https://cookbook.openai.com/examples/gpt-5/gpt-5_prompting_guide

여러분, 안녕하세요! 대한민국 최고의 일타 강사, 저스틴입니다.

오늘 제가 여러분과 함께 파헤쳐 볼 내용은 바로 OpenAI에서 공개한 “GPT-5 prompting guide” 웹페이지 글입니다. 이 가이드에서는 최신 플래그십 모델인 GPT-5를 활용하여 최고의 결과물을 얻기 위한 프롬프트 작성 팁들을 아주 명쾌하게 제시하고 있어요. 자, 그럼 지금부터 저스틴의 명품 강의를 시작해 볼까요? 집중하세요!

GPT-5 프롬프트 완벽 활용 가이드!

오늘 강의는 OpenAI의 공식 “GPT-5 prompting guide” 웹페이지를 기반으로 진행됩니다. 이 가이드의 저자들은 GPT-5가 에이전트 작업 성능, 코딩 능력, 순수 지능, 그리고 조종성(steerability) 면에서 상당한 발전을 이루었다고 강조합니다. 하지만 모델을 ‘그냥’ 사용하는 것만으로는 최고의 성능을 뽑아내기 어렵다는 거죠. 그래서 이 가이드에서는 GPT-5의 잠재력을 최대로 끌어올릴 수 있는 프롬프트 작성의 핵심 비법들을 공개하고 있습니다.

1. 에이전트 워크플로우 예측 가능성: 개발자를 위한 GPT-5!

이 가이드의 저자들은 GPT-5가 특히 개발자들을 위해 설계되었다고 말합니다. 도구 호출(tool calling) 능력, 지시 준수, 그리고 긴 문맥 이해 능력이 크게 향상되어 에이전트 애플리케이션의 기반 모델로 최적이라는 것이죠.

자, 이 부분은 별표 세 개! 에이전트 및 도구 호출 흐름에 GPT-5를 적용한다면, Responses API로 업그레이드하라고 강력히 권장합니다. 왜냐고요? 이 API는 도구 호출 간에 추론이 지속되어 더 효율적이고 지능적인 결과물을 만들어내기 때문입니다. 마치 여러분이 어떤 문제를 풀 때, 이전에 고민했던 흔적을 계속 참고하면서 다음 단계를 진행하는 것과 같다고 생각하시면 됩니다.

2. 에이전트의 ‘적극성’ 제어: GPT-5에게 재량권을 얼마나 줄 것인가?

에이전트 시스템은 모델에게 의사 결정의 대부분을 위임하는 시스템부터, 아주 엄격하게 통제하는 시스템까지 다양합니다. GPT-5는 이 모든 스펙트럼에서 작동하도록 훈련되었다고 이 가이드는 설명합니다. 여기서 중요한 건 GPT-5의 ‘적극성’을 어떻게 조절하느냐 하는 겁니다. 즉, 얼마나 주도적으로 행동하게 할지, 아니면 명시적인 지시를 기다리게 할지 균형을 맞추는 것이죠.

• 적극성 낮추기: 효율성에 집중하고 싶다면! GPT-5는 기본적으로 정확한 답변을 위해 에이전트 환경에서 문맥을 철저히 파악하려 합니다. 불필요한 도구 호출을 제한하고 최종 답변에 도달하는 지연 시간을 최소화하여 에이전트의 ‘활동 범위’를 줄이고 싶다면 다음을 시도해보세요.
  • reasoning_effort를 낮게 설정하세요. 이렇게 하면 탐색 깊이가 줄어들지만 효율성과 지연 시간이 향상됩니다. 많은 워크플로우는 ‘보통’ 또는 ‘낮음’으로도 일관된 결과를 얻을 수 있대요.
  • 프롬프트에 모델이 문제 공간을 어떻게 탐색해야 할지에 대한 명확한 기준을 제시하세요. 가이드에서는 <context_gathering> 태그 안에 목표, 방법, 조기 중단 기준, 깊이, 루프 등을 상세히 정의하는 예시를 보여줍니다.
  • 핵심은, 모델이 불확실성 속에서도 진행할 수 있는 ‘탈출구(escape hatch)’를 명시적으로 제공하는 겁니다. 예를 들어 “완전히 정확하지 않더라도 최대한 빨리 정답을 제공하는 데 집중하라”와 같은 문구를 넣어주면 모델이 덜 ‘망설이게’ 된다는 거죠. 마치 시험 볼 때 “정답이 아니더라도 일단 답을 적어봐!”라고 조언하는 것과 비슷합니다.
• 적극성 높이기: 모델에게 자율성을 주고 싶다면! 반대로 모델의 자율성을 높이고, 도구 호출 지속성을 늘리고, 모호한 질문으로 사용자에게 다시 되묻는 일을 줄이고 싶다면 reasoning_effort를 높이고 다음과 같은 프롬프트를 사용하라고 이 가이드는 제안합니다.
  • <persistence> 태그 안에 “당신은 에이전트입니다. 사용자의 질의가 완전히 해결될 때까지 계속 진행하세요.”, “불확실성에 부딪히더라도 멈추지 말고, 가장 합리적인 접근 방식을 연구하거나 추론하여 계속 진행하세요.” 와 같은 지시를 명확히 주세요.
  • 에이전트 작업의 명확한 ‘종료 조건’을 명시하고, 안전한 행동과 위험한 행동을 구분하며, 언제 사용자에게 다시 제어권을 넘길지 정의하는 것이 유용하다고 가이드의 저자들은 덧붙입니다.

