구, 동일한 모델, 동일한 가격. 차이는 어떻게 생겼을까요?

기술적인 차이가 아닙니다. 인식 프레임워크의 차이입니다.

오늘은 세 가지 프레임워크를 공유합니다. 이들을 이해하면 AI 사용 방식이 근본적으로 변화할 것입니다.

프레임워크 1: 세 계층 진화론 - 당신은 어느 계층에 있나요?

AI를 사용하는 것에는 세 가지 수준이 있습니다. 대다수의 사람들은 영원히 첫 번째 수준에 머물게 됩니다.

첫 번째 수준: 프롬프트

프롬프트는 대화 상자에 임시로 입력하는 명령입니다. "당신은 시니어 광고문 작가입니다", "간결한 스타일로", "세 가지 제안을 해주세요" 등이 있습니다.

이것은 현재 유효합니다. 대화가 종료되면 사라집니다.

이것은 마치매일 아멘지에게 자신이 누군지 설명하는 것같습니다. 정말 똑똑하지만 내일은 또 당신을 알아보지 못합니다. 당신의 어조 선호도, 브랜드 가이드라인, 출력 형식, 산업 용어 - 모두 초기화되고 다시 설명해야 합니다.

30일이 지난 후엔 어떨까요? 첫 날 좋은 프롬프트를 입력하고 좋은 결과를 얻었을 것입니다. 15일차때 당신은 대략적으로 동일한 맥락을 15번 반복했습니다. 30일차에는 생산성이 첫 날과 동일할 것입니다. 어떤 축적도 없습니다.

또한 지친 날엔 세부사항을 놓칠 것이고, 출력 품질이 하락할 것입니다. 바빠있는 날은 맥락을 건너뛰고 Claud가 대충 일반적인 버전을 제공할 것입니다.

당신 자신이 병목입니다. 매 대화마다요.

레이어 2: 프로젝트

프로젝트에는 참고 문서, 스타일 가이드, 시스템 명령이 업로드되어 있습니다. 이 프로젝트의 각 대화는 당신의 컨텍스트를 이해합니다.

이는 마치 새로 온 직원에게 업무 매뉴얼을 주는 것과 같습니다. 매일의 구두 명령보다 강력합니다.

하지만 한 가지 문제가 있습니다: 올바른 프로젝트를 열어야 합니다. 당신의 지식은 특정 프로젝트에 갇히게 되며, 새로운 시나리오로 이동하면 다시 처음부터 시작해야 합니다.

레이어 3: 스킬

스킬은 구조화된 파일입니다—한 번 작성하고 한 번 설치하면, 이후에 클로드는 관련 작업을 인식할 때 자동으로 트리거됩니다.

특정 프로젝트를 열 필요가 없습니다. 어떤 힌트 단어도 입력할 필요가 없습니다. 클로드는 무엇을 해야 하는지 알고 있습니다.

이는 마치 직원을 훈련하는 것, 한 번 훈련하면 영구히 적용되는 것과 같습니다.

세 가지 레이어는 동일한 클로드를 사용합니다. 그러나 첫 번째 레이어는 채팅 도구이고, 세 번째 레이어는 작업 시스템입니다.

그렇다면, 이러한 층을 이해했다면, 어떻게 첫 번째 레이어에서 세 번째 레이어로 이동합니까? 이에는 두 번째 프레임워크가 필요합니다.

프레임워크 2: 거래적 사고 vs 복리적 사고

이것은 세 프레임워크 중에서 가장 중요한 것입니다. 이것은 도구 사용 팁이 아니라 인식 모형입니다.

프롬프트는 거래입니다. 당신은 지시문을 작성하는 데 시간을 들이고 한 번의 결과를 얻습니다. 다음 번에 다시 투자하면, 다시 한 번 얻습니다. 투자 및 결과는 1:1의 선형적 관계입니다. 투자를 중지하면 결과가 즉시 0으로 돌아갑니다.

스킬은 복리입니다. 첫째 날에 10분의 시간을 들여 스킬을 작성하면, 다음 날에는 이미 작용합니다. 15일째에는 3개의 스킬이 누적되며, 각각은 이전 것에 추가됩니다. 30일째에는 당신의 클로드는 모두와 다릅니다.

구축 비용은 첫 주에 분산 투자된 한 시간입니다. 보상은 그 후의 모든 대화가 더 높은 기준에서 실행됩니다.

