질문을 잘 쓰는 것만으로는 한계가 있습니다. 실무에서 안정적인 결과를 만들려면 AI가 작업할 때 참고하는 입력 환경, 즉 컨텍스트 7요소를 체계적으로 채워야 합니다.
AI 활용 안내: 이 문서는 생성형 AI 보조를 받아 작성되었습니다.
7요소를 먼저 한눈에
mindmap root((Context 7요소)) A[기본 지침] A1[역할] A2[우선순위] A3[금지사항] B[현재 질문] B1[목표] B2[완료조건] C[대화 기록] C1[직전 합의] C2[수정 이력] D[장기 기억] D1[반복 선호] D2[고정 규칙] E[외부 자료] E1[근거 링크] E2[문서 버전] F[도구] F1[사용 가능] F2[제약 조건] G[출력 형식] G1[길이] G2[구조] G3[톤]
요소별 실무 설명
1) 기본 지침 (System Rules)
- 역할: AI의 기본 태도와 안전 기준
- 빠지면: 같은 요청인데 판단/톤이 매번 달라짐
- 최소 포함:
- 역할
- 우선순위(예: 정확성 > 속도)
- 금지사항
2) 현재 질문 (Task Brief)
- 역할: 이번 턴에서 끝낼 목표 고정
- 빠지면: 설명은 길지만 결과물은 불완전
- 최소 포함:
- 목표 1줄
- 완료 기준 1~2줄
3) 대화 기록 (Recent History)
- 역할: 직전 합의 유지
- 빠지면: 같은 질문 반복, 조건 뒤집힘
- 최소 포함:
- 직전 합의 3줄
- 변경된 사항 1줄
4) 장기 기억 (Long-Term Memory)
- 역할: 반복되는 선호/규칙 재사용
- 빠지면: 매번 같은 설명 재입력
- 최소 포함:
- 문체 선호
- 고정 금지 규칙
5) 외부 자료 (Grounding Data)
- 역할: 근거 기반 응답 유도
- 빠지면: 환각/사실 오류 증가
- 최소 포함:
- 공식/1차 출처
- 날짜/버전
6) 도구 (Tools)
- 역할: 실행 수단과 한계 정의
- 빠지면: 가능한 일/불가능한 일 혼재
- 최소 포함:
- 사용 가능한 도구
- 금지 도구 및 보안 제한
7) 출력 형식 (Output Contract)
- 역할: 바로 쓰는 결과물 보장
- 빠지면: 내용은 맞지만 활용 어려움
- 최소 포함:
- 길이
- 섹션 구조
- 톤
실무 예시 1: 거래처 일정 메일
기본 요청
“A사에 일정 재조율 메일 써줘”
7요소 적용
- 기본 지침: 정중/간결, 과장 금지
- 현재 질문: 다음 주 2개 시간 제안
- 대화 기록: 지난 합의 안건 2개
- 장기 기억: 팀은 오후 선호
- 외부 자료: 캘린더 가능 시간
- 도구: 일정 조회 도구
- 출력 형식: 제목 2안 + 본문 1안
결과: 바로 발송 가능한 문서 수준으로 올라감.
실무 예시 2: 주간 동향 보고
- 기본 지침: 경영진용 보고서 톤
- 현재 질문: TOP3 + 리스크 + 액션
- 대화 기록: 지난주 중복 제외
- 장기 기억: 섹션 간격 넉넉히
- 외부 자료: 공식 소스 3개
- 도구: 검색 + 링크 검증
- 출력 형식: 1페이지, 항목당 5줄
결과: “읽기 좋은 요약”이 아니라 “의사결정 가능한 문서”로 변함.
7요소 품질 점수표 (빠른 진단)
- 0점: 없음
- 1점: 일부만 있음
- 2점: 명확히 정의됨
총점 14점 기준:
- 0~6: 불안정 구간
- 7~10: 보통
- 11~14: 안정 구간
30분 실습 (워크시트)
도구
- 메모 앱
- 기존 작업 1건
입력 자료
- 기존 요청문
- 근거 자료 링크
실행
- 기존 요청문에서 7요소 누락 항목 체크
- 누락 3개 이상이면 템플릿으로 재작성
- 재실행 후 결과 비교
복붙 템플릿
[기본 지침]
- 역할:
- 우선순위:
- 금지사항:
[현재 질문]
- 이번 작업 목표:
- 완료 조건:
[대화 기록]
- 직전 합의 3줄:
[장기 기억]
- 고정 선호/규칙:
[외부 자료]
- 참고 문서/링크:
- 버전/날짜:
[도구]
- 사용 가능:
- 제약:
[출력 형식]
- 형태:
- 길이:
- 섹션:성공 판정
- 수정 지시 횟수가 줄었는가
- 결과를 바로 전달 가능한가
- 다음에도 같은 템플릿으로 재현 가능한가
참고 자료
- Anthropic, Effective context engineering for AI agents
https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents - Lewis et al., RAG
https://arxiv.org/abs/2005.11401 - Packer et al., MemGPT
https://arxiv.org/abs/2310.08560 - Liu et al., Lost in the Middle
https://arxiv.org/abs/2307.03172
🧠 칠판 치트시트
- 7요소는 많이 넣는 체크리스트가 아니다
- 필요한 요소를 정확히 채우는 설계도다
- 설계가 좋아지면 모델 교체에도 흔들림이 줄어든다