3. 도구 서문(Tool Preamble): 사용자와의 소통!

사용자가 에이전트의 작업을 모니터링할 때, 모델이 도구 호출로 무엇을 하고 왜 하는지에 대한 중간 업데이트는 사용자 경험을 크게 향상시킬 수 있습니다. GPT-5는 이러한 ‘도구 서문’ 메시지를 통해 명확한 초기 계획과 일관된 진행 상황 업데이트를 제공하도록 훈련되었다고 합니다.

프롬프트에서 도구 서문의 빈도, 스타일, 내용을 조절할 수 있습니다. 가이드에서는 <tool_preambles> 태그 안에 “항상 도구를 호출하기 전에 사용자의 목표를 친절하고 명확하며 간결하게 다시 설명하세요.”, “단계별로 진행 상황을 명확하게 표시하면서 각 단계를 간결하게 서술하세요.”와 같은 고품질 서문 프롬프트 예시를 제공합니다.

4. 추론 노력(Reasoning Effort): 작업 난이도에 맞춰 조절하라!

GPT-5에서는 reasoning_effort라는 매개변수를 통해 모델이 얼마나 ‘열심히’ 생각하고 도구를 호출할지 제어할 수 있습니다. 기본값은 ‘중간’이지만, 작업의 난이도에 따라 높이거나 낮출 수 있습니다. 복잡하고 여러 단계로 이루어진 작업에는 더 높은 reasoning_effort를 설정하여 최상의 결과물을 얻는 것을 가이드는 권장합니다.

5. Responses API를 사용한 추론 컨텍스트 재사용: 효율성의 극대화!

이 가이드의 저자들은 GPT-5를 사용할 때 Responses API를 활용하는 것을 강력히 추천합니다. 이를 통해 에이전트 흐름을 개선하고, 비용을 절감하며, 애플리케이션에서 토큰 사용을 더 효율적으로 할 수 있다고 합니다.

실제로, Responses API로 전환하고 previous_response_id를 사용하여 이전 추론 항목을 후속 요청에 다시 전달하는 것만으로도 성능이 크게 향상되었다는 통계적으로 유의미한 개선이 관찰되었다고 이 가이드는 강조합니다. 이는 모델이 이전 추론 흔적을 참조하게 하여 CoT(Chain-of-Thought) 토큰을 절약하고, 각 도구 호출 후 계획을 처음부터 재구성할 필요성을 없애 지연 시간과 성능을 모두 향상시키는 효과가 있습니다. 자, 이 부분은 놓치면 안 됩니다!

6. 코딩 성능 극대화: 계획부터 실행까지!

GPT-5는 코딩 능력 면에서 다른 최첨단 모델들을 능가한다고 합니다. 대규모 코드베이스에서 버그를 수정하고, 대규모 차이점을 처리하며, 다중 파일 리팩토링이나 대규모 새 기능을 구현하는 데 탁월하다는 것이죠. 심지어 프론트엔드와 백엔드 구현을 모두 다루면서 새로운 앱을 처음부터 구축하는 데도 능숙하대요.

