다단계 추론과 체인 설계

🔄 Quick Recall: 지난 레슨에서 시스템 프롬프트의 5계층 아키텍처를 배웠어요 — 정체성, 추론 프레임워크, 행동 가이드라인, 제약, 출력 구조. 추론 프레임워크가 출력 품질에 가장 큰 영향을 미친다는 것과 적응적 제약 원칙도요. 이제 그 추론 프레임워크를 구체적 체인으로 구현해요.

왜 체인인가

단일 프롬프트의 한계: 복잡한 문제는 여러 인지 작업을 요구해요. 한 번에 “조사하고 분석하고 평가하고 제안해"라고 하면 각각의 품질이 떨어져요.

해결: 각 인지 작업을 별도 단계로 분리하고, 이전 단계의 출력을 다음 단계의 입력으로 연결하는 체인을 만들어요.

체인 토폴로지

1. 순차적 체인 (Sequential)

각 단계의 출력이 다음 단계의 입력:

[1단계: 데이터 수집] → 출력: 정리된 데이터
    ↓
[2단계: 패턴 분석] → 출력: 발견된 패턴
    ↓
[3단계: 원인 추론] → 출력: 인과 관계
    ↓
[4단계: 추천] → 출력: 행동 제안

적합한 경우: 이전 단계 없이 다음 단계 불가능할 때.

2. 분기 체인 (Branching)

독립적 분석을 병렬로 수행 후 합류:

                    [기술 분석] → 기술 평가
[문제 정의] → ─── [시장 분석] → 시장 평가 ──→ [종합 평가]
                    [법적 분석] → 법적 평가

적합한 경우: 독립적 관점이 여러 개 필요할 때. 확인 편향을 방지해요 — 기술 분석의 결론이 시장 분석에 영향을 미치지 않아요.

3. 발산-수렴 체인 (Diverge-Converge)

많은 옵션을 생성 → 필터링 → 개발 → 선택:

[발산: 10개 아이디어] → [필터: 상위 3개] → [개발: 각각 상세화] → [선택: 최종 1개]

적합한 경우: 창의적 해결이 필요할 때. 넓게 펼쳤다가 좁혀요.

✅ Quick Check: 분기 체인이 확인 편향을 방지하는 이유는? 순차적으로 기술 분석 → 시장 분석 → 법적 분석을 하면 기술 분석의 긍정적 결론이 시장과 법적 분석에도 영향을 미칠 수 있어요(앵커링 효과). 독립적으로 분석한 뒤 합류하면 각 분석이 편향 없이 진행돼요.

단계당 하나의 인지 모드

체인 설계의 황금률: 하나의 단계에서 하나의 인지 작업만.

조사와 분석을 같은 단계에서 하면 양쪽 모두 품질이 떨어져요. 분리하면 각각이 더 깊어져요.

체크포인트 설계

각 단계 사이에 출력 품질을 검증하는 체크포인트:

[단계 1 출력]
    ↓
[체크포인트: 이 출력이 다음 단계의 입력으로 적합한가?]
- 필요한 정보가 모두 포함됐는가?
- 형식이 올바른가?
- 품질이 기준을 충족하는가?
    ↓
[적합하면 → 단계 2] / [부적합하면 → 단계 1 재실행]

실전 체인 예시: 제안서 작성

1단계 (조사): "이 프로젝트의 배경, 경쟁사, 시장 규모를 조사해"
→ 체크포인트: 핵심 데이터 3개 이상 포함?

2단계 (분석): "1단계 데이터에서 우리의 차별점 3가지를 도출해"
→ 체크포인트: 차별점이 데이터로 뒷받침되는가?

3단계 (생성): "차별점을 중심으로 제안서 초안 작성"
→ 체크포인트: 논리적 흐름이 있는가?

4단계 (비판): "제안서의 약점과 예상 반론을 찾아"
→ 체크포인트: 최소 3개 약점 파악?

5단계 (수정): "약점을 보완한 최종 제안서 작성"

단일 프롬프트 “제안서 써줘"와 비교하면 품질 차이가 극적이에요.

핵심 정리

• 복잡한 문제는 여러 인지 작업을 요구하고, 각각을 별도 단계로 분리하면 품질이 높아져요
• 체인 토폴로지: 순차적(의존 관계), 분기(독립적 병렬 분석), 발산-수렴(창의적 탐색)
• 단계당 하나의 인지 모드(조사, 분석, 평가, 생성, 합성, 비판) — 혼합하면 양쪽 다 떨어져요
• 체크포인트가 각 단계의 출력 품질을 검증하고 오류 전파를 방지해요
• 분기 체인이 확인 편향을 방지 — 독립 분석 후 합류
• 같은 문제라도 체인으로 처리하면 단일 프롬프트 대비 품질이 극적으로 향상

Up Next: 다음 레슨에서 자기 수정과 검증 패턴을 다뤄요 — AI가 스스로의 출력을 비판하고 개선하는 방법.