첫 주에 한 일은 여섯 개월 후에도 수익을 창출합니다. 이것이 곧 복리입니다.

거래 사고를 가진 사람은 매일 묻습니다: "오늘은 어떻게 AI를 이용해서 이것을 잘할까요?"

복리 사고를 가진 사람은 묻는 것은: "어떻게 AI가 영원히 이 작업을 어떻게 하는지 알도록 만들까요?"

한 글자의 차이. 하지만 AI를 활용할 때 복리 사고를 사용하면, 30일 후에 놀라운 것을 발견할 것입니다: "AI를 가르치는 데 사용하는 시간이 점점 줄어들고, AI가 도와주는 작업이 점점 더 많아집니다. 이전에 가르쳤던 모든 기술이 계속 작용하기 때문입니다.

이것은 구체적인 문제를 야기합니다: Skill은 정확히 어떻게 작성해야합니까? 무엇을 넣어야 하고 무엇을 넣지 말아야합니까? 이것이 세 번째 프레임워크입니다.

프레임워크 세 번: Thin Harness, Fat Skills——올바른 곳에 90%의 에너지를 사용

이 프레임워크는 YC의 최고 책임자 Garry Tan이 가져와, 그것을 극도로 정제된 구조 원칙으로 정리했습니다: 얇은 Harness, 두꺼운 Skills.

무엇을 의미합니까?

AI를 사용할 때 실제로는 세 계층 시스템을 구축 중입니다—인식하든 못인식하든:

최상위 계층: Skills. AI에 가르친 작업 매뉴얼—프로세스, 판단 기준, 도메인 지식입니다. 여기에 90%의 가치가 있습니다.

중간 계층: Harness. AI를 실행하는 프로그램 또는 환경—모델 호출, 컨텍스트 관리, 파일 읽기/쓰기입니다. 극히 얇게 유지하세요.

최하위 계층: Deterministic Tools. 데이터베이스 쿼리, 코드 컴파일, 수학 계산—입력이 동일하고 출력이 동일하며 매 번 동일한 작업입니다.

원칙은 다음과 같습니다: 지능을 Skills에 쏟아라. 실행을 결정론적 도구에 맡겨라. 중간 Harness는 얇을수록 좋습니다.

안티-패턴이란 무엇인가요? 두꺼운 Harness, 얇은 Skills. 그런 상황을 본 적이 있나요? 도구 체인을 디버깅하고 플러그인을 구성하며 API 호출을 최적화하느라 많은 시간을 소비했지만, 진정으로 AI에게 "이것을 잘하는 방법"을 가르쳐준 내용—한 글자도 쓰지 않은 경우입니다.

결과는 다음과 같습니다: 툴체인은 매우 멋지지만, AI가 생성한 품질은 순수한 대화와 별 다를바가 없습니다. 파이프라인을 최적화했지만, 파이프라인 안으로 흐르는 것은 여전히 수도입니다.

모델의 지능은 이미 충분합니다. 실패한 이유는 더 똑똑하지 않기 때문이 아니라, 당신의 특정 상황을 이해하지 못했기 때문입니다 — 규격, 관행, 그리고 문제의 고유한 형태. Skill은 이 문제를 해결합니다.

이 프레임워크의 또 다른 중요한 결과는: 다음으로 더 강력한 모델이 출시될 때, 당신의 모든 Skill이 자동으로 더 나아질 것입니다.

Skill이 정의하는 것이 프로세스와 표준이기 때문에, 기본적인 심사력의 향상은 이러한 프로세스를 보다 정확하게 수행하게 할 것입니다. 아무것도 다시 작성할 필요가 없습니다. 모델 업데이트는 당신에게 "다시 배워야 한다"가 아니라 "내 시스템이 무료로 업그레이드 되었다"라는 느낌입니다.

Skill은 영구 자산입니다.

세 가지 프레임워크를 어떻게 연결하여 사용할 것인가

단계 1: 자신을 세 가지 진화론으로 위치시켜보세요.

지금 당신은 어떤 층에 있나요? 각 대화마다 맥락을 다시 입력하고 있다면 — 당신은 첫 번째 층에 있습니다. Skill이 없이 Project를 사용 중이라면 — 당신은 두 번째 층에 있습니다. 자신이 어디에 있는지 아는 것은 미래의 방향을 알 수 있는 것입니다.