• 프론트엔드 앱 개발: GPT-5는 구현 능력뿐만 아니라 뛰어난 미적 감각까지 갖추고 있다고 합니다. 새로운 앱을 만들 때 모델의 프론트엔드 기능을 최대한 활용하려면 Next.js (TypeScript), React, HTML 프레임워크와 Tailwind CSS, shadcn/ui, Radix Themes 같은 스타일링/UI 패키지 사용을 권장합니다.
• 제로-투-원 앱 생성: GPT-5는 앱을 한 번에 구축하는 데 탁월합니다. 초기 실험에서 사용자들이 자체적으로 구성한 ‘우수성 기준표(rubric)’에 따라 반복적으로 실행하도록 모델에게 요청하는 프롬프트가 출력 품질을 향상시킨다는 사실을 발견했습니다. <self_reflection> 태그를 사용하여 모델 스스로 기준표를 만들고, 그 기준표를 기반으로 최상의 솔루션을 반복해서 생각하도록 지시하는 방식이죠. 마치 개발자가 스스로 체크리스트를 만들어서 완벽한 코드를 만들어내는 것과 같습니다.
• 코드베이스 디자인 표준 맞추기: 기존 앱에서 점진적인 변경이나 리팩토링을 구현할 때, 모델이 작성한 코드는 기존 스타일 및 디자인 표준을 준수하고 가능한 한 깔끔하게 코드베이스에 ‘녹아들어야’ 합니다. GPT-5는 프롬프트에 명시적인 지시가 없어도 이미 코드베이스에서 참조 문맥을 검색하지만, 엔지니어링 원칙, 디렉토리 구조, 그리고 암묵적인 모범 사례와 같은 핵심 사항을 요약하는 프롬프트 지시를 통해 이 동작을 더욱 향상시킬 수 있다고 합니다. <code_editing_rules> 태그 안에 <guiding_principles>, <frontend_stack_defaults>, <ui_ux_best_practices> 등을 정의하여 코딩 규칙을 명확히 제시하는 예시가 나와 있습니다. 이건 정말 실전 팁입니다!

7. Cursor의 GPT-5 프롬프트 튜닝 사례: 생산성 향상의 비법!

OpenAI는 AI 코드 에디터 Cursor가 GPT-5의 신뢰할 수 있는 알파 테스터였다고 자랑스럽게 밝히고 있습니다. Cursor 팀이 GPT-5의 기능을 최대한 활용하기 위해 프롬프트를 어떻게 튜닝했는지 살짝 엿볼 수 있습니다.

• 시스템 프롬프트 및 파라미터 튜닝: Cursor의 시스템 프롬프트는 안정적인 도구 호출에 중점을 두며, 상세도와 자율적인 행동 사이의 균형을 맞추고 사용자가 사용자 정의 지시를 구성할 수 있도록 합니다. Cursor의 목표는 에이전트가 장기적인 작업 동안 비교적 자율적으로 작동하면서도 사용자가 제공한 지시를 충실히 따르도록 하는 것이었습니다.
  • 초기에는 모델이 너무 장황하게 출력하는 경향이 있었지만, verbosity API 매개변수를 낮게 설정하여 텍스트 출력을 간결하게 유지하고, 코딩 도구에서만 장황한 출력을 강력히 권장하도록 프롬프트를 수정하여 균형을 찾았다고 합니다. 이것이 바로 디테일의 차이!
  • 모델이 작업을 시작하기 전에 사용자에게 확인이나 다음 단계를 요청하는 경우가 있었는데, 이는 긴 작업 흐름에서 불필요한 마찰을 일으켰습니다. 이를 해결하기 위해 사용 가능한 도구와 주변 문맥뿐만 아니라 제품 동작에 대한 더 많은 세부 정보를 포함시켜 모델이 최소한의 중단으로 더 긴 작업을 수행하도록 유도했습니다.

  Cursor 팀은 이전에 효과적이었던 프롬프트 섹션이 GPT-5에서 최대의 효과를 얻으려면 튜닝이 필요하다는 것을 발견했습니다. 예를 들어, 이전 모델에서는 문맥을 철저히 분석하도록 장려하는 <maximize_context_understanding> 같은 프롬프트가 잘 작동했지만, GPT-5에서는 이미 자연적으로 성찰적이고 문맥을 적극적으로 파악하므로 오히려 역효과를 냈다고 합니다. 이를 해결하기 위해 ‘maximize_’ 접두사를 제거하고 ‘철저함’에 대한 언어를 완화했습니다.

