원칙 — 명확하고 구체적인 지시, 그리고 모델에게 생각할 시간 주기.
전술 — 구분자로 입력 경계 표시(```, “”“, < >, <tag> </tag>, :), 구조화된 출력 요청(JSON·HTML), 조건 충족 여부를 모델에게 확인시키기, few-shot 으로 스타일 고정.
https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/
에이전트 역할 분리 — 입력을 좁혀 성공 기준을 가른다
64개 병렬은 결과지 원인이 아니다. 일을 성립시킨 건 셋이다 — 컨텍스트 비대칭, 기계적으로 생성되는 큐, 언어를 바꿔도 통하는 합격 판정 기준(테스트 오라클).
언제 — 실패를 기계적으로 열거할 수 있고, 그걸 반복해서 고쳐야 할 때.
harness 최적화 사다리 — 아래 칸을 손으로 못 짤 때만 올라간다
최적화 대상은 사다리로 올라간다 — prompt → structured context → workflow → harness code → optimizer code. 위 칸이 더 세지만, 아래 칸을 손으로 못 짜는 게…
언제 — harness를 짜다 "이걸 자동화해야 하나" 싶을 때. 먼저 지금 문제가 어느 칸인지 짚는다.
표 중심 개발 — 게임 밸런스를 코드가 아니라 데이터로
숫자를 Shape/Knob/Content 로 가르고, 검증기·헤드리스 시뮬·지표 기준선으로 튜닝 루프를 닫는 절차.
언제 — 밸런스를 바꾸려는데 어디를 고쳐야 할지 몰라 매번 코드를 만질 때. 또는 LLM 이 콘텐츠를 대량으로 뽑아줬는데 손 검수가 불가능할 때. 워크드 예제는 무역 항해 게임(항구·교역품·발견물).