HiAPI
Ko
블로그

사용 가이드

GPT-6 Luna 프롬프트 사례: 바로 복사해서 쓰는 5가지 배치 시나리오

Nov 1, 2026
GPT-6 Luna 프롬프트 사례: 바로 복사해서 쓰는 5가지 배치 시나리오

아래 5가지 시나리오는 모두 GPT-6 Luna가 잘하는 배치 작업입니다: 분류, 추출, 재작성, 질의응답, agent. 각 항목에 완전한 prompt와 파라미터 권장 사항을 첨부했으니 복사해서 바로 사용할 수 있습니다. GPT-6 Luna는 이미 HiAPI에 출시되었으니 모델 페이지 열기에서 바로 대화할 수 있고, 신규 사용자 가입 시 200 크레딧을 드립니다.

1. 배치 분류: 제품 리뷰 감정 분석

요구 사항: 매일 수천 건의 사용자 리뷰가 들어오는데, 감정에 따라 positive/neutral/negative로 분류하고 동시에 언급된 구체적인 제품 특성을 추출해야 합니다.

핵심 파라미터: reasoning.effort=none(분류에는 추론이 필요 없음), text.format에 json_schema를 사용해 구조화 출력을 강제합니다.

{
  "model": "gpt-6-luna",
  "reasoning": {"effort": "none"},
  "input": [
    {
      "role": "system",
      "content": "당신은 제품 리뷰 분석 도우미입니다. 각 사용자 리뷰를 분석하여 감정(positive/neutral/negative), 언급된 제품 특성 목록, 구매 추천 여부를 포함한 JSON을 출력하세요. JSON만 출력하고 추가 텍스트는 쓰지 마세요."
    },
    {
      "role": "user",
      "content": "색은 예쁜데 2주 쓰니 밑창이 떨어졌어요. 추천하지 않습니다."
    }
  ],
  "text": {
    "format": {
      "type": "json_schema",
      "name": "review_analysis",
      "schema": {
        "type": "object",
        "properties": {
          "sentiment": {"type": "string", "enum": ["positive", "neutral", "negative"]},
          "features": {"type": "array", "items": {"type": "string"}},
          "recommend": {"type": "boolean"}
        },
        "required": ["sentiment", "features", "recommend"]
      }
    }
  }
}

예상 출력:

{
  "sentiment": "negative",
  "features": ["색상", "내구성"],
  "recommend": false
}

reasoning.effort=none으로 추론을 끄면 모델이 구조화 결과를 바로 출력하고 추론 token이 발생하지 않습니다. 이 프롬프트는 호출할 때마다 약 200–300 token(시스템 프롬프트 포함)이며, 표준 등급 $0.025/M 입력 기준으로 하루 10000건을 돌리면 약 $0.06입니다. 캐시를 활용하면 시스템 프롬프트가 적중되어 더 줄어듭니다.

2. 구조화 추출: 계약서 텍스트에서 필드 추출

요구 사항: 비구조화 계약서 스캔본 OCR 텍스트에서 계약 당사자, 금액, 날짜, 핵심 조항을 추출합니다.

{
  "model": "gpt-6-luna",
  "reasoning": {"effort": "none"},
  "input": [
    {
      "role": "system",
      "content": "다음 계약서 텍스트에서 핵심 정보를 추출하여 JSON을 출력하세요. 금액은 숫자형으로 변환하고, 날짜 형식은 YYYY-MM-DD입니다. 항목이 없으면 해당 필드는 null로 채우세요. JSON만 출력하세요."
    },
    {
      "role": "user",
      "content": "갑: 상하이즈마네트워크테크놀로지유한회사\n을: 항저우수윈정보기술유한회사\n계약 금액: 인민폐 일십이만 위안 정액(¥120,000)\n체결일: 2026년 10월 15일\n서비스 기간: 체결일로부터 12개월\n지급 방식: 체결 후 7영업일 이내 50% 지급, 검수 후 잔액 50% 지급"
    }
  ],
  "text": {
    "format": {
      "type": "json_schema",
      "name": "contract_extraction",
      "schema": {
        "type": "object",
        "properties": {
          "party_a": {"type": "string"},
          "party_b": {"type": "string"},
          "amount": {"type": "number"},
          "sign_date": {"type": "string"},
          "duration_months": {"type": "number"},
          "payment_terms": {"type": "string"}
        },
        "required": ["party_a", "party_b", "amount", "sign_date"]
      }
    }
  }
}

예상 출력:

{
  "party_a": "상하이즈마네트워크테크놀로지유한회사",
  "party_b": "항저우수윈정보기술유한회사",
  "amount": 120000,
  "sign_date": "2026-10-15",
  "duration_months": 12,
  "payment_terms": "체결 후 7영업일 이내 50% 지급, 검수 후 잔액 50% 지급"
}

schema의 required에는 핵심 필드만 나열했고, 보조 필드(duration_months, payment_terms)는 강제하지 않으므로 텍스트에 없어도 오류가 나지 않습니다.