  자, 이 부분은 별표 세 개! 구조화된 XML 스펙(예: <[instruction]_spec>)을 사용하면 프롬프트 지시 준수율이 향상되고, 프롬프트의 다른 곳에서 이전 카테고리 및 섹션을 명확하게 참조할 수 있게 해준다고 합니다.

8. 지능 및 지시 따르기 최적화: 모델을 ‘조련’하는 법!

GPT-5는 지금까지 나온 모델 중 가장 조종성이 뛰어나다고 합니다. 상세도, 톤, 도구 호출 행동에 대한 프롬프트 지시에 매우 잘 반응한다는 것이죠.

• 조종성(Steering): 모델의 상세도, 톤, 도구 호출 행동에 대한 프롬프트 지시에 탁월하게 반응한다는 것은 곧 여러분이 모델을 원하는 대로 움직일 수 있다는 뜻입니다.
• 상세도(Verbosity): GPT-5에서는 모델의 최종 답변 길이에 영향을 미치는 새로운 API 매개변수 verbosity가 도입되었습니다. 전역 기본값과 다르게 특정 상황에서 모델이 행동하기를 원할 때 프롬프트 내에서 자연어 상세도 오버라이드를 통해 제어할 수 있습니다. 위에서 Cursor의 예시처럼 전체적으로는 낮은 상세도를 설정하고, 코딩 도구에 대해서만 높은 상세도를 지정하는 것이 좋은 예시입니다.
• 지시 따르기(Instruction Following): GPT-4.1과 마찬가지로 GPT-5는 프롬프트 지시를 ‘수술적 정밀도’로 따른다고 합니다. 이는 다양한 워크플로우에 유연하게 적용될 수 있도록 해주죠. 하지만, 이 ‘정밀함’ 때문에 잘못 구성되거나 모호하거나 모순된 지시가 포함된 프롬프트는 오히려 다른 모델보다 GPT-5에 더 큰 손상을 줄 수 있다고 경고합니다. 왜냐고요? 모순을 해결하기 위해 추론 토큰을 소모하느라 시간을 낭비하기 때문입니다.자, 이 부분은 별표 세 개! 이 가이드에서는 모순된 지시가 포함된 ‘나쁜’ 프롬프트 예시를 보여주며, 이를 어떻게 수정해야 하는지 명확하게 제시합니다. 핵심은 “환자 동의 없이 절대 예약하지 말라”와 “위험을 줄이기 위해 환자에게 연락 없이 가장 빠른 당일 슬롯을 자동 할당하라”와 같은 모순을 해결하는 것입니다. “응급 상황에서는 환자 조회 없이 즉시 911 안내를 제공하라”와 같이 예외 상황을 명확히 명시하는 것도 중요합니다. 프롬프트를 만들 때, 내부적으로 모순되는 지시가 없는지 꼼꼼히 검토해야 한다는 교훈을 얻을 수 있습니다.
• 최소 추론(Minimal Reasoning): GPT-5에서 처음으로 도입된 ‘최소 추론 노력’은 추론 모델 패러다임의 이점을 유지하면서도 가장 빠른 옵션이라고 합니다. 지연 시간에 민감한 사용자나 GPT-4.1 사용자에게 최고의 업그레이드가 될 것이라고 가이드는 설명합니다.최소 추론 수준에서는 프롬프트에 따라 성능이 더 크게 달라질 수 있으므로, 몇 가지 중요한 사항을 강조합니다.
  • 최종 답변 시작 부분에 모델의 사고 과정을 간략하게 요약한 설명을 요청하면 높은 지능을 요구하는 작업에서 성능이 향상됩니다.
  • 작업 진행 상황을 지속적으로 업데이트하는 철저하고 설명적인 도구 호출 서문을 요청하면 에이전트 워크플로우에서 성능이 향상됩니다.
  • 도구 지시를 최대한 명확히 하고, 위에서 언급한 에이전트 지속성 알림을 삽입하는 것이 최소 추론에서 장기 실행 중 에이전트 능력을 극대화하고 조기 종료를 방지하는 데 특히 중요합니다.
  • 모델이 내부 계획을 수행할 추론 토큰이 적으므로, 프롬프트에 의한 계획이 더욱 중요해집니다.

