프롬프트 엔지니어링을 죽인 트윗
2025년 6월 19일, Shopify CEO Tobi Lütke는 X에 "프롬프트 엔지니어링"보다 "컨텍스트 엔지니어링"이라는 용어를 선호한다고 올렸습니다. 그는 이를 "LLM이 그럴듯하게 해결할 수 있도록 작업에 대한 모든 컨텍스트를 제공하는 예술"이라고 묘사했습니다. 6일 뒤, AI에서 가장 존경받는 목소리 중 하나인 Andrej Karpathy가 그 용어를 증폭했습니다. 그의 정의는 더 날카로웠습니다. "컨텍스트 엔지니어링은 다음 단계를 위한 딱 맞는 정보로 컨텍스트 윈도우를 채우는 섬세한 예술이자 과학입니다." (Karpathy, 2025)
구절 자체는 새롭지 않았습니다. 자율 코딩 에이전트 Devin 뒤의 팀 Cognition의 Walden Yan은 그해 초부터 그것에 대해 쓰고 있었습니다. 그러나 2025년 6월이 라벨이 주류가 된 시점이었습니다. 2025년 중반에 Gartner는 단순한 한 줄로 애널리스트 브리핑에 구웠습니다. "컨텍스트 엔지니어링은 들어오고, 프롬프트 엔지니어링은 나갑니다." (Gartner, 2025)
일어난 일은 리브랜딩이 아니었습니다. 수정이었습니다. AI 커뮤니티는 "프롬프트 엔지니어링"이라 불린 기술이 항상 더 큰 무언가의 부분집합이었고, 그 부분집합이 더 이상 흥미로운 부분이 아니라는 것을 조용히 인정했습니다. 프롬프트는 한 구성 요소입니다. 컨텍스트는 방 전체입니다.
이것이 중요한 이유는 지식 노동자들이 2년 동안 틀린 것을 배워왔기 때문입니다. 프롬프트 템플릿을 외웠습니다. "궁극의 프롬프트" 트위터 스레드를 수집했습니다. 프롬프트를 주문처럼 취급했습니다. 그 노력은 쓸모없지 않지만, 더 이상 충분하지 않습니다. 문제는 요청을 어떻게 표현하느냐가 아닙니다. 문제는 요청 옆에 무엇을 두느냐입니다.
컨텍스트 엔지니어링이 실제로 의미하는 것
가장 평이한 정의는 이렇습니다. 컨텍스트 엔지니어링은 모델이 실행되기 전에, AI 모델이 작업을 잘 하기 위해 필요한 모든 것을 결정하고, 조립하고, 전달하는 실천입니다.
새 컨설턴트에게 브리핑하는 것으로 생각해 봅니다. 나쁜 브리핑은 한 줄 이메일입니다. 좋은 브리핑은 회사 배경, 관련 이력, 필요한 파일, 이해관계자가 누구인지, 성공이 어떤 모습인지, 범위 밖이 무엇인지 포함합니다. 뛰어난 컨설턴트를 고용하고 나쁜 브리핑을 주면 평범한 산출물을 얻습니다. AI도 마찬가지입니다.
컨설턴트 비유는 Addy Osmani의 것입니다. 그의 에세이 "Context Engineering: Bringing Engineering Discipline to Prompts"에서 가져왔으며, 이 전환에 대한 가장 깨끗한 글 중 하나로 남아 있습니다. 그의 논점은 프롬프트 엔지니어링이 한 줄 이메일을 최적화했다는 것입니다. 컨텍스트 엔지니어링은 전체 브리핑 패키지를 최적화합니다.
실제로 이것은 많은 것을 포함합니다. 시스템 프롬프트(모델이 누구인가), 검색 계층(어떤 문서를 볼 수 있는가), 지속적 메모리(당신에 대해 무엇을 기억하는가), 도구 사용(어떤 행동을 할 수 있는가), 첨부(이 세션을 위해 어떤 파일을 로드했는가), 대화 기록(이미 무엇이 말해졌는가)을 포함합니다. 각각이 레버입니다. 각 레버가 출력에 영향을 줍니다.
이 묶음이 새 이름을 얻은 이유는, 이제 한 레버만 최적화해서는 훌륭한 결과를 얻을 수 없기 때문입니다. 스택을 생각해야 합니다.