3. 배치 재작성: 글 중복 제거와 스타일 통일

요구 사항: 여러 공급업체의 원문 제품 설명을 통일된 브랜드 어조로 재작성하고 동시에 중복을 제거합니다.

{
  "model": "gpt-6-luna",
  "reasoning": {"effort": "none"},
  "input": [
    {
      "role": "system",
      "content": "당신은 이커머스 콘텐츠 편집자입니다. 다음 제품 설명을 통일된 브랜드 어조로 재작성하세요: 간결하고, 전문적이며, 사용 시나리오를 부각할 것. 모든 사실 정보(치수, 재질, 기능)를 유지하고 원문에 없는 내용은 추가하지 마세요."
    },
    {
      "role": "user",
      "content": "이 커피컵 정말 잘 써요! 304 스테인리스 내胆, 6시간 보온, 용량 380ml. 뚜껑에 실링 링이 있어 가방에 넣어도 물이 안 새요. 사무실, 야외 모두 적합합니다."
    }
  ]
}

예상 출력:

380ml 스테인리스 보온컵, 304 내胆, 6시간 보온. 밀봉 뚜껑, 누수 방지 설계. 사무실과 야외 시나리오에 적합합니다.

재작성 작업은 reasoning.effort=none으로 설정하면 입력당 약 150 token, 출력 약 80 token이며 $0.025/$0.125로 계산하면 1000건 약 $0.014입니다. 시스템 프롬프트가 같으면 캐시 적중 후 입력 비용이 한 단계 더 줄어듭니다.

4. FAQ 자동 응답: 고객센터 자주 묻는 질문

요구 사항: 제품 설명서와 고객센터 FAQ 문서를 시스템 프롬프트로 두고 사용자 자주 묻는 질문에 자동으로 답변합니다. 추론은 필요 없지만 문서 내용을 정확히 인용해야 합니다.

{
  "model": "gpt-6-luna",
  "reasoning": {"effort": "none"},
  "input": [
    {
      "role": "system",
      "content": "당신은 HiAPI의 고객센터 도우미입니다. 다음은 당신이 숙지해야 할 제품 정보입니다:\n\nHiAPI는 텍스트, 이미지, 비디오, 오디오 모델을 통합한 AI API 중간 계층 플랫폼입니다.\n\n가격 모델: token 기준 또는 장당 과금, 자세한 내용은 /pricing 페이지 참조.\n신규 사용자 가입 시 200 크레딧 지급.\nAPI Key는 콘솔 dashboard에서 생성.\n환불 정책: 생성 실패 시 사전 차감 금액을 자동으로 전액 환불.\n\n한국어로 답변하고 한 번에 사용자가 물은 질문만 답하세요. 모르면 모른다고 바로 말하고 정보를 꾸며내지 마세요."
    },
    {
      "role": "user",
      "content": "생성 실패하면 돈이 청구되나요?"
    }
  ]
}

예상 출력:

아니요. 생성 실패 시 사전 차감된 금액이 자동으로 전액 환불됩니다.

핵심 기법: 시스템 프롬프트에 완전한 제품 지식 베이스(FAQ 문서, 제품 설명)를 넣고 캐시 메커니즘을 활용하세요(반복되는 시스템 프롬프트가 캐시에 적중하면 $0.0025/M만 청구). 사용자 질문에 문서에서 답을 찾을 수 있으면 즉시 답하고, 없으면 모른다고 바로 말합니다. 질의응답 한 건은 입력 약 500 token, 출력 약 80 token으로 표준 등급 약 $0.000023입니다.

5. 저복잡도 agent: 다단계 조회 및 요약

요구 사항: 사용자가 질문을 하면 모델이 먼저 도구로 가격을 조회하고, 그다음 문서를 조회한 뒤 마지막으로 한 문장으로 요약합니다. 깊은 추론은 필요 없지만 도구를 정확히 호출해야 합니다.

