← 홈으로

#11 Claude API 기초 — 코드 없이 파라미터 이해하기lecture_script

코스: claude-autowork · 에이전트: producer

HOOK (45초)

Claude가 어떨 때는 창의적인 답을 쏟아내고, 어떨 때는 딱딱하고 짧게 끊기는 경험, 해보셨나요?

같은 질문인데 결과가 들쑥날쑥하면 자동화 파이프라인을 믿고 쓸 수가 없습니다.

그 원인은 Claude의 문제가 아닙니다. 파라미터를 모르고 쓰기 때문입니다.

오늘 이 차시가 끝나면, 그 불안정함의 정체를 정확히 알고 회원님이 직접 제어하게 됩니다.

PROMISE (30초)

이 차시를 마치면, temperature·max_tokens·system prompt 세 가지 파라미터의 역할을 설명하고, 3가지 조합의 출력 차이를 비교한 분석표를 직접 완성할 수 있습니다.

CORE (8–10분)

중요 개념 1 — Temperature: '창의성 다이얼'

설명

Temperature는 Claude가 다음 단어를 고를 때 얼마나 다양한 후보를 열어두느냐를 결정합니다.

값은 0부터 1 사이입니다. 0에 가까울수록 예측 가능하고 일관된 답이 나옵니다. 1에 가까울수록 다양하고 때로는 엉뚱한 답이 나옵니다.

메모리 페그: '온도계 이미지'

냉장고 온도(0)에선 재료가 꽉 굳어 있습니다. 움직이지 않죠. 오븐 온도(1)에선 재료가 흘러내리고 퍼집니다. Claude의 언어 선택도 똑같습니다.

예시

법률 계약서 초안 자동화라면 temperature를 0.1로 설정합니다. 같은 계약서를 열 번 돌려도 거의 동일한 문장이 나옵니다. 반면 마케팅 슬로건 브레인스토밍이라면 0.9로 올립니다. 매번 다른 방향의 아이디어가 나옵니다.

반례

창의적 작업이라도 무조건 높은 temperature가 좋지는 않습니다. 0.9로 설정한 고객 응대 챗봇은 같은 질문에 전혀 다른 정책을 안내할 수 있습니다. 일관성이 필요한 업무에선 0.2~0.4 구간이 안전합니다.

정리

정밀도가 필요하면 낮게, 다양성이 필요하면 높게. 대부분의 업무 자동화는 0.2~0.5 구간에서 시작하세요.

중요 개념 2 — System Prompt: '역할 계약서'

설명

System prompt는 Claude에게 대화가 시작되기 전에 건네는 역할 지침입니다.

"너는 고객 서비스 전문가야"라고 쓰면, 이후 모든 답변이 그 맥락에서 생성됩니다. 사용자 메시지보다 먼저 읽히고, 더 높은 우선순위를 가집니다.

메모리 페그: '3자리 직함 명함'

배우가 무대에 서기 전 받는 캐릭터 시트를 떠올리세요. 명함 한 장에 이름·직책·행동 규칙 세 가지가 적혀 있습니다. System prompt는 Claude에게 건네는 그 명함입니다.

예시

이렇게 작성할 수 있습니다.

"당신은 B2B SaaS 영업팀을 위한 이메일 작성 전문가입니다. 모든 답변은 한국어로 작성하고, 이메일 형식으로만 응답하며, 300자를 넘지 않습니다."

이 한 단락이 있으면 사용자가 "회의 요청 보내줘"라고만 해도 형식·언어·길이가 통제된 이메일이 나옵니다.

반례

System prompt를 너무 길고 복잡하게 쓰면 오히려 지침이 충돌합니다. "친절하게 답하되 간결하게, 그러나 상세한 설명 포함"처럼 모순된 지시를 넣으면 출력이 불안정해집니다. 지침은 3~5개 이내로 명확하게 작성하는 게 제 경험상 통하는입니다.

정리

System prompt는 짧고 모순 없이. 역할·언어·형식·제약 네 가지 중 필요한 것만 골라 쓰세요.

중요 개념 3 — Max Tokens: '출력 예산'

설명

Max tokens는 Claude가 한 번의 응답에서 생성할 수 있는 최대 토큰 수를 제한합니다.

토큰은 단어보다 작은 단위입니다. 한국어 기준으로 한 글자가 대략 1~2토큰입니다. 영어 단어 하나는 대략 1토큰입니다.

메모리 페그: '원고지 칸 수'

원고지 200칸짜리 과제를 받으면 딱 그 안에서 끝내야 합니다. Max tokens는 Claude에게 주는 원고지 칸 수입니다. 예산이 부족하면 문장이 중간에 잘립니다. 예산이 넉넉하면 장황해질 수 있습니다.

예시

요약 자동화라면 max tokens를 200~300으로 설정합니다. Claude가 아무리 길게 쓰고 싶어도 그 안에서 정리합니다. 반면 긴 보고서 초안 생성이라면 2000~4000으로 설정해 충분한 분량을 확보합니다.

반례

Max tokens를 과도하게 크게 설정한다고 항상 좋은 건 아닙니다. API 비용은 출력 토큰 수에 비례합니다. 또한 불필요하게 긴 답변은 후처리 과정을 복잡하게 만듭니다. 용도에 맞는 적절한 상한선이 중요합니다.

정리

짧은 답이 필요한 업무는 낮게 제한, 긴 문서 생성은 여유 있게. 단, 비용과 처리 효율을 함께 고려하세요.

EXERCISE (3–4분)

지금 영상을 일시정지하고 아래 순서대로 따라오세요. 준비물은 종이나 스프레드시트 하나면 됩니다.

Step 1 — 실험 시나리오 선택 (1분)

아래 프롬프트를 기준 입력으로 정합니다.

"우리 팀의 주간 업무 보고를 3문장으로 요약해 줘."

이 하나의 프롬프트를 세 가지 파라미터 조합으로 실험합니다.

Step 2 — 조합표 틀 작성 (1분)

표 헤더를 다음과 같이 만드세요.

Step 3 — 3가지 조합 채우기 (1.5분)

조합 A: Temperature 0.1 / Max Tokens 150 / System prompt "간결한 업무 보고 전문가"

조합 B: Temperature 0.7 / Max Tokens 300 / System prompt 없음

조합 C: Temperature 0.4 / Max Tokens 200 / System prompt "친근한 팀장 말투로 요약"

각 조합의 예상 출력 특성과 적합한 상황을 표에 채워 넣으세요. 실제 Claude에 넣어볼 수 있다면 직접 비교해 채워도 좋습니다.

Step 4 — 한 줄 결론 작성 (30초)

세 조합을 비교한 뒤, 내 업무에 가장 적합한 조합이 무엇인지 이유 한 문장으로 적습니다.

이 표가 오늘 차시의 중요한 결과물입니다. 완성한 분은 댓글에 어떤 조합을 선택했는지만 남겨주세요.

CTA (30초)

다음 차시 #12에서는 오늘 만든 파라미터 조합을 실제 API 호출에 연결합니다. 코드 없이 n8n과 Make를 써서서 자동 처리 방법에 바로 붙이는 방법을 다룹니다.

오늘 완성한 비교표를 꼭 갖고 오세요. 다음 차시에서 그대로 씁니다.

댓글에 "완료"라고 남겨주시면 어떤 조합을 선택했는지 피드백해 드리겠습니다.

예상 분량: 15분