Arch Prompt

Prompt Engineering Architecture Skill

LLM 프롬프트 설계 및 구현 가이드.

반드시 먼저 읽을 문서

1. docs/architecture/07-prompt-guide.md — 프롬프트 엔지니어링 가이드 전체
2. docs/architecture/06-output-spec.md — 출력 구조 (프롬프트의 목표 출력)
3. docs/architecture/03-workflow.md — 어떤 단계에서 어떤 프롬프트가 필요한지

LLM 스택

Pydantic AI — 에이전트 오케스트레이션 (구조화 출력의 기본 레이어)
LiteLLM    — 게이트웨이 (모델 라우팅, 캐싱, fallback)
Instructor — 복잡한 구조화 추출 보완 (Pydantic AI 부족분)
Langfuse   — 관측 (프롬프트 관리, 토큰/비용 추적)

Phase별 프롬프트

Phase 0: Input Enrichment

• URL 추출 프롬프트 (PDF/DOCX 텍스트에서 GitHub/LinkedIn URL 발견)

Phase 2: Analysis

• Document Analysis: 이력서/포트폴리오 → 구조화된 프로필
• Code Analysis: 코드 스니펫 → 기술적 의미 분석
• JD Analysis: 채용공고 → 구조화된 요구사항

Phase 3: Question Generation (핵심)

1. Topic Selection: 25개 토픽 선정 프롬프트
2. Question Crafting: 개별 질문 생성 (구조화 출력)
3. Terminology Definition: 용어 → 비개발자 설명
4. Follow-up Design: 3단계 분기 후속질문
5. Evaluation Scenario: Expert/Mid/Low 평가 기준
6. Code Linking: 코드 참조 연결
7. Interviewer Note: 비즈니스 해석 + 일상 비유

Phase 4: Quality Review

• 중복 검사, 연관성 검증, 흐름 최적화 프롬프트

구현 패턴

Pydantic AI 구조화 출력

from pydantic_ai import Agent

agent = Agent(
    "openai:gpt-4o",
    result_type=InterviewQuestion,  # Pydantic 모델로 타입 강제
    system_prompt="...",
)
result = await agent.run(user_prompt)
# result.data → InterviewQuestion 인스턴스

CachedLLMService

class CachedLLMService:
    async def generate(self, prompt, model="gpt-4o", cache_key=None):
        # 1. Redis 캐시 확인
        # 2. 캐시 miss → LiteLLM 호출
        # 3. 결과 캐시 저장
        # 4. Langfuse 로깅

프롬프트 템플릿 (Jinja2)

backend/app/prompts/
├── topic_selection.j2
├── question_craft.j2
├── terminology.j2
├── follow_up.j2
├── evaluation.j2
├── code_link.j2
├── interviewer_note.j2
└── quality_review.j2

규칙

• 모든 LLM 호출: CachedLLMService 경유 (직접 API 호출 금지)
• 구조화 출력: Pydantic AI result_type 필수
• 프롬프트: Jinja2 템플릿 분리 (코드에 하드코딩 금지)
• 비개발자 친화: 모든 출력에 plain_language 설명 포함
• Hallucination 방지: 코드 참조 필수, 없으면 질문 생성 거부

Converted and distributed by TomeVault — claim your Tome and manage your conversions.