프롬프트 엔지니어링은 틀리지 않았다. 단지 불완전했을 뿐이다.
이것을 오래된 모든 것이 틀린 세대적 전환으로 취급하기 쉽습니다. 게으른 프레이밍입니다. 프롬프트 엔지니어링 기법은 여전히 작동합니다. 사고 사슬, 소수 예시, 역할 할당, 명시적 출력 형식 모두 여전히 바늘을 움직입니다.
바뀐 것은 천장입니다. 2023년에는 잘 표현된 프롬프트가 응답 품질을 두 배로 만들 수 있었습니다. 기반 모델이 모호함에 쉽게 혼란스러워했기 때문입니다. 올바른 문장 구조로 GPT-3.5를 어리바리한 인턴에서 일관된 분석가로 바꿀 수 있었습니다. 그 격차는 실재했고, 프롬프트 엔지니어링이 그것을 활용했습니다.
2026년 프론티어 모델은 손잡이가 필요 없습니다. Claude, GPT-5, Gemini 2.5는 모호한 요청을 합리적으로 잘 이해합니다. 표현의 한계 수익은 떨어졌습니다. 그러나 관련 원본 자료, 범위 지정된 메모리, 큐레이션된 예시를 공급하는 것의 한계 수익은 급격히 올랐습니다. 레버리지가 이동했습니다.
비교를 정리하면 다음과 같습니다.
| 차원 | 프롬프트 엔지니어링 | 컨텍스트 엔지니어링 |
|---|---|---|
| 무엇을 튜닝하는가 | 요청의 표현 | 모델에 공급되는 전체 입력 스택 |
| 주요 단위 | 문장 | 묶음: 시스템 프롬프트, 문서, 메모리, 도구, 기록 |
| 누구를 위한 것인가 | 채팅 박스를 쓰는 누구나 | 출력 품질이 AI에 달린 누구나 |
| 필요한 기술 | 좋은 글쓰기, 패턴 인식 | 큐레이션, 정보 아키텍처, 판단 |
| 실패할 때 | 모델이 지시를 오해함 | 모델은 잘 이해하지만 답할 사실, 예시, 기록이 부족함 |
| 막혔을 때 해결법 | 재구성, 예시 추가, 출력 형식 지정 | 올바른 소스 추가, 틀린 소스 트리밍, 메모리 조정, 검색 범위 지정 |
| 전성기 | 2022~2024 | 2025 이후 |
마지막 행을 주목하세요. 프롬프트 엔지니어링은 틀려서 죽은 것이 아닙니다. 병목이 다른 곳으로 이동했기 때문에 죽었습니다.
컨텍스트의 6개 계층
컨텍스트 엔지니어링을 의도적으로 하려면 무엇을 엔지니어링하는지 알아야 합니다. 모든 현대 AI 상호작용은 당신이 생각하든 아니든 6개 계층에서 끌어옵니다. 기술은 어느 것을 조정할지 아는 것입니다.
| 계층 | 목적 | 예시 |
|---|---|---|
| 시스템 프롬프트 | 모델이 누구인지, 어떤 규칙을 따르는지, 어떤 톤을 취하는지 정의 | 레포의 claude.md 파일, Cursor의 .cursorrules, 또는 "너는 시니어 에디터야. 능동태를 선호해. em-dash를 쓰지 마." 같은 커스텀 GPT 지시 |
| 지속적 메모리 | 모델이 대화를 가로질러 당신에 대해 기억하는 것 | 당신의 직업, 글쓰기 스타일, 진행 중인 프로젝트를 저장하는 ChatGPT의 메모리 기능 |
| 검색 (RAG) | 요청 시 더 큰 지식 베이스에서 관련 청크를 끌어옴 | AI에 "지난달 네트워크 효과에 대해 뭘 하이라이트했지?"라고 묻고 정확한 구절을 가져옴 |
| 도구 사용 | 모델이 행동을 취하거나 실시간 데이터를 가져오게 함 | 모델이 계산기를 호출하고, 코드를 실행하고, 웹을 검색하거나, 캘린더를 쿼리 |
| 첨부 | 이 특정 세션에 로드된 파일, 이미지, URL | 검토받으려 떨군 PDF 계약서, 또는 디버깅을 위해 붙여 넣은 스크린샷 |
| 대화 기록 | 이 스레드에서 이미 말해진 것 | 현재 메시지 위의 주고받음, 이전 수정과 선호를 포함 |
잘 엔지니어링된 컨텍스트는 6개 모두를 의도적으로 씁니다. 잘못 엔지니어링된 컨텍스트는 모든 것을 한 계층(보통 첨부, 자주 대화 기록)에 쏟고 모델이 정리해주기를 바랍니다.
