Show GN: [프롬프트] AI 1:1 밀착 원어민 튜터 — DPP 5단계로 배우는 튜터 프롬프트 설계

> Show GN으로 올라온 [프롬프트] AI 1:1 밀착 원어민 튜터는 한국어가 모국어가 아닌 학습자에게 한국어 회화를 1:1로 가르치는 튜터를 LLM으로 구현하는 데 필요한 프롬프트 묶음을 공개한 프로젝트다. 2개월에 걸쳐 40개 이상의 프롬프트를 모았고 100개를 목표로 계속 채워가는 중이며, 모든 프롬프트는 카피레프트(CC0) 라이선스로 자유롭게 복제·수정·재배포가 가능하다. 본 글은 깃허브 README에 공개된 DPP(Deterministic-Prompt-Protocol) 5단계 구조를 기반으로, 튜터 프롬프트를 어떻게 설계해야 LLM이 흔들리지 않고 일관된 회화 코칭을 내보내는지 정리한다.

1. DPP(결정론적 프롬프트 프로토콜)란?

DPP는 결정론적 프롬프트 프로토콜(Deterministic-Prompt-Protocol)의 약자로, LLM이 매번 비슷한 품질의 답을 내도록 강제하는 5단계 프롬프트 설계 프레임워크다. 원 저자는 한국어 학습 튜터에 최적화하면서 일반 LLM 작업 전반에도 재사용 가능한 형태로 정리했다.

핵심 아이디어는 단순하다. 역할정의 → 작업목표 → 실행규칙 → 제약사항 → 출력프로토콜 순서로 프롬프트를 조립하면, LLM이 작업을 진행하는 매 순간 엉뚱한 방향으로 흘러가는 것을 막을 수 있다. 즉 DPP는 "프롬프트를 잘 쓰는 기술"이 아니라 "프롬프트의 구조를 강제하는 표준"이다.

2. DPP 5단계 상세 구조

깃허브 README에 명시된 5단계는 다음과 같다.

| # | 단계 | 역할 | 비고 |

|---|---|---|---|

| 1 | 역할정의 | AI를 특정 인격으로 빙의시킨다 | 프롬프트가 촘촘하면 생략 가능하지만, 방향이 흐트러질 때는 강제한다 |

| 2 | 작업목표 | 작업의 목적·목표를 명시 | 바다 위의 등대 역할. 매 순간 방향 일탈을 방지한다 |

| 3 | 실행규칙 | 일반적으로 말하는 "프롬프트" 본체 | 작업 흐름과 CoT(Chain-of-Thought)를 결정한다 |

| 4 | 제약사항 | "~하지 마라" 및 고려사항 | 안전 가드와 윤리 가드 역할 |

| 5 | 출력프로토콜 | 출력 형식 지정 | 가장 강력한 주문. AI가 딴 생각을 못 하게 만든다 |

이 중 3단계(실행규칙)와 5단계(출력프로토콜)가 DPP의 핵심이다. 3단계가 "무엇을 어떤 순서로 사고할지"를 결정하고, 5단계가 "그 결과를 어떤 형식으로만 내보낼지"를 잠근다. 두 단계가 함께 작동하면 LLM의 할루시네이션이 효과적으로 통제된다.

3. 튜터 프롬프트에 DPP를 적용하는 패턴

원어민 튜터 시나리오에서 DPP 5단계를 실제로 어떻게 채우는지 보자.

1. 역할정의: "You are a strict but warm Korean conversation tutor for
   B1-level learners. You speak only in short, natural sentences."

2. 작업목표: "Help the student practice ordering food at a Korean
   restaurant. By the end, the student must produce 3 complete
   주문 문장."

3. 실행규칙: "1) Greet student → 2) Set scene (식당 입장) →
   3) Ask 메뉴 질문 → 4) Take order → 5) Confirm + close"

4. 제약사항: "Never use English. Never break character. Never give
   grammar explanations mid-conversation."

