답변이 너무 막연할 때 더 유용한 결과를 얻으려면 어떻게 하나요?
‘더 자세히’라고 반복하기보다 검증 가능한 추가 정보를 제공하세요.
어떤 정보가 빠졌는지 명시하세요
‘답변이 별로야’라는 말만으로는 다음 단계를 정하기 어렵습니다. 재현 단계가 빠졌는지, 원문 인용이 없는지, 환경을 혼동했는지, 검증된 사실과 추측을 구분하지 않았는지 명확히 말하세요. 원래 작업 전체를 다시 보내기보다 구체적인 문제를 지적하는 편이 효과적입니다.
먼저 모델이 필요한 자료를 받았는지 확인하세요. 버전 정보, 오류 메시지, 목표 범위가 없으면 긴 답변도 추측에 불과할 수 있습니다.
출력 기준으로 결과를 구체화하세요
‘문제, 근거, 영향, 다음 단계’ 네 열처럼 확인하기 쉬운 형식을 제공하고 모르는 정보는 표시하도록 요청하세요.
예를 들어 단순히 ‘더 자세히’라고 하기보다 ‘두 번째 결론을 뒷받침하는 로그를 추가하고 아직 검증하지 않은 조건을 명시해 줘’라고 하세요. 이런 피드백은 검증 가능한 결과를 직접 바꾸며 자료 부족인지 추론 누락인지 파악하는 데 도움이 됩니다.
- 결론과 직접 관련된 자료를 추가하세요.
- 충족해야 할 제약과 바꿀 수 없는 조건을 나열하세요.
- 핵심 결론부터 요청한 뒤 정말 필요한 부분을 확장하세요.
- 근거에 비추어 결과를 확인하고 누락을 하나씩 바로잡으세요.
언제 모델을 바꾸나요?
자료와 작업 설명이 충분해진 뒤에야 다른 사용 가능한 모델과 비교할 가치가 있습니다. 차이를 판단하려면 입력과 평가 기준을 일관되게 유지하세요. 모델 전환은 모든 오류를 고치는 방법이 아닙니다. 실제 환경에서는 도구로 핵심 사실을 검증하게 하거나 아직 검증할 수 없는 내용을 명확히 하세요. 최종 전달 전에 핵심 근거와 조작의 영향을 직접 확인하세요.