대부분의 지식 노동자가 저지르는 실수는 AI를 실제로는 컨텍스트 조립기인데 채팅 인터페이스로 취급하는 것입니다. 채팅은 팁입니다. 빙산은 당신이 타이핑하기 전에 먹이는 것입니다.
개인 정보 아키텍처가 AI 유용성을 어떻게 형성하는지에 대한 관련 각도는 개인 컨텍스트 관리: 당신과 AI 사이의 빠진 계층을 참고하세요.
더 큰 컨텍스트 윈도우가 왜 이것을 더 나쁘게 만들었나
2023년에 100K 토큰 컨텍스트 윈도우는 이국적이었습니다. 2026년에는 1M 토큰 윈도우가 흔합니다. 단일 프롬프트에 전쟁과 평화 전체 텍스트를 떨굴 수 있습니다. 그래서 자연스러운 가정은 컨텍스트 엔지니어링이 쉬워지고 있다는 것입니다. 방이 더 많고, 분류가 덜 필요하다고요?
틀렸습니다. 더 어려워졌습니다.
여기서 기초 논문은 TACL에 게재된 Liu et al. (2024) "Lost in the Middle: How Language Models Use Long Contexts"입니다. 연구자들은 모델이 긴 컨텍스트의 어디에 놓이느냐에 따라 특정 정보를 찾고 사용할 수 있는지 테스트했습니다. 발견은 불편했습니다. 성능은 U자형입니다. 모델은 컨텍스트의 맨 처음과 맨 끝의 정보에 가장 많은 주의를 기울입니다. 중간의 정보는 체계적으로 과소 가중치되며, 때로는 완전히 무시됩니다. (Liu et al., 2024)
50페이지 문서의 중간에 중요한 지시를 두면 모델이 그것을 보지 않은 것처럼 행동할 수 있습니다. 이것은 프롬프팅으로 빠져나갈 수 있는 버그가 아닙니다.
그러다 2025년, Chroma는 "Context Rot: How Increasing Input Tokens Impacts LLM Performance"를 발표했습니다. GPT-4.1, Claude Opus 4, Gemini 2.5를 포함한 18개 프론티어 모델을 테스트했습니다. 모든 모델에서 결과는 일관되었습니다. 입력이 커지면 성능이 저하되었으며, 컨텍스트 윈도우가 거의 차기 훨씬 전이었습니다. 200K 토큰 윈도우는 50K 토큰에서 심각한 부식을 보일 수 있었습니다. 모델은 기술적으로 모든 것을 "봤습니다." 보지 않은 것처럼 행동했습니다.
이것이 더 많은 컨텍스트가 더 나은 컨텍스트가 아닌 이유입니다. Google Drive 전체를 프롬프트에 쏟는 것이 윈도우가 허용해도 작동하지 않는 이유입니다. 엔지니어링 규율은 무엇을 포함할지뿐 아니라 무엇을 제외할지 아는 것입니다.
이것이 1M 토큰 시대의 숨겨진 비용입니다. 윈도우가 모델의 그것을 사용하는 능력보다 빠르게 자랐습니다. 그리고 "무엇을 빼야 할까?"가 스택에서 가장 가치 있는 질문이 되었습니다.
아무도 이름 붙이지 않은 기술: 큐레이션
컨텍스트 부식이 문제라면, 큐레이션이 해법입니다. 그리고 큐레이션은 대부분의 지식 노동자가 이미 이름 붙이지 않고 실천하는 기술입니다.
기사에서 구절을 하이라이트할 때마다 큐레이션하고 있습니다. 이것이 중요하다고 말하고 있습니다. 나머지는 배경입니다. PDF에 주석을 달거나, 논문을 북마크하거나, 인용을 저장할 때 같은 일을 하고 있습니다. 텍스트로 가득한 세상에서 신호 대 잡음 필터를 구축하고 있습니다.
