⚙️

Nexis Prompt — 소개·사용법

← 정교화하러 가기

무엇을 하는 도구인가

AI에게 시키려던 말을 붙여넣으면, 대상 AI가 안정적으로 의도한 결과를 내도록 프롬프트를 다시 설계해 줍니다. 결과물은 그대로 복사해 쓸 수 있는 순수 텍스트입니다.

핵심 원칙은 하나입니다. 정교화는 길어지는 것이 아니다. 목표를 안정적으로 달성하는 최소 구조가 최적입니다. 그래서 이 엔진은 요소를 추가할 때마다 “이걸 삭제하면 출력이 실제로 나빠지는가?”를 묻고, 아니면 뺍니다. 결과가 원본보다 짧아졌다면 그것을 성과로 보고합니다.

⚠️ 비용 안내 — 필요할 때만 써주세요

이 서비스는 요청 한 번마다 실제 AI 사용료가 발생하며, 그 비용은 운영자가 전액 부담합니다. 광고도 결제도 없습니다.

그래서 정말 필요한 프롬프트에만 써주시길 부탁드립니다. 장난 삼아 돌려보거나, 같은 내용을 반복해서 던지거나, 자동화 스크립트로 호출하는 것은 삼가주세요.

비용 남용을 막기 위해 IP당 분당 5회 · 시간당 30회로 제한하고 있습니다. 한도를 넘으면 잠시 뒤에 다시 시도해 주세요.

돈이 들지 않는 기능

아래는 AI를 쓰지 않아 비용이 발생하지 않습니다. 마음껏 쓰셔도 됩니다.

쓰는 순서

  1. 원본 프롬프트를 붙여넣습니다. 다듬지 않은 초안일수록 좋습니다.
  2. 대상 AI를 고릅니다. Claude만 공급자 공식 문서로 검증된 기준을 갖고 있고, 나머지는 미검증이라 플랫폼 중립으로 작성하고 그 사실을 알려 줍니다.
  3. 작업 유형을 고르면 그 유형에서 흔히 빠지는 항목(예: 분석 → 데이터 출처·분석 단위·비교 대상)을 점검해 질문으로 돌려줍니다.
  4. 결과의 확인이 필요한 항목에 답이 있다면 ‘추가 정보’ 칸에 적고 다시 돌립니다. [사용자 지정 필요] 슬롯이 채워집니다.

플랫폼별로 무엇이 달라지나

4개 플랫폼 모두 공급자 공식 문서로 확인한 기준을 적용합니다(확인일 2026-08). 같은 원본을 넣어도 대상 AI를 바꾸면 결과가 실제로 달라집니다.

대상적용되는 것
Claude최소 구조 + 명시적 지시. XML은 경계 확정이 필요할 때만.
GPT단계형 사고 지시 제거(내부 추론과 중복), 같은 지시 반복 금지, zero-shot 우선. API 추론 모델은 마크다운 출력이 기본으로 꺼져 있어 Formatting re-enabled 안내를 붙입니다.
Gemini마크다운 헤딩과 XML을 섞지 않고 하나로 통일. 긴 자료는 앞, 지시는 맨 뒤. 예시를 기본 포함합니다(아래 상충 참고).
Perplexity검색 그라운디드라 실제 문서에 나올 어휘를 입력에 심습니다. 출처·날짜·지역 제약은 프롬프트가 아니라 요청 파라미터로 걸도록 안내합니다.

공급자 지침이 이 엔진과 충돌할 때

실제로 충돌하는 지점이 있습니다. 가장 큰 것은 예시입니다 — 이 엔진의 기본값은 “예시는 탐색 범위를 좁히므로 최소화”인데, 구글은 예시를 항상 포함하라고 권고합니다.

이럴 땐 해당 플랫폼의 공식 지침을 우선하고, 왜 그렇게 했는지 결과에 밝힙니다. 엔진의 기본값은 플랫폼 중립 기본값일 뿐, 공급자가 자체 측정으로 낸 결론을 이기지 못합니다. 다만 근거 없는 수치 금지와 불확실성 처리는 플랫폼과 무관하게 유지합니다.

게이트 판정 — 점수를 매기지 않는 이유

“명확성 8.7점” 같은 소수점 평가는 정밀성을 가장한 노이즈입니다. 근거 없는 가중치로 합산한 점수는 판단을 왜곡하기만 합니다. 그래서 이 엔진은 점수 대신 통과/보류 게이트로 판정합니다.

게이트판정 질문
G1 목적원 요청의 목표가 그대로 살아있는가
G2 실행추가 질문 없이 바로 작업 가능한가
G3 검증출력 성공 여부를 판정할 기준이 있는가
G4 충돌서로 모순되는 지시가 없는가
G5 절약삭제해도 되는 요소가 남아있지 않은가

G1~G4가 모두 통과면 그대로 사용 가능합니다. G5 보류는 사용을 막지 않고 삭제 후보만 함께 제시합니다. 보류가 남으면 숨기지 않고 사유와 함께 그대로 보고합니다.

하지 않는 것

정체를 모르는 AI를 대상으로 할 때

사내·폐쇄망에서 자체 구축한 AI처럼 어떤 모델인지 알 수 없는 대상에도 쓸 수 있습니다. 대상 AI에서 ‘직접 입력’을 고르세요.

왜 “너는 어떤 모델이냐”고 묻지 않는가

모델의 자기 식별은 신뢰도가 낮습니다. 파인튜닝·래핑된 모델은 학습 데이터 오염 때문에 엉뚱한 정체를 답하는 일이 흔하고, 폐쇄망 시스템은 기반 모델을 밝히지 말라는 지시가 걸려 있는 경우가 많습니다. 틀린 자기 보고에 맞춰 최적화하면 중립으로 두느니만 못합니다.

그래서 이름 대신 능력을 묻습니다. 프롬프트 설계가 실제로 갈리는 축은 모델명이 아니라 아래 네 가지이고, 이건 행동으로 확인되므로 훨씬 믿을 만합니다.

능력프롬프트가 어떻게 달라지는가
내장 추론있으면 단계형 사고 지시를 넣지 않습니다 — 내장 추론과 중복되어 오히려 품질을 깎습니다. 없으면 분석 순서를 명시적으로 넣습니다.
구조화 출력가능하면 스키마로 못박고, 불가하면 출력 시작부를 고정해 형식을 잡습니다.
웹검색·도구없으면 외부 조회가 필요한 값을 프롬프트가 채우게 두지 않고 입력 슬롯으로 뺍니다.
한국어 품질낮으면 지시문을 짧은 단문으로 쓰고 핵심 용어에 영문을 병기합니다.

모르면 어떻게 되나

추측해서 채우지 않습니다. 해당 축에 걸린 선택은 보류(요소를 넣지 않음)한 뒤, 무엇을 확인해야 하는지 질문으로 돌려주고 무엇을 왜 보류했는지 알려줍니다.

정확도를 올리려면 ‘능력 진단 프롬프트 만들기’를 누르세요. 대상 AI에 한 번 붙여넣고 받은 답을 반영하면 됩니다. 이 진단 프롬프트 생성은 AI를 쓰지 않아 비용이 들지 않습니다.

저장과 공유

한계와 주의