[러닝랩] 과학기술 혁신 리빙랩(생활실험실) 방법론 3.0 연구회

(수시 2차) LLM 입력용 최적 프롬프트 도출 및 테스트 실무 검토

▣ 일시 : 2026. 05. 26 12:00 ~ 15:00

▣ 장소 : 대전창업허브 온라인 화상회의실 

▣ 주제 : LLM 입력용 최적 프롬프트 도출 및 테스트 실무 검토

▣ 참석자 : 연구회 참석자 총 6명 (강성일, 이철주, 김인수, 심형훈, 안진용, 이종현)

▣ 주요 내용

1. 학습개요

⚪ 주제: LLM 입력용 최적 프롬프트 도출 및 테스트 실무 검토

⚪ 핵심 키워드: 프롬프트 엔지니어링, 파라미터 구조화, 리빙랩 프로세스, 로직 테스트 (내용 요약)

⚪ 활동 개요: 리빙랩 단계별 최적 활동 추천 결과의 정확도를 높이기 위한 프롬프트 엔지니어링 및 성과 예측 로직 테스트 세부 작업

2. 학습 모임 내용

2.1 학습 목표

⚪ 리빙랩 3.0 프롬프트 입력을 위한 핵심 데이터(파라미터) 구조화

⚪ 단계별 리빙랩 최적 활동 추천을 위한 프롬프트 설계 및 엔지니어링

⚪ 프롬프트 추천 결과 테스트 및 타당성 검증

2.2 학습 내용

2.2.1 리빙랩 3.0 프롬프트 입력을 위한 핵심 데이터(파라미터) 구조화

⚪ 내용: 사용자 상황 맞춤형 데이터를 LLM에 인식시키기 위한 변수 정의

⚪ 활동: 기존 리빙랩 2.0 워크북 데이터를 바탕으로 AI가 학습할 수 있도록 목표, 팀 구성, 자원 등의 파라미터를 구조화하는 작업을 진행함.

⚪ 학습 포인트: LLM 프롬프트에 입력할 필수 기초 데이터로 프로젝트의 비전, 목표, 그리고 팀 상황(인원 및 예산 등)을 명확히 정의함. 정의된 사용자 입력 데이터를 분석하여 단계별 리빙랩 최적 활동을 추천하기 위한 알고리즘 로직의 기초 설계 방향을 점검함.

2.2.2 단계별 리빙랩 최적 활동 추천을 위한 프롬프트 설계 및 엔지니어링

⚪ 내용: 리빙랩 프로세스 및 맞춤형 도구(Tool) 도출을 위한 프롬프트 명령어 작성

⚪ 활동: LLM이 사용자 데이터를 기반으로 리빙랩의 4단계 프로세스(문제 탐색, 공동 창조, 실행, 평가)를 정확하게 추천하도록 세부 프롬프트를 설계함.

⚪ 학습 포인트: 입력된 팀 상황과 목표에 따라 데이터 분석, 시뮬레이션 등의 최적 도구를 AI가 맞춤형으로 제안할 수 있도록 지시어를 고도화함. 리빙랩 전 프로세스 과정에 걸친 AI 지원 플랫폼 핵심 기능 구현을 위해, LLM 입력용 최적 프롬프트 도출 로직을 구체화함.

2.2.3 프롬프트 추천 결과 테스트 및 타당성 검증

⚪ 내용: 도출된 프롬프트의 정확도 확인 및 성과 예측 로직 점검

⚪ 활동: 도출된 초안 프롬프트를 가상의 비전과 자원 상황에 대입하여, 리빙랩 수행 기대효과 및 성과 예측 로직이 정확히 작동하는지 테스트함. 사용자 입력 데이터에 따른 AI의 추천 로직(추천 프로세스 및 도구 매칭)의 타당성을 검토하고, 부정확한 답변을 줄이기 위해 프롬프트를 수정 및 보완함.

⚪ 학습 포인트: 향후 진행될 AI/알고리즘 전문가 초청 자문 회의 및 로직 타당성 검토를 대비하여 현재까지의 프롬프트 엔지니어링 테스트 결과를 체계적으로 정리함.

3. 학습 성과

⚪ 프로젝트의 비전, 목표, 그리고 팀 상황(인원 및 예산 등)을 명확히 정의하여 필수 기초 데이터를 구조화함.

⚪ LLM이 리빙랩의 4단계 프로세스와 최적 도구를 맞춤형으로 제안할 수 있도록 세부 프롬프트와 지시어를 고도화함.

⚪ 가상 데이터를 대입한 테스트를 통해 추천 로직의 타당성을 검토하고, 전문가 자문 회의를 대비한 테스트 결과를 체계적으로 정리함.

ㅡ 학습활동사진