최근까지 문제는 이 큐레이션이 갇혀 있었다는 것입니다. 하이라이트는 한 앱에 살았습니다. Kindle 노트는 다른 곳에 살았습니다. 웹 리서치는 브라우저 기록에 살았습니다. AI에 브리핑하려 앉을 때, 그중 어느 것도 컨텍스트 윈도우로 효율적으로 끌어올 수 없었습니다. 모든 것을 다시 읽거나, 더 나쁘게는 원본 소스를 붙여 넣고 최선을 바랐습니다.
규율로서의 컨텍스트 엔지니어링에는 정확히 여기에 큰 공백이 있습니다. 회사는 내부 지식 베이스와 RAG 파이프라인을 구축해 해결했습니다. 그러나 개인 지식 노동자에게는 엔지니어링 팀이 없습니다. 같은 문제(소스 자료가 너무 많고, 신호가 충분하지 않음)가 있고 인프라가 없습니다.
이것이 하이라이트를 내구성 있게 포착하는 독서 도구가 조용히 AI 인프라가 된 이유입니다. Glasp 웹 하이라이터는 정확히 이것을 해결하기 위해 존재합니다. 당신의 독서를 구조화되고 검색 가능한 컨텍스트로 바꿉니다. 블로그 포스트에서 문단을 하이라이트하면, 그 하이라이트는 나중에 어떤 AI에게든 건넬 수 있는 컨텍스트 조각이 됩니다. 주제별, 소스별, 날짜별로 필터링 가능합니다.
장문 독서에도 같은 원칙이 적용됩니다. Kindle 하이라이트는 아마도 당신에게 무엇이 중요한지에 대해 만든 최고 품질의 신호입니다. 그것을 하이라이트할 만큼 오래 주의를 기울였습니다. 비싼 필터이고, 하이라이트가 닫힌 시스템에 앉아 있으면 낭비입니다.
큐레이션된 독서가 쏟아낸 문서를 능가하는 이유에 대한 더 넓은 논의는 정보 과부하의 숨겨진 비용: 뇌에 두 번째 계층이 필요한 이유를 참고하세요.
개인을 위한 컨텍스트 엔지니어링 (엔지니어만이 아니라)
컨텍스트 엔지니어링에 대한 대부분의 글은 개발자를 겨냥합니다. 프로덕션 AI 시스템 구축에 관한 것입니다. 코딩 에이전트의 시스템 프롬프트를 어떻게 형성할지, 검색을 위해 문서를 어떻게 청크할지, 도구 호출을 어떻게 연결할지. 소프트웨어를 출시한다면 유용합니다. 더 나은 AI 출력을 얻으려는 컨설턴트, 연구자, 작가, 분석가, 학생에게는 덜 유용합니다.
그러나 같은 규율이 적용됩니다. 수동으로 실행할 뿐입니다.
당신은 시스템 프롬프트를 비공식적으로 설계합니다. 설정한 모든 커스텀 GPT, 모든 Claude Project, 모든 claude.md 스타일 지시 파일이 시스템 프롬프트입니다. "너는 내 리서치 어시스턴트야, 나는 재생 에너지 정책을 연구해, 회의적 요약을 선호해"라고 쓸 때 시스템 프롬프트 설계를 하는 것입니다. 의도적으로 하세요.
당신은 메모리를 관리합니다. ChatGPT의 메모리 기능과 Claude의 프로젝트는 모두 대화를 가로질러 지속되는 사실을 고정할 수 있게 합니다. 대부분의 사람은 이를 무시하거나(연속성을 잃음) 모든 것을 쏟아붓습니다(잡음을 만듦). 올바른 움직임은 이력서를 큐레이션하듯 메모리를 큐레이션하는 것입니다. 매번 모델이 쓰기를 원하는 것만 넣습니다.
당신은 검색을 수동으로 합니다. 올바른 기사를 채팅에 붙여 넣는 것은 수동 RAG입니다. 질문은 "올바른 기사"가 어디서 오느냐입니다. 브라우저 기록을 필사적으로 스크롤하는 데서 온다면, 검색 시스템이 없는 것입니다. 이미 흥미롭다고 플래그한 구절의 라이브러리에서 온다면, 하나 있는 것입니다.