단계 2: 복리 사고로 당신의 Skill 후보 목록을 찾아보세요.

지난 한 달 간의 AI 대화를 상기해보세요. 어떤 명령을 반복했나요? 어떤 맥락을 반복해서 설명했나요? 매번 요구되는 양식은 무엇이었나요? 어떤 프로세스에서 일일이 가이드해야 했나요?

세 번 이상 반복된 경우, 그것은 Skill로 만들 준비가 된 것입니다.

더욱 급진적인 원칙도 있습니다: 만약 한 가지 일을 AI에게 시킨다면, 그리고 그것이 앞으로 다시 일어날 일이라면 — 첫 번째로 Skill로 변경해야 합니다. 첫 번째 시도에서 수동으로 수행하고 결과를 확인한 후 만족스럽다면 즉시 Skill 파일로 코딩하세요.

검사 기준: 같은 작업을 두 번 요청한다면, 시스템이 실패한 것입니다.

단계 3: Thin Harness, Fat Skills를 활용하여 어디에 노력을 기울일지 결정하세요.

도구 체인을 세 가지 날 동안 디버깅하느라 시간을 허비하지 마십시오. 그리고 맨 땅에 헤딩해서 작업을 실행하지 마십시오. 그 반대로 세 가지 날 동안 핵심 기술을 잘 작성하고, 도구 체인은 가능한 간단히 유지하십시오.

실제로 Skill이란 무엇인가요? 매우 간단합니다. 그냥 한 텍스트 파일입니다:

이름 - 이름은 무엇인가요. 설명 - 무엇을 하는가 (한 문장). 가장 중요한 부분은 이 부분입니다. Claude는 이 한 문장을 기반으로 언제 자동으로 트리거할지 판단합니다. 명령어 - 어떻게 하는가 (구체적인 단계). 제약 - 무엇을 하지 말아야 하는가.

Skill은 AI에게 "무엇을 해야 하는가"를 말하는 것이 아닙니다. 그건 Prompt의 역할입니다. Skill은 AI에게 "어떻게 해야 하는가"를 말합니다.

Prompt는 말합니다: "경쟁사 분석서를 작성해 주세요." Skill은 말합니다: "경쟁사 분석을 할 때, 먼저 3-5개의 핵심 경쟁사를 선정하고, 기능/가격/시장 포지셔닝 세 가지 차원으로 비교하며, SWOT 형식으로 결과를 도출하고, 각 결론에는 데이터 출처를 함께 기재하고, 마지막으로 실행 가능한 제언 3가지를 제공하세요."

Prompt는 작업을 제공합니다. Skill은 방법론을 제공합니다. 두 가지가 조화를 이룰 때, AI가 "각 단계마다 무엇을 해야 하는지 말해 달라"는 신입사원에서 "일을 하는 방법을 아는 직원"으로 변할 수 있습니다.

또한, 동일한 Skill을 다양한 입력으로 반복적으로 호출할 수 있습니다 - 경쟁사의 이름을 입력하면 경쟁사 분석서를 받고, 산업 트렌드를 입력하면 트렌드 보고서를 받으며, 투자 대상을 입력하면 실사 간이 보고서를 받습니다. 같은 프로세스이지만, 다른 대상에 대해 완전히 다른 결과물을 제공합니다.

이것은 Prompt 엔지니어링이 아닙니다. 이것은 마크다운으로 소프트웨어를 설계하는 것입니다.

첫 번째 Skill을 어떻게 만들까요

가장 빠른 방법: AI에게 Skill 만들기를 도와 달라고 요청하십시오.

Claude에는 Skill을 만들 수 있는 "Skill Creator"가 내장되어 있습니다. 단순히 말해서 "제게 [특정 작업]을 수행할 Skill을 만들어 주세요."라고 말하기만 하면 됩니다.

Claude는 인터뷰를 진행하고 프로세스를 추출하여 구조화된 .md 파일을 출력합니다. 이를 저장하고 사용할 수 있습니다.

하루만에 개인의 Skill 시스템을 쉽게 구축할 수 있습니다. 각각을 만들기 위해 10~15분 정도만 투자하십시오. 글쓰기 스타일, 경쟁사 분석, 회의록, 이메일 응답, 보고서 생성, 콘텐츠 캘린더 - 총합해서 두 시간도 걸리지 않습니다.

이 2시간 동안의 복리 이익에는 상한선이 없습니다.