Prompt 엔지니어링
LLM이 Markdown을 선택하는 이유
모듈 6 · Prompt Engineering · 사전 지식. Markdown이 왜 선택받는지 단계별로 추론합니다.
핵심 딜레마
핵심 딜레마
LLM은 순수 텍스트 모델입니다
LLM은 Token 단위로 출력하며, 각 Token은 텍스트 조각입니다. 색상, 글자 크기, 정렬 방식을 알지 못합니다.
하지만 사용자는 서식을 기대합니다
제목, 굵은 글씨, 목록, 코드 블록, 링크… 서식 없는 순수 텍스트는 가독성이 매우 떨어집니다.
해결책 도출 과정
1
HTML? 태그가 너무 무거워 — Token 낭비
↓ 불가
2
Word/PDF? 바이너리 형식 — Token 단위 출력 불가
↓ 더 불가
3
LaTeX? 문법이 복잡해 — 모델이 쉽게 오류를 범함
↓ 역시 불가
✓
Markdown: 서식 마커가 텍스트에 내장된 경량의 우아한 형식
Markdown의 세 가지 핵심 장점:
1. 순수 텍스트 호환 — 모델은 Token 단위로 출력하기만 하면 되고, 특별한 인코딩 불필요
2. 서식 마커가 극히 가벼움 —
3. 프론트엔드 렌더링이 성숙함 — marked.js / react-markdown 등 라이브러리로 한 줄이면 해결
1. 순수 텍스트 호환 — 모델은 Token 단위로 출력하기만 하면 되고, 특별한 인코딩 불필요
2. 서식 마커가 극히 가벼움 —
# ## **은 불과 몇 개의 Token만 사용3. 프론트엔드 렌더링이 성숙함 — marked.js / react-markdown 등 라이브러리로 한 줄이면 해결
결론: 모든 주요 AI 제품(ChatGPT, Claude, Qwen)은 기본적으로 Markdown을 출력합니다.
이건 우연이 아닙니다. 순수 텍스트 모델 + 서식 요구사항의 최적해입니다.
이건 우연이 아닙니다. 순수 텍스트 모델 + 서식 요구사항의 최적해입니다.