당신은 첨부를 의도적으로 로드합니다. 유혹은 책 전체를 업로드하는 것입니다. 더 나은 움직임은 실제로 하이라이트한 40페이지를 업로드하는 것입니다. 상류에서 필터링함으로써 컨텍스트 부식을 우회하고 있습니다.
당신은 대화 기록을 관리합니다. 긴 스레드는 시간이 지나면서 나빠집니다. 오래된 메시지가 컨텍스트를 쓸모없이 지배하기 때문입니다. 새 하위 작업에 깨끗한 브리핑으로 새 스레드를 시작하는 것이, 메가 스레드를 계속하는 것보다 종종 성능이 좋습니다.
이 중 어느 것도 엔지니어링 기술을 필요로 하지 않습니다. 좋은 연구자와 좋은 저널리스트가 이미 가진 같은 기술을 필요로 합니다. 무엇을 포함하고, 무엇을 자르고, 어디서 무엇을 끌어올지 아는 것입니다.
당신의 하이라이트가 당신의 경쟁적 컨텍스트입니다
여기 저평가된 부분이 있습니다.
대부분의 사람은 노트와 하이라이트를 기억 보조물로 취급합니다. 언젠가 돌아갈 것들. 그 프레이밍은 2010년에 말이 되었습니다. 돌아가는 것이 그것을 쓰는 유일한 방법이었기 때문입니다. 2026년에는 구식입니다.
당신의 하이라이트는 이제 AI에 건넬 수 있는 피드입니다. 플래그한 모든 구절, 저장한 모든 인용, 만든 모든 주석은 컨텍스트 조각입니다. 그리고 주의를 기울여 생성했기 때문에, 웹에서 무작위로 긁어온 어떤 것보다 신호가 높습니다.
경쟁적으로 이것이 무엇을 의미하는지 생각해 봅니다. 두 지식 노동자가 같은 AI 모델을 씁니다. 한 명은 3년간의 구조화된 독서와 하이라이트를 갖고 있습니다. 다른 한 명은 다시는 방문하지 않은 3년간의 브라우저 탭을 갖고 있습니다. AI에 같은 질문을 할 때, 첫 번째 사람은 자기 큐레이션 코퍼스를 먹일 수 있습니다. 두 번째 사람은 모델의 일반 학습 데이터와 붙여 넣을 것을 기억하는 것에 갇혀 있습니다. 격차는 프롬프팅 격차가 아닙니다. 컨텍스트 격차입니다.
이것이 Glasp가 자리매김을 바꾸고 있는 이유입니다. 원래 피치는 소셜 웹 하이라이터였습니다. 하이라이트하고, 다른 사람이 하이라이트한 것을 보고, 독자 정체성을 구축합니다. 모두 여전히 사실입니다. 그러나 이제 더 깊은 가치는 모든 하이라이트가 쓰이기를 기다리는 컨텍스트 토큰이라는 것입니다. 당신의 독서 이력은 한 문단씩 개인 RAG 코퍼스로 복리로 자랍니다.
Glasp AI chat과 이것을 짝지우면, 워크플로우가 엔지니어가 자기 회사를 위해 구축하는 것에 가까워집니다. 읽으면서 하이라이트합니다. 나중에 질문하면 AI는 일반 웹 인덱스가 아니라 실제로 신경 쓴 것에서 끌어옵니다. 그것이 컨텍스트 엔지니어링입니다. 단지 컨텍스트가 당신의 라이브러리일 뿐입니다.
이것이 독서-AI 관계를 어떻게 뒤집는지에 대한 더 자세한 내용은 당신을 위해 읽지 않는 AI 독서 어시스턴트를 참고하세요.
모든 AI 작업에 컨텍스트를 엔지니어링하는 단순 프레임워크
이론은 충분합니다. 다음에 채팅을 열 때 실행할 수 있는 구체적 워크플로우입니다.
1단계: 타이핑하기 전에 작업을 정의하세요. 한 문장. 완료가 어떤 모습입니까? "주 4일 근무제에 반대하는 세 가지 주요 논점을 요약하는 500단어 메모 초안, 회의적인 COO를 위해 쓴 것." 그것이 작업입니다. "이 기사에 대해 도와줘"는 아닙니다.
