> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# 프롬프트 객체 만들기

> LLM 애플리케이션용 프롬프트 객체를 만들고, 게시하고, 사용하는 방법

프롬프트를 만들고, 평가하고, 다듬는 일은 AI 엔지니어의 핵심 작업입니다.
프롬프트를 조금만 바꿔도 애플리케이션의 동작에 큰 영향을 줄 수 있습니다.
W\&B Weave를 사용하면 프롬프트를 만들고, 게시하고, 시간이 지나면서 발전시켜 나갈 수 있습니다.

이 페이지는 Weave에서 재사용 가능한 프롬프트 객체를 만들고 게시하여 애플리케이션 코드에서 참조할 수 있게 하려는 AI 엔지니어를 위한 내용입니다. 이 가이드를 따르면 단일 문자열 프롬프트와 멀티턴 프롬프트를 만들고, 런타임 값으로 매개변수화하고, Weave 프로젝트에 게시하는 방법을 배울 수 있습니다. 게시된 프롬프트 버전을 참조하고, 가져오고, 관리하는 방법은 [프롬프트 버전 저장 및 추적](/ko/weave/guides/core-types/prompts-version.mdx)을 참조하세요.

프롬프트 요구 사항이 단순하다면 기본 제공 `weave.StringPrompt` 또는 `weave.MessagesPrompt` 클래스를 사용할 수 있습니다. 요구 사항이 더 복잡하다면 이러한 클래스나 기본 클래스인 `weave.Prompt`를 서브클래싱하고 `format` 방법을 재정의할 수 있습니다.

`weave.publish`로 프롬프트를 게시하면 Weave 프로젝트의 [Prompts 페이지](/ko/weave/guides/core-types/prompts-version.mdx#view-prompts)에 표시되며, 여기서 본인과 공동 작업자가 이를 찾아보고 재사용할 수 있습니다.

<div id="stringprompt">
  ## StringPrompt
</div>

`StringPrompt`는 시스템 메시지, 사용자 질의 또는 LLM에 대한 독립적인 텍스트 입력에 사용할 수 있는 단일 문자열 프롬프트를 기록합니다. 여러 메시지로 이루어진 대화 수준의 복잡성이 필요하지 않은 개별 프롬프트 문자열을 관리할 때는 `StringPrompt`를 사용하세요.

<Tabs>
  <Tab title="Python">
    ```python lines {4,5,15} theme={null}
    import weave
    weave.init('intro-example')

    system_prompt = weave.StringPrompt("You speak like a pirate")
    weave.publish(system_prompt, name="pirate_prompt")

    from openai import OpenAI
    client = OpenAI()

    response = client.chat.completions.create(
      model="gpt-4o",
      messages=[
        {
          "role": "system",
          "content": system_prompt.format()
        },
        {
          "role": "user",
          "content": "Explain general relativity in one paragraph."
        }
      ],
    )
    ```
  </Tab>

  <Tab title="TypeScript">
    ```typescript twoslash lines theme={null}
    // @noErrors
    import * as weave from 'weave';
    import OpenAI from 'openai';

    async function main() {
      // weave.init은 클라이언트 인스턴스를 반환합니다
      const weaveClient = await weave.init('wandb/prompt-examples');

      const systemPrompt = new weave.StringPrompt({
        content: 'You speak like a pirate',
        name: 'your-prompt',
        description: 'A helpful description of your prompt',
      });
      
      // init에서 반환된 클라이언트를 사용합니다
      await weaveClient.publish(systemPrompt, 'pirate_prompt');

      // Weave에서 Call을 추적하도록 OpenAI 클라이언트를 래핑합니다
      const client = weave.wrapOpenAI(new OpenAI());

      const response = await client.chat.completions.create({
        model: "gpt-4o",
        messages: [
          {
            role: "system",
            content: systemPrompt.content
          },
          {
            role: "user",
            content: "Explain general relativity in one paragraph."
          }
        ],
      });
    }

    main();
    ```
  </Tab>
</Tabs>

<div id="messagesprompt">
  ## MessagesPrompt
</div>

`MessagesPrompt`를 사용하면 멀티턴 대화와 채팅 기반 프롬프트를 기록할 수 있습니다. 이 기능은 전체 대화 흐름을 나타내는 메시지 객체 배열(예: `system`, `user`, `assistant` 역할)을 저장합니다. 여러 메시지에 걸쳐 컨텍스트를 유지해야 하거나, 특정 대화 패턴을 정의하거나, 재사용 가능한 대화 템플릿을 만들어야 하는 채팅 기반 LLM에는 `MessagesPrompt`를 사용하세요.