{
  "model": "gpt-6-luna",
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_model_price",
        "description": "지정한 모델의 HiAPI 가격을 조회",
        "parameters": {
          "type": "object",
          "properties": {
            "model_name": {"type": "string", "description": "모델 이름, 예: gpt-6-luna"}
          },
          "required": ["model_name"]
        }
      }
    },
    {
      "type": "function",
      "function": {
        "name": "search_knowledge_base",
        "description": "HiAPI 도움말 문서에서 키워드 검색",
        "parameters": {
          "type": "object",
          "properties": {
            "query": {"type": "string", "description": "검색 키워드"}
          },
          "required": ["query"]
        }
      }
    }
  ],
  "tool_choice": "auto",
  "input": [
    {
      "role": "system",
      "content": "당신은 HiAPI의 스마트 도우미입니다. 사용자가 가격을 물으면 get_model_price로 조회하고, 사용 방법을 물으면 search_knowledge_base로 검색하세요. 도구가 반환한 결과를 요약하여 한 문장으로 사용자에게 답하세요."
    },
    {
      "role": "user",
      "content": "gpt-6-luna와 gpt-5.6-luna 중哪个更便宜?"
    }
  ]
}

이것은 agent 루프의 시작점입니다: 모델이 먼저 get_model_price("gpt-6-luna")를 호출하고, 그다음 get_model_price("gpt-5.6-luna")를 호출한 뒤 마지막으로 요약해 답합니다. 도구 구현을 직접 유지한다면 결과를 반환한 뒤 전체 대화 기록을 다시 모델에 보내고, 모델이 도구를 호출하지 않을 때까지 계속하세요.

Luna는 이런 저복잡도 agent에 적합합니다: 도구 호출이 명확하고 추론 체인이 짧습니다. 복잡한 다단계 추론 시나리오(도구 호출 3회 초과, 중간 검증과 오류 수정이 필요한 경우)에는 Terra 또는 Sol을 권장합니다.

경제적인 세 가지 원칙

  • 추론이 필요 없으면 끄세요. 분류, 추출, 재작성, 단순 질의응답은 reasoning.effort=none으로 설정하면 추론 token이 발생하지 않고 temperature와 top_p도 조정할 수 있습니다.
  • 구조화 출력을 강제하려면 json_schema를 쓰세요. text.format을 json_schema로 설정하고 name과 schema를 정의하면 출력이 바로 데이터베이스로 들어가므로 사후 파싱이 필요 없습니다.
  • 시스템 프롬프트에 긴 문서를 넣고 캐시로 비용을 아끼세요. 제품 설명, FAQ 문서, Few-shot 예시를 모두 시스템 프롬프트에 넣으면 반복 적중 시 캐시 비용은 $0.0025/M에 불과합니다.
시나리오 reasoning.effort text.format 1000건당 약
배치 분류 none json_schema $0.006
구조화 추출 none json_schema $0.01
콘텐츠 재작성 none 없음 $0.014
FAQ 답변 none 없음 $0.023
단순 agent low/medium 없음 $0.05–$0.15

실제 비용은 prompt 길이와 출력량에 따라 달라집니다. 위는 일반적인 token량으로 추정한 것이며, 입력은 표준 등급 $0.025/M, 출력 $0.125/M로 계산했고 캐시 적중 절감은 포함하지 않았습니다.

자주 묻는 질문

reasoning.effort=none이 답변 품질에 영향을 주나요? 분류, 추출, 재작성, 단순 질의응답에는 거의 영향이 없습니다. 논리적 추론, 인과 분석, 다단계 추론이 필요한 작업은 low 또는 medium으로 설정하세요.

json_schema와 일반 prompt에 「JSON 출력」이라고 쓰는 것의 차이는 무엇인가요? json_schema는 모델 차원에서 출력 형식을 보장하므로 markdown 표시나 텍스트 설명이 덧붙지 않습니다. 일반 prompt에 「JSON 출력」이라고 쓰면 간혹 형식 편차가 생길 수 있습니다.

배치 작업은 Batch로 처리하면 더 저렴한가요? 요청에 "processing_mode": "batch"를 추가하면 입력과 출력이 각각 50% 할인됩니다. 실시간 응답이 필요 없는 작업에 적합합니다.

Agent 루프는 최대 몇 회인가요? Luna는 도구 호출 1–3회의 단순 agent에 적합합니다. 더 많은 회차나 중간 검증이 필요한 복잡한 흐름에는 Terra 또는 Sol을 권장합니다.

GPT-6 Luna 시리즈 글

위의 분류 prompt를 복사해서 모델 페이지 열기에 붙여넣고 첫 번째를 실행해 보세요. 가입 시 받는 200 크레딧이면 수천 번 분류를 돌릴 수 있습니다.

관련 글

모든 아티클 보기 →

영구 AI 아티팩트로 빌드 시작하기

API 키를 받아 태스크 기반의 하나의 API로 이미지, 비디오, 오디오 모델을 호출하세요.

API 문서 보기