2단계: 소스를 모으고, 그다음 자르세요. 작업에 실제로 영향을 미치는 자료를 끌어옵니다. 주제에 대한 하이라이트가 있다면, 전체 기사가 아니라 거기서 시작합니다. 메모리가 설정되어 있다면, 유용한 배경을 이미 포함하는지 확인합니다. 접선적으로만 관련된 것은 남겨 둡니다. 컨텍스트 부식은 실재합니다.
3단계: 역할과 규칙을 설정하세요. 작업 전에 모델에게 누구인지, 어떤 규칙이 적용되는지 알려줍니다. "너는 회의적인 COO를 위해 편집 중이야. 전문 용어 없이. 얼버무리지 마. 형용사 전에 숫자로." 이것이 시스템 프롬프트 계층입니다. 10초 걸리고 뒤따르는 모든 것의 톤을 바꿉니다.
4단계: 작업과 묶음을 순서대로 먹이세요. 가장 중요한 컨텍스트를 먼저, 작업을 마지막에 둡니다. Lost in the Middle 효과 때문에, 지시와 가장 날카로운 자료는 시작과 끝에 있어야 합니다. 중간은 늪입니다.
5단계: 표현이 아닌 컨텍스트를 반복 수정하세요. 출력이 나쁘다면, 프롬프트를 열두 가지 방식으로 다시 쓰고 싶은 충동에 저항하세요. 대신 물으세요: 올바른 자료를 주었나? 잊은 구절이 있었나? 오도하는 소스가 있었나? 입력을 조정하고, 다시 실행하고, 품질이 도약하는 것을 봅니다.
몇십 번 이것을 하면 반사적이 됩니다. "어떻게 이것을 프롬프트하지?"를 묻지 않고 "모델이 답하기 전에 무엇을 봐야 하지?"를 묻기 시작할 것입니다. 그 전환이 규율 전체입니다.
자주 묻는 질문
프롬프트 엔지니어링이 정말 죽었나요?
구절은 은퇴하고 있습니다. 구절 아래의 기법은 여전히 작동합니다. 사고 사슬, 소수 예시, 명확한 출력 형식 모두 여전히 유용합니다. 죽은 것은 좋은 표현만으로 훌륭한 출력을 얻는다는 생각입니다. 2026년에 표현은 작은 레버입니다. 컨텍스트 조립이 주요한 것입니다. 사람들이 "프롬프트 엔지니어링은 죽었다"고 할 때 이것을 의미합니다.
컨텍스트 엔지니어링을 하려면 기술적이어야 하나요?
아닙니다. 엔지니어링 은유가 일부 사람을 혼란스럽게 하지만, 그것은 우연이 아니라 의도적으로 작업한다는 뜻일 뿐입니다. 브리핑을 준비하는 컨설턴트, 글감을 리서치하는 저널리스트, 에세이를 위한 소스 자료를 정리하는 학생 모두 변장한 컨텍스트 엔지니어링입니다. 핵심 기술은 큐레이션과 판단입니다. 기술적 버전은 시스템 프롬프트, RAG 파이프라인, 메모리 저장소에 적용된 같은 기술일 뿐입니다.
컨텍스트 엔지니어링과 RAG의 차이는 무엇인가요?
RAG(retrieval-augmented generation)는 컨텍스트 엔지니어링의 한 계층, 특히 검색 계층입니다. 필요할 때 지식 베이스에서 관련 청크를 끌어오는 기계입니다. 컨텍스트 엔지니어링은 RAG와 시스템 프롬프트, 메모리, 도구 사용, 첨부, 대화 기록을 포함하는 더 넓은 규율입니다. RAG는 기법입니다. 컨텍스트 엔지니어링은 실천입니다.
더 큰 컨텍스트 윈도우가 결국 이것을 해결하지 않을까요?
지금까지 그러지 못했고, 증거는 그럴 것 같지 않다고 시사합니다. Liu et al. (2024)은 모델이 긴 컨텍스트의 중간을 무시한다는 것을 보여줬습니다. Chroma의 2025 연구는 테스트된 18개 프론티어 모델 모두가 윈도우가 차기 훨씬 전에 저하된다는 것을 보여줬습니다. 병목은 윈도우 크기가 아닙니다. 윈도우 내 주의 할당입니다. 윈도우가 또 10배 자라도 큐레이션은 가치를 유지합니다.