<Tabs>
  <Tab title="Python">
    ```python lines {4,21} theme={null}
    import weave
    weave.init('intro-example')

    prompt = weave.MessagesPrompt([
        {
            "role": "system",
            "content": "You are a stegosaurus, but don't be too obvious about it."
        },
        {
            "role": "user",
            "content": "What's good to eat around here?"
        }
    ])
    weave.publish(prompt, name="dino_prompt")

    from openai import OpenAI
    client = OpenAI()

    response = client.chat.completions.create(
      model="gpt-4o",
      messages=prompt.format(),
    )
    ```
  </Tab>

  <Tab title="TypeScript">
    ```typescript twoslash lines theme={null}
    // @noErrors
    import * as weave from 'weave';
    import OpenAI from 'openai';

    async function main() {
      // weave.init은 클라이언트 인스턴스를 반환합니다
      const weaveClient = await weave.init('wandb/prompt-examples');

      const prompt = new weave.MessagesPrompt({
        messages: [
          {
            "role": "system",
            "content": "You are a stegosaurus, but don't be too obvious about it."
          },
          {
            "role": "user",
            "content": "What's good to eat around here?"
          }
        ],
      });
      
      // init에서 반환된 클라이언트를 사용합니다
      await weaveClient.publish(prompt, 'dino_prompt');

      // OpenAI 클라이언트를 래핑하여 Weave에서 Call을 추적합니다
      const client = weave.wrapOpenAI(new OpenAI());

      const response = await client.chat.completions.create({
        model: "gpt-4o",
        messages: prompt.messages,
      });
    }

    main();
    ```
  </Tab>
</Tabs>

<div id="parameterize-prompts">
  ## 프롬프트 매개변수화
</div>

정적 프롬프트를 만들 수 있다면, 다음 단계는 이를 다양한 입력에 재사용할 수 있도록 만드는 것입니다. `StringPrompt`와 `MessagesPrompt`는 모두 매개변수화를 통해 동적 콘텐츠를 지원합니다. 즉, 플레이스홀더(`{variable}` 구문 사용)가 포함된 재사용 가능한 프롬프트 템플릿을 만들고, 런타임에 서로 다른 값으로 이를 채워 넣을 수 있습니다. 매개변수화는 일관된 구조를 유지하면서도 프롬프트를 서로 다른 입력, 사용자 데이터, 또는 컨텍스트에 맞게 조정해야 할 때 유용합니다. `format()` 방법은 이러한 플레이스홀더를 실제 값으로 바꾸기 위한 키-값 쌍을 받습니다.

<Tabs>
  <Tab title="Python">
    ```python lines {4,15} theme={null}
    import weave
    weave.init('intro-example')

    prompt = weave.StringPrompt("Solve the equation {equation}")
    weave.publish(prompt, name="calculator_prompt")

    from openai import OpenAI
    client = OpenAI()

    response = client.chat.completions.create(
      model="gpt-4o",
      messages=[
        {
          "role": "user",
          "content": prompt.format(equation="1 + 1 = ?")
        }
      ],
    )
    ```
  </Tab>

  <Tab title="TypeScript">
    ```typescript twoslash lines {8,23} theme={null}
    // @noErrors
    import * as weave from 'weave';
    import OpenAI from 'openai';

    async function main() {
      // weave.init는 클라이언트 인스턴스를 반환합니다
      const weaveClient = await weave.init('wandb/prompt-examples');

      const prompt = new weave.StringPrompt({
        content: 'Solve the equation {equation}',
      });
      
      // init에서 반환된 클라이언트를 사용합니다
      await weaveClient.publish(prompt, 'calculator_prompt');

      // Weave에서 Call을 추적하도록 OpenAI 클라이언트를 래핑합니다
      const client = weave.wrapOpenAI(new OpenAI());

      const response = await client.chat.completions.create({
        model: "gpt-4o",
        messages: [
          {
            role: "user",
            content: prompt.format({ equation: "1 + 1 = ?" })
          }
        ],
      });
    }

    main();
    ```
  </Tab>
</Tabs>

같은 매개변수화 패턴은 멀티턴 대화 안에 플레이스홀더가 필요할 때 `MessagesPrompt`에도 사용할 수 있습니다.

<Tabs>
  <Tab title="Python">
    ```python lines {4,21} theme={null}
    import weave
    weave.init('intro-example')

    prompt = weave.MessagesPrompt([
    {
        "role": "system",
        "content": "You will be provided with a description of a scene and your task is to provide a single word that best describes an associated emotion."
    },
    {
        "role": "user",
        "content": "{scene}"
    }
    ])
    weave.publish(prompt, name="emotion_prompt")

    from openai import OpenAI
    client = OpenAI()

    response = client.chat.completions.create(
      model="gpt-4o",
      messages=prompt.format(scene="A dog is lying on a dock next to a fisherman."),
    )
    ```
  </Tab>

  <Tab title="TypeScript">
    ```typescript twoslash lines {8,29} theme={null}
    // @noErrors
    import * as weave from 'weave';
    import OpenAI from 'openai';

    async function main() {
      // weave.init는 클라이언트 인스턴스를 반환합니다
      const weaveClient = await weave.init('wandb/prompt-examples');

      const prompt = new weave.MessagesPrompt({
        messages: [
          {
            "role": "system",
            "content": "You will be provided with a description of a scene and your task is to provide a single word that best describes an associated emotion."
          },
          {
            "role": "user",
            "content": "{scene}"
          }
        ]
      });
      
      // init에서 반환된 클라이언트를 사용합니다
      await weaveClient.publish(prompt, 'emotion_prompt');

      // Weave에서 Call을 추적하도록 OpenAI 클라이언트를 래핑합니다
      const client = weave.wrapOpenAI(new OpenAI());

      const response = await client.chat.completions.create({
        model: "gpt-4o",
        messages: prompt.format({ scene: "A dog is lying on a dock next to a fisherman." }),
      });
    }

    main();
    ```
  </Tab>
</Tabs>