로드 중
로드 중

AI 애플리케이션을 구축하다 보면 얼핏 간단해 보이지만 하나의 요청 안에서 모든 것을 처리하려고 하면 복잡해지는 작업을 종종 마주하게 됩니다. 복잡한 작업을 분해하여 Claude로부터 더 나은 결과를 얻는 데 도움이 되는 워크플로우 패턴을 살펴보겠습니다.

복잡한 단일 요청이 안고 있는 문제

사용자가 부품 이미지를 업로드하면 가장 적합한 소재를 추천해 주는 소재 디자이너 애플리케이션을 만든다고 가정해 보겠습니다. 처음에는 금속, 폴리머, 세라믹, 복합재, 엘라스토머, 목재 중에서 선택하도록 요청하는 간단한 프롬프트와 함께 이미지를 Claude에 보내는 방법을 떠올릴 수 있습니다.

부품 이미지를 드롭하면 최적의 소재를 분석해 준다는 점선 영역이 표시된 소재 디자이너 페이지.

이 기본적인 접근 방식도 어느 정도는 동작하겠지만, 이는 Claude에게 적절한 가이드 없이 많은 분석을 요구하는 셈입니다. 자연스러운 개선 방안은 각 소재 유형별로 세부 기준을 포함하도록 프롬프트를 확장하는 것입니다.

Claude에게 보내는 사용자 메시지: 이미지 블록과 여덟 가지 금속 기준 텍스트 블록, 이어서 폴리머 기준의 시작 부분.

하지만 이렇게 하면 새로운 문제가 생깁니다. 프롬프트가 지나치게 거대해져서 Claude가 여러 복잡한 분석을 동시에 처리해야 하므로 혼란을 일으킬 수 있습니다. 모델은 각 소재의 다양한 장단점을 한꺼번에 고려하려다 보니 주의가 분산될 수 있습니다.

더 나은 접근 방식: 병렬화

모든 것을 하나의 요청에 욱여넣는 대신, 작업을 여러 개의 전문화된 요청으로 나누어 병렬로 실행할 수 있습니다. 작동 방식은 다음과 같습니다:

Claude에 보내는 네 개의 병렬 요청. 각각 이미지와 금속, 폴리머, 세라믹, 또는 복합재 기준을 담은 사용자 메시지로 구성됩니다.

같은 이미지를 Claude에 여러 번 보내되, 서로 다른 전문화된 프롬프트를 사용합니다. 각 요청은 단 하나의 소재 유형에 대해서만 부품을 평가하는 데 집중합니다:

  • 한 요청은 금속 적합성을 분석합니다
  • 다른 요청은 폴리머 옵션을 평가합니다
  • 세 번째 요청은 세라믹 소재를 검토합니다
  • 나머지 소재 유형들도 각각 같은 방식으로 처리됩니다

각 프롬프트는 강도 요구 사항, 내열성, 제조상의 제약 등 관련 기준을 포함하여 해당 소재에 맞게 고도로 전문화될 수 있습니다.

결과 취합하기

개별 분석 결과를 모두 받으면, 이를 취합하는 역할을 하는 최종 요청을 Claude에 보냅니다. 이 요청은 모든 전문화된 분석 결과를 받아 Claude가 이를 비교하고 최종 추천을 내리도록 합니다.

금속, 폴리머, 세라믹, 복합재 분석 결과가 하나의 Claude로 입력되고 최종 소재 추천이 도출되는 과정.

이제 Claude는 처음부터 소재들을 비교할 필요가 없습니다. 대신 이미 수집된 세부 평가를 바탕으로 분석 결과를 평가하고 가장 유망한 옵션을 식별하는 데 집중할 수 있습니다.

병렬화 패턴

이 접근 방식은 병렬화 워크플로우라는 일반적인 패턴을 따릅니다:

사용자 작업이 세 개의 병렬화 가능한 하위 작업으로 분할되어 하나의 취합기로 이어지는 병렬화 워크플로우 다이어그램.

  1. 하나의 복잡한 작업을 여러 개의 전문화된 하위 작업으로 분할합니다
  2. 하위 작업들을 병렬로 (동시에) 실행합니다
  3. 마지막 단계에서 결과들을 취합합니다

핵심은 병렬화된 하위 작업들이 동일할 필요가 없다는 점입니다. 각 하위 작업은 특정 목적에 맞춰 전문화된 프롬프트, 서로 다른 도구, 또는 고유한 접근 방식을 가질 수 있습니다.

병렬화의 이점

이 워크플로우 패턴은 여러 가지 장점을 제공합니다:

  • 집중된 주의력: Claude는 여러 복잡한 고려 사항을 동시에 다루는 대신 한 번에 하나의 특정 분석에 집중할 수 있습니다
  • 더 쉬운 최적화: 각 하위 작업의 프롬프트를 독립적으로 개선하고 테스트할 수 있습니다
  • 더 나은 확장성: 새로운 소재 유형이나 기준을 추가해도 기존 하위 작업이 복잡해지지 않습니다
  • 더 빠른 실행: 하위 작업들이 병렬로 실행되므로 전체 소요 시간이 순차적 접근 방식보다 짧아지는 경우가 많습니다

이 패턴을 사용해야 할 때

병렬화는 독립적인 하위 문제로 분해할 수 있는 복잡한 작업이 있을 때 효과적입니다. Claude에게 여러 옵션을 고려하도록 요청하거나, 여러 유형의 분석을 수행하도록 요청하거나, 동일한 문제의 서로 다른 측면을 동시에 처리하도록 요청하는 상황을 찾아보세요.

이 패턴은 각 하위 작업이 전문화된 프롬프트의 혜택을 받을 때, 또는 모델에 한 번에 너무 많은 복잡성을 부과하지 않으면서도 다양한 가능성을 철저히 다루고 싶을 때 특히 유용합니다.