[Gemini] 퀄리티 좋은 답변 얻는 법

하나의 주제에 대해 대화를 하다보면 생각의 가지가 뻗은 상태에서 이어지는 경우가 꽤 있다. 그렇다 보니 AI가 엉뚱한 답변을 주는 상황이 있다. 이는 컨텍스트 윈도우( AI가 기억할 수 있는 토큰의 양) 용량을 초과한 경우도 있지만 하나의 채팅에서 여러 대화를 한 경우 어떤 주제에 집중해야 하는지 혼란을 느낀 경우이다.

 

AI는 질문을 던질 때마다 처음부터 모든 질문, 답변을 다시 읽고 최근 질문에 대한 답변을 마련한다. 여러 주제가 오갔다면 혼란스러워 한다는 의미이다. 가령 AI와 하나의 채팅에서 1번 대화 ~ 99번 대화가 있었다면 100번 대화에서 1~99번의 대화를 다시 읽어 드리고 100번째 답변을 생성하기 때문이다.

 

디자인 패턴 학습 프로젝트의 DB를 구성하고 있던 중 겪은 상황이다.

테이블의 속성을 정의하던 중 검색 기능이 필요하여 인덱스 설정을 물어보고 있었다. 그러다 검색 편의를 위해 엘라스틱 서치의 필요성에 대해 질문하게 되었다가 현재 프로젝트에서는 과도하다고 판단하여 적용하지 않겠다는 결론은 내었다. 이 대화 이후로 테이블에 관해 질문을 하면 속성을 삭제 시키면서 새로 관계도를 만들거나 인덱스 설정을 과도하게 설정하는 답변을 보게 되었다.

 

AI를 사용하는 방법이 잘못되었다는 것을 알게 된 후, 대화의 내용을 압축 해달라고 요청했다. 대화 진행에 필요한 내용만 복사해 새 채팅에 넣고 질문을 이어갔더니 질문 의도를 올바르게 파악하는 것을 알 수 있었다.

 

그동안 대부분 "질문"을 많이 했지. 정리, 점검, 계획성을 묻진 않았다. 이번처럼 AI 활용은 결과물에도 직접적인 영향을 주기 때문에 노하우가 생겨나고 있는 것이 꽤나 즐겁다.

 

덕분에 필요한 관계도를 발견하게 되었고 단일 인덱스, 복합 인덱스, Soft Delete, 로그(사용자 행동 패턴 분석) 등 공부도 많이 되었다.

 

---

패턴(pattern)과 분류(classifications)는 N:M 관계로 pattern_classifications로 중계 테이블을 두었다.

하나의 패턴에 여러 분류, 하나의 분류에 여러 패턴이 존재할 수 있기 때문이다. 예를 들어 빌더패턴은 생성패턴, 백엔드에 분류 될 수 있고 생성 패턴은 싱글톤, 팩터리 메서드, 빌더 등의 패턴을 가질 수 있다.

 

패턴 통계(pattern_statistics)는 사용자의 행동 기록이다. 각 패턴의 페이지에서 행동을 파악하여 컨텐츠 개선에 사용하려한다.

 

패턴(pattern), advantages(장점), disadvantages(단점)은 패턴들을 설명하는 데이터를 관리하는 테이블이다.

유저(users) 테이블에서 관리자급의 권한을 지정한 사용자가 데이터 통제할 수 있다.