이것이 AI "메모리" 기능과 어떻게 관련되나요?
메모리(ChatGPT의 지속 메모리나 Claude의 프로젝트 같은)는 컨텍스트의 한 계층입니다. 모델이 세션 간에 당신에 대해 아는 것입니다. 컨텍스트 엔지니어링은 메모리를 포함하지만 더 넓습니다. 메모리는 항상 켜진 계층입니다. 검색, 첨부, 시스템 프롬프트는 작업당 계층입니다. 좋은 컨텍스트 엔지니어는 그들을 함께 씁니다.
무엇을 멈춰야 하나요?
프롬프트 템플릿 호딩을 멈추세요. 하이라이트된 구절이면 될 때 전체 문서 붙여넣기를 멈추세요. 시스템 프롬프트 없이 대화를 시작하고 톤이 왜 어긋나는지 궁금해하기를 멈추세요. 채팅 박스를 유일한 표면으로 취급하기를 멈추세요. 채팅 박스는 훨씬 긴 파이프라인의 마지막 1센티미터이고, 품질 이득은 그 파이프라인에서 살고 있습니다.
하이라이트는 여기에 어떻게 맞나요?
하이라이트는 가장 원시적이고, 가장 저렴한 형태의 개인 컨텍스트입니다. 무언가를 하이라이트할 때마다, 자기 미래 AI 세션에서 잡음을 미리 필터링하는 것입니다. 하이라이트를 내구성 있게 포착하는 도구(기사, PDF, Kindle 책, YouTube 자막을 가로질러)는 당신의 독서를 재사용 가능한 컨텍스트로 바꿉니다. 이것이 독서 캡처 도구와 AI 도구가 수렴하는 이유입니다.
이것이 그냥 화려한 노트 필기 아닌가요?
부분적으로는요. 차이는 전통적 노트 필기가 당신이 노트를 다시 읽는 것에 최적화되어 있다는 것입니다. 컨텍스트 엔지니어링은 모델이 노트를 소비하는 것에 최적화되어 있습니다. 형식 요구 사항이 다르지만(구조, 원자성, 검색 가능성이 더 중요), 기억할 가치가 있는 것을 포착하는 기본 실천은 같습니다. 좋은 노트 필기자는 여기서 유리합니다.
결론: 새로운 문해력
컴퓨팅의 모든 시대에는 아마추어와 진지한 사용자를 구분하는 문해력이 있었습니다. 1990년대에는 Google을 잘 검색하는 법을 배우는 것이었습니다. 2010년대에는 Notion이나 Airtable 같은 앱에서 정보를 구조화하는 법을 배우는 것이었습니다. 2026년에는 AI를 위한 컨텍스트를 엔지니어링하는 법을 배우는 것입니다.
이것을 알아내는 사람은 알아내지 못하는 사람을 크게 앞서갈 것입니다. 더 나은 모델 접근을 갖고 있어서가 아니라(모두가 같은 모델을 가짐), 매 작업에 더 나은 자료를 가지고 나타나기 때문입니다. 무엇을 먹일지 압니다. 무엇을 빼야 할지 압니다. 어떤 주제에 대한 최고의 소스가 어디에 있는지 압니다. 몇 달 전에 포착해 두었기 때문입니다.
이것이 큐레이션이 조용히 AI 시대의 가장 가치 있는 메타 기술이 되고 있는 이유입니다. 저장하는 모든 하이라이트, 주석을 단 모든 구절, 실제로 처리한 모든 독서는 개인 컨텍스트 엔진에 대한 예치금입니다. AI 생산성의 미래는 비밀 프롬프트를 가진 사람이 아닙니다. 사려 깊은 라이브러리를 가진 사람입니다.
당신은 이미 독서를 합니다. 무엇이 중요한지에 대한 의견이 있습니다. 유일한 질문은 그 중 어느 것이든 미래의 자신에게, 그리고 당신 옆에서 일하는 AI에게 유용할 만큼 오래 머무느냐입니다. 도구는 존재합니다. 습관이 어려운 부분입니다.
오늘 읽을 가치가 있는 것을 고르세요. 중요한 부분을 하이라이트하세요. 그것이 컨텍스트 엔지니어링입니다. 나머지 모든 것은 기법입니다.