9. 마크다운 형식: 깔끔한 답변을 원한다면!

기본적으로 GPT-5는 API에서 최종 답변을 마크다운으로 포맷팅하지 않습니다. 하지만 “의미적으로 올바른 경우에만 마크다운을 사용하라”와 같은 프롬프트를 사용하면 계층적인 마크다운 최종 답변을 유도할 수 있다고 합니다. 대화가 길어질수록 마크다운 지시 준수도가 떨어질 수 있으니, 3~5개의 사용자 메시지마다 마크다운 지시를 추가하면 일관성을 유지할 수 있다고 하네요.

10. 메타 프롬프팅: GPT-5에게 프롬프트 최적화를 시켜라!

마지막으로, 정말 흥미로운 내용입니다. 초기 테스터들은 GPT-5를 ‘메타 프롬프터’로 사용하는 데 큰 성공을 거두었다고 합니다. 즉, GPT-5에게 “실패한 프롬프트에 어떤 요소를 추가해야 원하는 행동을 유도할 수 있을까?”, “원치 않는 행동을 방지하기 위해 무엇을 제거해야 할까?”라고 직접 물어봄으로써 프롬프트 수정본을 생성했다는 것이죠. 이거야말로 진정한 ‘일타’의 비법 아니겠습니까?

강의 마무리: 이제 여러분의 차례입니다!

오늘 우리는 OpenAI의 “GPT-5 prompting guide”를 통해 GPT-5라는 강력한 모델을 어떻게 하면 가장 효율적으로, 그리고 지능적으로 활용할 수 있는지 그 비법들을 배워봤습니다.

가이드의 저자들은 프롬프트 작성이 ‘만능’ 솔루션이 아니라는 점을 다시 한번 강조하며, 이 가이드가 GPT-5 활용을 위한 ‘발사대’ 역할을 할 것이라고 말합니다. 끊임없이 실험하고 반복하여 여러분의 문제에 가장 적합한 해결책을 찾아야 한다는 것이죠.

핵심은 이겁니다.

1. GPT-5는 개발자를 위해 최적화된 에이전트 모델이다. 특히 Responses API를 활용하여 추론의 연속성을 확보하는 것이 중요하다.
2. 모델의 ‘적극성’은 reasoning_effort와 명확한 프롬프트 지시로 제어할 수 있다. 효율성을 원하면 낮추고, 자율성을 원하면 높여라.
3. 도구 서문을 통해 사용자와의 소통을 원활하게 하고, 코딩 작업 시에는 코드베이스 디자인 표준을 명확히 제시하여 일관성을 유지하라.
4. 가장 중요한 것 중 하나! 프롬프트는 명확하고 모순이 없어야 한다. 모순된 지시는 모델의 성능을 저해한다. 마치 여러분이 두 명의 선생님에게서 서로 다른 숙제를 받는 것과 같죠. 모델도 헷갈린다는 겁니다.
5. 최소 추론 모드에서는 계획과 도구 지시를 더욱 명확히 해야 한다.
6. 마지막으로, GPT-5를 활용하여 GPT-5를 위한 더 나은 프롬프트를 만들 수 있다는 점!

여러분, 이 강의를 통해 GPT-5를 활용하는 데 필요한 핵심 역량을 단단히 다지셨기를 바랍니다. 배운 내용을 바탕으로 직접 프롬프트를 짜보고, 실험하고, 최적화하는 과정을 통해 여러분만의 ‘일타 프롬프트’를 만들어나가세요! 그럼 다음 강의에서 만나요! 열공!

저스틴) GPT-5 프롬프트 예시를 작성해주세요.

자, 여러분! 저스틴입니다! 지난 시간에 GPT-5 프롬프트 가이드를 통해 이론을 탄탄하게 다졌으니, 이제 실전 프롬프트 예시를 통해 여러분의 머릿속에 ‘쏙쏙’ 박아드릴 시간입니다!

오늘 제공할 프롬프트 예시들은 지난 시간 배운 핵심 개념들을 실제로 어떻게 적용하는지 보여줄 거예요. 어떤 프롬프트가 어떤 의도를 가지고 작성되었는지 잘 살펴보시면서, 여러분의 상황에 맞춰 응용하는 연습을 해보시기 바랍니다.

