Prysai/Prysai-LLM-Playbook

해결하는 문제

초보자는 Codex, Claude Code, Agents, Skills 같은 AI 플랫폼 이름의 혼란스러운 환경에 직면하며, 무엇을 먼저 배워야 할지 모릅니다. 이 프로젝트는 출발점을 재정의합니다. 도구를 선택하기 전에 언어 모델이 무엇을 확립할 수 있고 무엇을 확립할 수 없는지 이해하는 것입니다. 또한 LLM의 핵심 실패 모드를 다룹니다. 유창하고 자신감 있는 답변도 틀릴 수 있고, 주어지지 않은 사실을 조용히 추가할 수 있습니다. 커리큘럼은 작업 정의, 경계 있는 행동 선택, 결과 검사, 증거 보존, 한계 명시라는 반복 가능한 루프를 가르쳐, 독자가 모델 출력을 신뢰하기 전에 검증하도록 합니다.

작동 방식

기본 경로는 5개 유닛의 LLM 기초 코어입니다. LLM이 무엇이고 무엇이 아닌지 설명하고, 목표, 맥락, 한계, 출력 형태를 포함한 작은 요청을 작성하며, 누락, 지어냄, 강제된 모호성, 과신을 식별하고, 답변을 확인하고 최소한으로 수리하면서 한계를 명시하며, 보지 못한 작업에 방법을 전이합니다. 각 유닛은 학습자가 만든 산출물(경계 있는 작업 카드, 확인된 결과 기록, 전이 시도)을 남겨야 하며, 복사된 프롬프트나 다듬어진 모델 답변이 아닙니다. 5분, 설정 없는 프롬프트 연습으로 누구나 어떤 채팅 모델에서든 지어낸 사실 행동을 볼 수 있습니다. 짧은 메시지를 다시 쓰되 모든 사실을 동일하게 유지하도록 요청하고, 세부 사항을 추가했는지 확인합니다. 저장소는 또한 관찰된 것(안정적인 로컬 엔지니어링 검사), 캡처되었지만 점수가 매겨지지 않은 것(입력 해시가 준비된 프롬프트에 바인딩되지 않은 출력 컬렉션), 그리고 여전히 알려지지 않은 것(학습자 완료, 전이, 생산성)을 명확히 구분하는 증거 원장을 유지합니다.

대상 독자

언어 모델 초보자로, 도구에 독립적인 출발점을 원하고 Codex, Claude Code, Agents, Skills 중 무엇을 배워야 할지 아직 모르는 사람. 기술적 전제 조건은 없습니다. Codex, Git, 터미널, 개인 파일이 필요 없으며, 연습용 채팅 모델만 있으면 시작할 수 있습니다. 또한 정직한 상태 공개를 중시하는 독자에게도 유용합니다. 프로젝트는 명시적으로 '후보'이며 학습자 결과가 아직 측정되지 않았고, IQ나 생산성 주장을 하지 않습니다.

하이라이트

• 정의, 경계, 검사, 증거 보존, 한계 명시라는 단일 검사 가능한 루프에 기반한 5유닛 기초 경로
• 5분, 설정 없는 프롬프트 연습으로 유창한 답변이 사실을 지어낼 수 있는 방식을 드러냄
• 경로당 요구되는 세 가지 학습자 생성 산출물: 경계 있는 작업 카드, 확인된 결과 기록, 전이 시도
• 관찰된 것, 캡처되었지만 점수가 매겨지지 않은 것, 알려지지 않은 결과를 분리하는 정직한 증거 원장——효율성, IQ, 보편적 주장 없음
• 8개의 등록된 언어 진입점과 공개 가이드 읽기 사이트; 시작에 기술적 설정 불필요