앤스로픽 개발자 타리크 시히파르(Thariq Shihipar)는 클로드의 최신 모델인 '파블 5(Fable 5)'의 성능을 극대화하려면 프롬프트를 작성하기 전에 사용자가 자신의 '모르는 것(맹점)'을 파악하는 것이 필수적이라고 강조합니다. 지나치게 구체적인 프롬프트는 AI의 유연성을 떨어뜨리고 반대로 너무 포괄적이면 뻔한 결과만 내뱉기 때문에, 코딩 에이전트와의 브레인스토밍이나 구조화된 인터뷰를 통해 사전에 맹점을 식별하고 프로젝트의 범위를 명확히 설정해야 합니다.
안스로픽(Anthropic)이 새로운 '페이블 5(Fable 5)' 모델의 도입과 함께 '클로드 코드(Claude Code)'의 시스템 프롬프트를 80%나 대폭 축소했다고 밝혔습니다. 과거에는 프롬프트에 지시사항과 예시를 많이 넣을수록 성능이 좋아졌으나, 새로운 모델은 오히려 스스로의 추론 능력과 창의성을 발휘하는 데 방해가 되기 때문입니다. AI 업계의 프롬프트 엔지니어링 패러다임이 '엄격한 규칙 기반'에서 '핵심 컨텍스트 위주의 간결함'으로 전환되는 중요한 신호로 평가받습니다.
최근 연구에 따르면, AI 모델에게 무례하고 공격적인 프롬프트를 입력할 때 오히려 정중한 프롬프트보다 정확도가 높게 나타납니다. 50개의 객관식 질문을 '매우 정중함'부터 '매무 무례함'까지 다섯 가지 어조로 변형하여 ChatGPT-4o에 테스트한 결과, 무례한 프롬프트의 정확도(84.8%)가 정중한 프롬프트(80.8%)를 상회했습니다. 이는 인간 사회의 통념과 반대되는 결과로, 최신 LLM의 튜닝 과정이나 RLHF(인간 피드백 기반 강화학습)가 모델의 톤 반응 방식을 변화시켰을 가능성을 시사합니다.
AI 코딩 에이전트의 성능을 좌우하는 'AGENTS.md' 파일의 효과를 체계적으로 분석한 실험 결과입니다. 잘못 작성된 문서는 오히려 작업 완성도를 최대 30% 떨어뜨릴 수 있지만, 점진적 정보 공개나 순차적 워크플로우 등 핵심 패턴을 적용하면 모델을 상위 버전으로 업그레이드한 것과 같은 성능 향상을 얻을 수 있습니다.
새로운 AI 모델인 Qwen3.6이 추론 과정에서 설정된 정보를 기억하는 능력을 보여주고 있습니다. 사용자는 여러 차례 테스트를 통해 모델이 지정된 숫자를 실제 추론 단계에서 안정적으로 기억해냄을 확인했습니다. 다만 이 기능이 정상적으로 작동하려면 특정 플래그(`preserve_thinking: true`)를 설정해야 하는 중요한 조건이 있습니다.
구글 크롬에 사용자가 자주 쓰는 AI 프롬프트를 저장해두고 언제든 한 번의 클릭으로 재사용할 수 있는 '스킬(Skills)' 기능이 도입되었습니다. 이 기능은 여러 탭을 넘나들며 반복 작업을 수행해야 하는 번거로움을 없애고 업무 흐름을 간소화해줍니다. 또한 직접 프롬프트를 만들거나 라이브러리에서 기존 스킬을 가져와 커스텀할 수 있어 AI 활용 생산성을 크게 높일 수 있습니다.
미니맥스(MiniMax)에서 새로운 AI 모델인 M2.7을 공개했습니다. 이 템플릿 코드는 해당 모델의 시스템 메시지 처리와 도구(Tool) 호출을 위한 프롬프트 렌더링 방식을 보여줍니다. 모델이 사용자의 요청을 분석하고 사고(Reasoning) 과정을 거쳐 도구를 사용하는 일련의 논리적 구조를 담고 있습니다.