Claude 시스템 프롬프트 공개 페이지와 커뮤니티 반응
Claude: System Prompts
TL;DR Highlight
Anthropic이 claude.ai·모바일 앱 시스템 프롬프트를 모델별로 공개 중
Who Should Read
자기 서비스의 시스템 프롬프트를 어떻게 쓸지 참고할 만한 실제 사례를 찾는 LLM 앱 개발자
Core Mechanics
- claude.ai 앱의 시스템 프롬프트를 공개한다
- claude.ai 웹과 Claude iOS·Android 앱이 대화 시작 때마다 시스템 프롬프트로 현재 날짜 같은 최신 정보를 넣는다.
- 코드 스니펫을 항상 Markdown으로 주는 것 같은 행동도 이 프롬프트가 유도한다.
- Claude API에는 적용되지 않는다
- 이 시스템 프롬프트 업데이트는 Claude API에는 적용되지 않는다.
- API로 쓰는 개발자는 이 내용을 그대로 받는 게 아니라 참고용으로 봐야 한다.
- 모델별로 페이지가 나뉘어 있다
- Haiku 5.5부터 Claude 3 Haiku까지 모델별 페이지가 있다.
- 일부 모델은 날짜별 항목이 여러 개다.
- 프롬프트는 주기적으로 갱신된다
- 원문에 따르면 Claude의 응답을 개선하려고 이 프롬프트를 주기적으로 업데이트한다.
Community Reactions
- 프롬프트 변경 이력을 git 커밋으로 볼 수 있다
- Simon Willison이 이 프롬프트들을 git 커밋 이력으로 다시 만들어 둔 폴더가 있다는 경험 공유가 있었다.
- Opus 4.8과 Opus 5 사이 변경점을 diff로 볼 수 있다고 한다.
- 프롬프트가 3000단어 넘게 커졌다는 지적
- 초기 프롬프트는 300단어 남짓이었는데 최신은 3000단어 이상이라는 관찰이 있었다.
- 불필요하게 길고 대부분 해당되지 않는다는 비판이 나왔다.
- 간결하게 답하라는 지시가 안 먹힌다는 경험
- 새 모델의 답변, PR 설명, 코드 주석이 너무 장황해서 별도 프롬프트나 claude.md로 길이를 제한해야 한다는 경험담이 있었다.
- 툴 정의와 Claude Code 프롬프트는 빠져 있다는 아쉬움
- 공개본에는 툴 정의가 없고 Claude Code 시스템 프롬프트도 공개되지 않는다는 의견이 있었다.
- Claude Code 프롬프트는 Piebald-AI 저장소에 추출본이 올라온다는 정보가 공유됐다.
How to Apply
- 우리 시스템 프롬프트 길이 점검하기
- 지금 쓰는 시스템 프롬프트에서 모델이 원래 알아서 하는 일반 지시를 찾아 지워 보자.
- 지우기 전후로 같은 질문 10개를 돌려 답변 품질을 비교하자.
- 공개 프롬프트의 구조 훔쳐 쓰기
- 우리 서비스에 필요한 항목(날짜 주입, 출력 형식, 거절 기준)만 골라 짧게 옮기자.
- 모델이 이미 하는 행동은 빼고 실제 문제가 된 행동만 넣자.
- 프롬프트 모순 검사 돌리기
- 모델에 시스템 프롬프트를 주고 서로 충돌하는 지시를 나열하게 하자.
- 나온 모순을 정리해 한쪽으로 통일하자.
Try It
# Claude나 ChatGPT 대화창에 그대로 붙여넣기 (원문 아이디어를 프롬프트로 옮긴 간이 버전)
아래는 내 서비스의 시스템 프롬프트다.
<system_prompt>
{{시스템 프롬프트}}
</system_prompt>
다음을 해 줘.
1. 서로 모순되거나 충돌하는 지시를 모두 나열해 줘.
2. 최신 LLM이 지시 없이도 기본으로 하는 일반적인 내용을 골라 줘.
3. 위 두 가지를 뺀 더 짧은 버전을 제안해 줘.
이어서 해 볼 것: 원본과 짧은 버전으로 같은 질문 {{질문 10개}}를 돌려 답변을 비교해 보자.Terminology
관련 논문
AI는 도구다, 잘 쓰려면 기술이 필요하다
Hickey의 'AI는 도구가 아니다'에 맞서, LLM도 쓰는 사람의 기술이 결과를 가른다고 반박
딥리서치 에이전트의 Reflective Prompt Optimization: 토픽 분리·멀티 시드로 본 진짜 성능 향상과 프롬프트 과적합
GEPA로 프롬프트를 최적화했더니 held-out 인용 보상 0.702→0.781
GPT-6와 Intelligent UI: 채팅 안에서 시각·인터랙티브 응답 만들기
OpenAI가 GPT-6로 채팅 응답에 UI를 넣는다는데 원문이 없어 댓글 반응만 확인된다
Base 모델도 첫 토큰 단서(cue) 하나로 추론한다: 학습 데이터가 만든 연상
응답 첫 두 토큰만 고정했더니 Olmo-3-7B의 MATH-500 정답률이 42%에서 78%로 올랐다
Jev식 Typed Decision Model에서는 정의보다 라벨이 이긴다
옵션 이름을 A, B로 바꿨더니 정확도가 +0.1511 올랐다
프롬프트는 얼마나 필요한가? Few-shot 예시를 블랙박스로 최소화하는 DD-FSM
Delta debugging으로 few-shot 예시를 평균 65.3% 줄여도 출력은 그대로
언어모델은 "불안정한(Insecure)" 보고자다: 결함을 숨기는 LLM 리포트
"Be honest" 한 줄을 붙였더니 GPT-5.5의 부정 결과 공개가 2/200에서 190/200으로 늘었다