앤트로픽(Anthropic)이 자사의 최신 대규모 언어모델(LLM)인 클로드 5(Claude 5) 모델, 특히 클로드 오푸스 5(Claude Opus 5)와 클로드 페이블 5(Claude Fable 5)에서 시스템 프롬프트(system prompt)의 80% 이상을 제거했음에도 코딩 평가에서 성능 손실이 없었다고 발표했습니다. 이는 기존의 복잡하고 상세한 지침이 오히려 모델의 잠재력을 제한할 수 있다는 중요한 시사점을 던집니다.
앤트로픽은 클로드 코드(Claude Code) 내부 사용 기록을 분석한 결과, 시스템 프롬프트, 스킬(Skills), CLAUDE.md 파일, 사용자 요청 등 여러 출처에서 상충하거나 중복되는 지침이 많았음을 발견했습니다. 예를 들어, '적절하게 문서화하라'는 지침과 '주석을 추가하지 말라'는 지침이 동시에 존재하여 모델이 혼란을 겪는 경우가 있었습니다. 과거에는 이러한 제약이 최악의 시나리오를 방지하는 데 필요했지만, 최신 모델들은 향상된 판단력과 주변 컨텍스트(context)를 활용하는 능력을 통해 명시적인 규칙 없이도 올바른 결정을 내릴 수 있게 되었습니다. 또한, 클로드 코드에 메모리(memory), 아티팩트(artifacts), 스킬 등 더 많은 도구가 추가되면서 CLAUDE.md 파일에 의존하던 기억, 정보, 지침의 역할이 분산되었습니다.
이러한 변화는 컨텍스트 엔지니어링(context engineering)의 새로운 접근 방식을 요구합니다. 과거에는 모델에 상세한 규칙과 예시를 제공하고 모든 정보를 한 번에 전달하는 것이 최적의 방법으로 여겨졌습니다. 하지만 이제는 모델의 판단력을 신뢰하고, 도구 사용을 위한 명확한 인터페이스를 설계하며, 필요할 때만 관련 컨텍스트를 제공하는 점진적 공개(progressive disclosure) 방식이 더욱 효과적입니다. 예를 들어, 코드 리뷰나 검증과 같은 특정 기능은 별도의 스킬로 분리하여 모델이 필요할 때만 호출하도록 하는 방식입니다. 이는 대규모 언어모델(LLM)이 단순히 지시를 따르는 것을 넘어, 복잡한 상황을 이해하고 자율적으로 판단하는 방향으로 진화하고 있음을 보여줍니다.