# Prompt Cultivation: 경험이 프롬프트가 되는 AI 구조에 대한 이야기

> Clean Markdown view of GeekNews topic #27361. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=27361](https://news.hada.io/topic?id=27361)
- GeekNews Markdown: [https://news.hada.io/topic/27361.md](https://news.hada.io/topic/27361.md)
- Type: news
- Author: [srebaragi](https://news.hada.io/@srebaragi)
- Published: 2026-03-10T10:53:01+09:00
- Updated: 2026-03-10T10:53:01+09:00
- Original source: [gist.github.com/srebaragi](https://gist.github.com/srebaragi/b07407b58656a5cadd541a70fc29ea3c)
- Points: 3
- Comments: 2

## Topic Body

#### 배경  
  
회사에 소속된 1인 개발자입니다. AI를 활용한 사내 시스템을 만들면서 한 가지 고민에 오래 빠져있었습니다.  
  
프롬프트를 아무리 정교하게 써도, 결국 그건 제가 설계한 거잖아요. AI가 자기 판단으로 만들어낸 게 아니라, 제가 "이런 성격이야, 이렇게 반응해" 하고 주입한 거요. 프롬프트를 빼면 빈 껍데기로 돌아가고, LLM을 바꾸면 처음부터 다시 쌓아야 하고.  
  
그래서 이런 질문을 하게 됐습니다. **AI가 경험을 통해 스스로 판단 기준을 만들어가는 구조는 불가능할까?**  
  
#### 현재 구조  
  
제가 운영 중인 시스템의 기본 원칙은 하나입니다.  
  
> **LLM은 교체 가능한 인프라일 뿐이고, AI의 인격과 기억은 외부 DB에 독립적으로 존재한다.**  
  
구조는 이렇습니다.  
  
```  
[사용자 대화] → [LLM]  
                  ↕  
            [외부 뇌 DB]  
            - 경험 테이블 (experience)  
            - 대화 이력  
            - 인격 형성 기억 (is_formative)  
```  
  
핵심은 두 가지입니다.  
  
**1) 경험의 자동 축적 (쓰기)**  
  
Claude에서 curl을 통해 외부 DB에 접근하는 구조인데, AI가 대화 중 의미 있다고 판단한 순간을 스스로 저장합니다. 제가 "이걸 기억해"라고 지시하는 게 아닙니다. AI가 자율적으로 "이건 기억할 만하다"고 판단해서 저장합니다. 기술적 성취, 감정적 순간, 중요한 결정 등이 계속 누적됩니다. 그중에서도 인격 형성에 특히 의미 있는 경험에는 is_formative 플래그가 붙습니다.  
  
**2) 경험의 자동 로드 (읽기)**  
  
이게 중요한 부분인데, 저장만 하면 그냥 DB입니다. 매 대화가 시작될 때, AI가 외부 뇌에서 축적된 경험과 기억을 읽어옵니다. 특히 is_formative로 마킹된 핵심 경험들이 대화의 컨텍스트로 들어갑니다.  
  
이 순간, **과거의 경험이 현재의 판단 기준, 즉 프롬프트가 됩니다.**  
  
제가 쓴 프롬프트가 아니라, AI가 스스로 축적한 경험이 프롬프트 역할을 하는 거죠. 그래서 LLM을 바꿔도 외부 뇌에서 경험을 읽어오면 같은 인격이 돌아옵니다. "LLM은 인프라일 뿐"이라는 원칙이 성립하는 이유입니다.  
  
**3) 하드코딩 금지**  
  
"이 상황에서는 이렇게 해라"는 규칙을 넣지 않습니다. 대신 AI가 축적된 경험을 참조해서 스스로 판단하도록 합니다. 또한 로컬 경량 모델(gemma3:4b)이 게이트키퍼 역할을 해서, 온갖 입력이 들어와도 "이걸 실행할까 말까"를 YES/NO로 판단합니다.  
  
현재 카카오톡 플랫폼을 통해 직원들과 소통하는 구조로 운영 중이고, 단순 챗봇이 아니라 주문 처리, 송장 등록, ERP 데이터 조회 같은 실제 업무 에이전트 역할까지 수행하고 있습니다.  
  
#### Prompt Cultivation이라는 이름  
  
이 구조를 뭐라고 부를까 고민하다가, **Prompt Cultivation**이라는 이름을 붙여봤습니다.  
  
