구조적 사고(SoT, Structure of Thought) 프롬프트 기법은 복잡한 텍스트를 처리할 때, 모델이 최종 답변을 생성하기 전에 먼저 텍스트 내의 핵심 요소를 식별하고 이들 간의 관계를 명확히 정의(노드와 링크 형태의 구조화)하도록 지시하는 방식입니다. 이를 통해 모델은 정보 검색, 다중 출처 융합, 텍스트 생성의 품질을 크게 향상시킬 수 있습니다.
이 기법을 적용하기 위한 기본 프롬프트 구조는 다음과 같습니다:
“제공된 텍스트를 바탕으로 핵심 노드(nodes)와 그들 간의 연결(links)을 식별하고 구조를 제공하세요. 그런 다음 텍스트와 구조를 바탕으로 답변을 작성하세요. 예상 포맷: [Structure] { “nodes”: [ {“id”: “n1”, “label”: “노드1 이름”}, {“id”: “n2”, “label”: “노드2 이름”}], “links”: [ {“source”: “n1”, “target”: “n2”}]} [Answer] 당신의 답변”
이러한 SoT 기법을 다양한 텍스트 처리 및 추론 작업에 적용할 수 있는 프롬프트 예시 10개를 제안합니다. 이 예시들은 T2S-Bench가 분류한 4가지 주요 그래프 추론 범주(결함 위치 파악, 기능 매핑, 경계 테스트, 반사실적 추론) 및 긴 문서 처리 작업에 기반하여 작성되었습니다.
1. 결함 위치 파악 (Fault Localization): 근본 원인 추적
“제공된 시스템 아키텍처 텍스트를 바탕으로 핵심 노드와 연결(링크)을 식별하여 구조를 제공하세요. 그런 다음 텍스트와 구조를 바탕으로 다음 질문에 답변하세요: 질문: 특정 출력 노드에서 데이터 손실(또는 이상 현상)이 관찰되었을 때, 이 문제의 근본 원인이 될 수 있는 상위 컴포넌트(Upstream Root Cause)들은 무엇입니까? 예상 포맷: [Structure] { “nodes”: […], “links”: […] } [Answer] 답변”
2. 결함 위치 파악 (Fault Localization): 필수 병목 지점 식별
“제공된 네트워크 또는 워크플로우 텍스트를 바탕으로 핵심 노드와 링크를 식별하여 구조를 제공하세요. 질문: 소스(출발지)에서 타겟(도착지)으로 향하는 모든 경로가 반드시 통과해야만 하는 유일한 ‘병목(Bottleneck)’ 또는 필수 통과 노드는 무엇입니까? 예상 포맷: (SoT 기본 포맷 사용)“
3. 기능 매핑 (Functional Mapping): 중앙 집계자 식별
“제공된 문서 내용을 바탕으로 각 컴포넌트(노드)와 데이터 흐름(링크)의 구조를 추출하세요. 질문: 여러 하위 소스에서 들어오는 입력이나 데이터를 하나로 모으는 ‘중앙 집계 포인트(Aggregation/Fusion node)’ 역할을 수행하는 컴포넌트는 무엇인지 구조에 기반하여 답변하세요. 예상 포맷: (SoT 기본 포맷 사용)“
4. 기능 매핑 (Functional Mapping): 제어자 및 제약 조건 파악
“제공된 시스템 운영 텍스트를 바탕으로 핵심 노드와 링크를 식별해 구조화하세요. 질문: 직접적으로 결과물을 생산하기보다는 다른 컴포넌트들의 활동을 제한하거나 통제(Controllers/Tuners)하는 역할을 담당하는 노드들은 무엇입니까? 예상 포맷: (SoT 기본 포맷 사용)“
5. 경계 테스트 (Boundary Testing): 우회 경로 확인
“제공된 복잡한 프로세스 텍스트를 바탕으로 노드와 링크를 추출하여 전체 구조를 제시하세요. 질문: 만약 구조 내 특정 주요 경로(예: 내부 변환 단계)가 완전히 차단된다고 가정할 때, 출발지에서 목적지까지 도달할 수 있는 유효한 대안 경로(Bypass path)가 구조상 남아있는지 확인하고 설명하세요. 예상 포맷: (SoT 기본 포맷 사용)“
6. 경계 테스트 (Boundary Testing): 가장 엄격한 전제 조건 식별
“제공된 텍스트를 바탕으로 시스템의 각 단계와 조건부 연결을 식별하여 구조를 제공하세요. 질문: 워크플로우 내에서 가장 좁은 전제 조건이나 가장 엄격한 조건부 게이트(Conditional gate)를 통과해야만 활성화되는 단계(노드)는 무엇인지 구조에 기반해 답변하세요. 예상 포맷: (SoT 기본 포맷 사용)“
7. 반사실적 추론 (Counterfactual Reasoning): 연결 단절의 영향 예측
“제공된 인과관계 텍스트(예: 생물학적 메커니즘 또는 경제 모델)에서 핵심 노드와 링크를 식별해 JSON 구조로 작성하세요. 질문: 만약 A 노드에서 B 노드로 이어지는 인과적 연결이 기능을 상실했다고 가정할 때(다른 조건은 동일), 이로 인해 가장 직접적으로 영향을 받아 결과가 도출되지 않게 되는 후속 노드는 무엇입니까? 예상 포맷: (SoT 기본 포맷 사용)“
8. 반사실적 추론 (Counterfactual Reasoning): 피드백 루프 비활성화
“제공된 텍스트를 바탕으로 시스템 내의 노드와 링크를 식별하여 구조를 제시하세요. 질문: 이 시스템을 조절하는 주요 ‘피드백 루프(Feedback loop)’ 경로가 완전히 차단될 경우, 전체 시스템의 작동 방식에 나타날 가장 직접적이고 구조적인 변화는 무엇입니까? 예상 포맷: (SoT 기본 포맷 사용)“
9. 긴 문서 기반 다중 문서 융합 (Multi-document Information Fusion)
“제공된 여러 텍스트 문서를 통합 분석하여, 전체 논의의 핵심 주제(노드)와 상호 연관성(링크)을 하나의 구조로 추출하세요. 질문: 이 중간 표현 구조를 바탕으로, 서로 다른 문서에 흩어져 있던 정보들이 어떻게 결합되어 궁극적인 결론(목표 노드)으로 이어지는지 다중 홉(Multi-hop) 추론을 통해 종합적으로 설명하세요. 예상 포맷: (SoT 기본 포맷 사용)“
10. 긴 문서 요약 (Long-context Summarization)
“제공된 복잡한 분석 보고서 텍스트에서 핵심 주체(노드)와 이들의 상호작용(링크)을 추출하여 중간 표현(IR) 구조를 생성하세요. 질문: 이렇게 명시적으로 정의된 구조를 바탕으로, 핵심 노드들 간의 상호작용 흐름을 3개의 문단으로 요약하여 작성하세요. 예상 포맷: (SoT 기본 포맷 사용)”
위의 프롬프트들은 모델이 체인 오브 소트(CoT)처럼 단순히 텍스트만으로 추론하게 하는 것이 아니라, 강제로 JSON 형태의 구조를 먼저 출력하게 함으로써 논리적 오류와 환각을 줄이고 긴 글의 관계를 정확히 탐색하도록 만듭니다.