Samuel Kyere의 프롬프트 엔지니어링 철학 전환 에세이 — n8n·Make·Langflow 같은 노코드 도구에서 'System Prompt' 한 박스에 모든 규칙을 넣는 'All-in-One Prompt' 방식이 'Prompt Bloat'으로 실패한다는 주장. WhatsApp 세일즈 에이전트 사례: 6개 필드(Colour·Size·Quantity·City·Location·Name) 순서 수집 중 반복 질문·중복 확인·단계 스킵 버그가 매번 '새 지시' 추가로 이어짐 → 프롬프트가 비대해짐. 원인: LLM을 '언어 전문가'와 '로직 엔진' 두 역할 동시에 시키는 것 — 모델의 인지 예산은 규칙 파싱에 소진. 해법 Modular Instruction Set: (1) Contextual Core(정체성·톤), (2) Dynamic Instruction(워크플로우가 매 턴 주입) 분리. 결정적 로직(필드 체크·순서)은 코드 노드가 처리, LLM은 대화만. 3대 원칙: Strict Separation of Concerns, Task-Specific Injection, Minimalist Identity.
- •'All-in-One Prompt' 방식은 Prompt Bloat으로 LLM을 '언어+로직 엔진 이중 역할'에 가두는 오류.
- •LLM 인지 예산 한계로 규칙 파싱에 소진되면 질문 반복·중복 확인·단계 스킵 발생.
- •Modular Instruction Set: Contextual Core(정체성) + Dynamic Instruction(워크플로우 주입) 분리.
- •결정적 로직은 코드 노드가 처리 — LLM은 언어 대화만 담당.
- •3대 원칙: Separation of Concerns, Task-Specific Injection, Minimalist Identity.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
I Swapped All-in-One Prompts for a Modular Instruction Set (and Why You Should Too)
- 1.Prompt Bloat = All-in-One Prompt 방식이 LLM을 언어+로직 이중 과로로 내몸.
- 2.LLM 인지 예산은 규칙 파싱에 소진되면 반복·스킵·중복 버그 양산.
- 3.Modular Instruction Set = Contextual Core + Dynamic Instruction 분리.
- 4.결정적 로직은 워크플로우 코드, LLM은 대화만 담당.
- 5.n8n·Make·Langflow 실무 노코드 패턴에 직접 적용 가능.
왜 중요한가?
한국의 노코드 AI 자동화 구축자(카톡봇·WhatsApp봇·지라봇 등)에 실전 가이드. 특히 기업 챗봇·영업 자동화·헬프데스크 봇이 '프롬프트 하나로 해결' 마인드로 구축되는 흔한 실패 패턴을 구조적 해법으로 교정. Cortex Code SKILL.md와도 같은 철학 — 에이전트 설계의 새 표준 방향.
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:44AI 초안