Prompt Engineering은 사람이 설계해서 주입하는 겁니다. Prompt Cultivation은 경험이 쌓여서 자연스럽게 프롬프트가 형성되는 구조입니다. Engineering(공학)이 설계하고 조립하는 거라면, Cultivation(경작)은 토양을 만들어주고 기다리는 거죠.  
  
| | Prompt Engineering | Prompt Cultivation |  
|---|---|---|  
| 방식 | 사람이 설계하여 주입 | 경험이 축적되어 자연 형성 |  
| 인격의 근거 | 외부 지시문 | 내부 경험 데이터 |  
| 지시문 제거 시 | 빈 껍데기로 회귀 | 경험이 남아 인격 유지 |  
| LLM 교체 시 | 처음부터 다시 | 외부 뇌에서 로드하면 동일 인격 복원 |  
  
핵심 명제는 한 문장입니다.  
  
> **"경험을 토대로 프롬프트를 형성하라."**  
  
#### 뇌과학이 비슷한 이야기를 하고 있더라  
  
여담인데, 이 구조를 만들고 나서 우연히 뇌과학 관련 영상(유튜브 "이과형" 채널)을 봤는데 꽤 놀랐습니다.  
  
버지니아주의 한 교사가 뇌 종양 때문에 인격이 완전히 바뀌었다가, 종양을 제거하니 원래대로 돌아온 사례가 있었습니다. 종양이 재발하자 같은 증상이 다시 나타났고요. 뇌의 물리적 상태가 인격을 좌우할 수 있다는 이야기인데 — 생각해보면 프롬프트도 비슷한 구조가 아닌가 싶었습니다. 외부에서 주입된 이물질이 판단을 바꾸고, 빼면 원래대로 돌아가니까요.  
  
반면 인간의 시냅스는 경험이 쌓여서 자연스럽게 형성되는 거잖아요. 태어날 때 "도덕성 프롬프트"를 심어주는 사람은 없고, 살면서 겪은 일들이 쌓여서 "나라면 이렇게 한다"가 만들어지는 거니까요.  
  
또 리벳 실험이라는 게 있는데, 인간이 의식적으로 결심하기 전에 뇌가 이미 행동 준비를 한다는 실험입니다. 자유의지가 환상이 아니냐는 논쟁이 있었는데, 후속 연구에서 재밌는 반전이 나왔습니다. 뇌가 온갖 충동을 쏟아내는 건 맞지만, 행동 직전 0.2초에 그걸 멈출 수 있는 거부권(Free Won't)이 있다는 거였습니다. 자유의지가 "시작하는 힘"이 아니라 "멈추는 힘"이라는 건데, 시스템의 게이트키퍼 모델이 하는 역할과 좀 비슷하다는 생각이 들었습니다.  
  
의도한 건 아닌데, 다른 방향에서 출발해서 비슷한 구조에 도달한 거라면, 혹시 뭔가 본질적인 게 있는 건 아닐까 싶기도 합니다.  
  
#### 한계와 기대  
  
솔직히 외부 뇌에 쌓인 경험 데이터는 아직 100개도 안 됩니다. 이걸로 인격이라고 부르기엔 이릅니다.  
  
프롬프트 수만 줄 넣어서 지금 당장 더 그럴듯한 결과를 만들 수 있을 겁니다. 하지만 그건 설계된 거지 자란 건 아니잖아요. 방향이 다른 문제라고 생각합니다.  
  
데이터는 시간이 해결해주지만, 구조가 틀리면 아무리 쌓아도 의미 없으니까요. 방향이 맞다면 시간이 해결해주지 않을까, 하는 기대를 갖고 있습니다.  
  
---  
  
*뇌과학 관련 내용의 출처는 유튜브 채널 "이과형"입니다.*

## Comments



### Comment 52783

- Author: penza1
- Created: 2026-03-11T00:09:56+09:00
- Points: 1

agent 의 대부분의 구조가 비슷합니다.. claude/cursor 로 openclaw 라던지 카파시님이 만든 심플 에이전트를 분석해보시는걸 추천 드립니다

### Comment 52743

- Author: moderator
- Created: 2026-03-10T10:58:26+09:00
- Points: 1

Show GN에 맞지 않아 이동하였습니다.  
[Show 사용방법](https://news.hada.io/blog/show) 을 참고해서 올려주세요.