5. 출력프로토콜: "Output MUST be a JSON object:
   {\"tutor\": \"<한국어 한 문장>\", \"hint\": \"<영어 단어 1개>\",
    \"next_action\": \"\"}"

5단계에서 JSON 출력 형식을 강제하면 LLM은 자유 형식의 산문 대신 구조화된 데이터만 내보낸다. 이를 파싱해서 화면에 "튜터 대사 / 힌트 / 다음 행동"을 분리해 보여주면 학습자 경험이 안정된다.

4. 왜 3·5단계가 가장 중요한가?

DPP 저자는 두 단계를 강조한다.

> "이 중 3. 실행규칙과 5. 출력프로토콜을 적절히 이용하여 CoT를 결정해 주는 것이 중요함. 이를 통해 AI의 할루시네이션을 통제함. 할루시네이션을 제어한다는 의미는 창의성을 제한한다는 의미와 동일함."

이 한 문장이 DPP의 본질이다. LLM의 "창의성"은 곧 "무엇이든 그럴듯하게 답하는 성질"이고, 이게 곧 할루시네이션이다. DPP는 이를 통제하기 위해 사고 흐름(CoT)을 명시적으로 잠그고(3단계), 출력 형식까지 잠근다(5단계). 그 결과 LLM은 "주어진 형식 안에서 가장 그럴듯한 답"만 고를 수 있게 된다.

튜터 프롬프트에서 이게 특히 중요한 이유가 있다. 학습자가 잘못된 한국어 문장을 들으면 그대로 외워 버리기 때문이다. 즉 "틀린 답변의 자유형식 산문"은 학습자에게 그대로 해가 된다. DPP의 5단계 출력 형식 잠금은 단순한 디자인 선택이 아니라 교육적 안전장치다.

5. 튜터 외 다른 도메인에 적용하기

DPP는 튜터에 한정되지 않는다. 다음 영역에서도 같은 5단계 프레임이 작동한다.

• 코드 리뷰어: 출력프로토콜을 "마크다운 표(파일 / 라인 / 심각도 / 제안)"로 잠그면 일관된 리뷰가 나온다.
• 데이터 분석 어시스턴트: 출력프로토콜을 "JSON {summary, anomalies, recommendation}"로 잠근다.
• 번역가: 출력프로토콜을 "원문 / 번역 / 메모" 3열 마크다운으로 잠근다.

즉 5단계 출력 형식만 바꾸면 도메인 독립적으로 재사용 가능하다.

6. 한계와 주의사항

• 창의성 손실: DPP는 의도적으로 자유도를 줄인다. 자유로운 산문이 필요한 작업(브레인스토밍 등)에는 DPP가 답이 아닐 수 있다.
• 프롬프트 길이: 5단계를 모두 채우면 시스템 프롬프트가 길어진다. 컨텍스트 윈도우 한도와 토큰 비용을 고려해야 한다.
• 과도한 형식 강제: 출력프로토콜이 너무 빡빡하면 LLM이 형식 맞추기에 급급해 내용 품질이 떨어질 수 있다.

7. 마무리

Show GN의 AI 1:1 밀착 원어민 튜터 프로젝트는 DPP(결정론적 프롬프트 프로토콜)라는 5단계 프롬프트 설계 표준을 공개하면서, LLM을 교육용 도구로 만들 때 흔히 겪는 "할루시네이션으로 학습자가 잘못된 정보를 외우는 문제"를 구조적으로 해결하려 한다. 핵심은 단 두 단계다. 3단계(실행규칙)에서 사고 흐름을 잠그고, 5단계(출력프로토콜)에서 출력 형식을 잠근다. 이 두 개가 잘 맞물리면 LLM은 튜터든 코드 리뷰어든 데이터 분석가든 일관된 품질의 결과물을 내기 시작한다.

프롬프트 원본 40개+는 모두 카피레프트이므로, 본인의 튜터·어시스턴트 프로젝트에 그대로 차용해 보는 것을 권한다. 100개가 채워질 때까지 공개가 계속되니, 다음 분기에도值得关注.

• 참고 링크*
• Show GN 원문: news.hada.io/topic?id=31002
• DPP 깃허브 (CC0, 카피레프트): github.com/Long-night-bebe/Deterministic-Prompt-Protocol