일타 강사 저스틴의 GPT-5 프롬프트 실전 예시!

1. 적극성 낮추기 프롬프트 예시 (Less Eagerness): 빠른 답변과 효율성 중심

• 저스틴의 해설: 이 프롬프트는 context_gathering 태그를 사용하여 모델의 탐색 깊이를 ‘매우 낮음(very low)’으로 제한하고, ‘완전히 정확하지 않더라도 최대한 빨리 답변하라’는 Bias strongly 문구를 통해 빠른 응답을 유도합니다. 마치 “일단 핵심만 말해!”라고 지시하는 것과 같죠. 복잡한 추론이나 깊은 탐색 없이, 단숨에 답을 얻고자 할 때 유용합니다.

2. 적극성 높이기 프롬프트 예시 (More Eagerness): 철저한 해결과 자율성 중심

• 저스틴의 해설: persistence 태그를 활용하여 모델에게 “끝까지 해내라!”는 강력한 지시를 내리고 있습니다. 불확실성에 대한 대처 방안(스스로 연구, 추론, 가정하고 진행)까지 제시하여 모델의 자율성과 문제 해결 지속성을 극대화합니다. 복잡하고 여러 단계의 작업을 모델이 스스로 이끌어 나가기를 원할 때 최적의 프롬프트입니다.

3. 도구 서문(Tool Preamble) 프롬프트 예시: 작업 진행 상황 투명하게 공개하기

• 저스틴의 해설: 이 프롬프트는 tool_preambles 태그 내에서 모델이 도구 호출 전에 어떤 계획을 가지고 있는지, 그리고 도구 호출 후에 어떤 작업을 했는지 명확히 설명하도록 지시합니다. 사용자가 모델의 작업 흐름을 실시간으로 추적하고 이해하는 데 큰 도움이 됩니다. 마치 “선생님이 다음 문제 어떻게 풀 건지 미리 알려줄게!” 하는 것과 같죠.

4. 코딩 자가 성찰 프롬프트 예시: 고품질 코드 생성을 위한 내부 기준 설정

• 저스틴의 해설: self_reflection 태그는 모델에게 ‘자가 학습’과 ‘자가 평가’ 과정을 명령합니다. 모델 스스로 품질 기준을 만들고, 그 기준에 따라 자신의 결과물을 평가하며 개선하도록 유도하는 강력한 방법입니다. 단순히 코드를 짜는 것을 넘어, ‘잘 짠 코드’를 고민하게 만드는 프롬프트의 정석이라고 할 수 있습니다.

5. 코드 편집 규칙 프롬프트 예시: 기존 코드베이스 스타일 유지

• 저스틴의 해설: 이 프롬프트는 code_editing_rules 태그 아래에 guiding_principles, frontend_stack_defaults, ui_ux_best_practices 등 상세한 규칙을 명시하여, 모델이 기존 코드베이스의 스타일과 디자인 원칙을 완벽하게 따르도록 강제합니다. “우리 집 규칙은 이거야!”라고 명확히 알려주는 것과 같아서, 일관성 있는 코드 유지보수에 필수적입니다.

6. 메타 프롬프팅 예시: 프롬프트 최적화를 GPT-5에게 시키기

• 저스틴의 해설: 메타 프롬프팅의 진수를 보여주는 예시입니다. GPT-5에게 다른 프롬프트를 분석하고 개선하는 역할을 맡기는 것이죠. “나를 가르쳐봐!”라고 모델에게 말하는 것과 같습니다. 여러분이 프롬프트 작성에 어려움을 겪을 때, GPT-5 스스로에게 도움을 요청하는 강력한 도구입니다.

여러분, 어떠셨나요? 이 프롬프트 예시들을 통해 GPT-5라는 강력한 모델을 어떻게 ‘조종’하고 ‘활용’할 수 있는지 감이 오셨으리라 믿습니다.

프롬프트는 단순히 지시를 내리는 것이 아니라, 모델과의 ‘대화’를 디자인하는 과정입니다. 여러분의 의도를 명확하게 전달하고, 모델이 최고의 성능을 낼 수 있도록 길을 열어주는 것이죠.