Clip 3: PRD 프롬프트 만들기

학습 목표

• PRD(Product Requirements Document) 기반 AI 프롬프트 작성법 이해하기

• Vector Search와 BM25를 결합한 Hybrid Search 요구사항 정리하기

• Context window 최대로 사용 가능한 PRD 프롬프트 작성 전략 익히기

• Neon MCP 서버 연결 및 ParadeDB 활용 방법 익히기

PRD란 무엇인가?

**PRD(Product Requirements Document)**는 제품 개발 전 작성하는 요구사항 명세서입니다.

AI 시대의 PRD 변화

전통: 기획자/PM → PRD 작성 → 개발자 → 코드 구현
AI 시대: 개발자 → PRD 프롬프트 작성 → AI 에이전트 → 코드 생성

핵심 차이점:

• 사람용 PRD: 배경, 목적, 비즈니스 맥락 중심

• AI용 PRD: 명확한 스펙, 입출력, 제약사항, 필요한 맥락 중심

왜 PRD 프롬프트가 중요한가?

AI 에이전트는 사람이 아니기 때문에 필요한 모든 맥락을 명확하게 제공해야 합니다.

나쁜 예시:

하이브리드 검색을 만들어줘

좋은 예시:

Neon PostgreSQL의 loan_products 테이블에서
pgvector(코사인 유사도)와 pg_search(paradedb)를
RRF 알고리즘으로 결합한 Python CLI 구현.
text-embedding-3-small 사용

실습 데이터 준비

농협 스마트마켓 대출 상품 데이터

실습을 위해 농협 스마트마켓에서 대출 상품 데이터를 수집하고 정제했습니다.

데이터 파일: loan_products.json

• 농협의 다양한 대출 상품 정보 포함

• 상품명, 설명, 조건 등 검색에 필요한 텍스트 데이터 구조화

• Hybrid Search 실습에 최적화된 형태로 가공

이 데이터를 사용하면 별도의 크롤링이나 데이터 수집 없이 바로 Hybrid Search 구현에 집중할 수 있습니다.

Neon MCP 서버 연결하기

Hybrid Search 구현을 위해 Neon PostgreSQL을 Claude Code와 연결합니다.

연결 방법

Remote MCP Server (권장):

claude mcp add --transport http neon https://mcp.neon.tech/mcp -s project

연결 확인

# Claude Code 시작
claude

# MCP 서버 목록 확인
/mcp

Neon MCP가 정상적으로 연결되면 프로젝트 조회, SQL 실행 등의 작업을 Claude Code에서 바로 수행할 수 있습니다.

출처: Neon + Claude Code MCP Guide

ParadeDB Hybrid Search 가이드

Hybrid Search란?

ParadeDB의 Hybrid Search는 Full-text Search(BM25)와 Similarity Search(Vector)를 결합한 검색 방식입니다.

RRF (Reciprocal Rank Fusion) 알고리즘

Hybrid Search의 핵심은 두 검색 결과를 어떻게 결합하는가입니다. ParadeDB는 RRF 알고리즘을 사용합니다.

RRF 동작 방식:

1. BM25 점수와 Similarity 점수로 각각 문서의 상위 결과 계산
2. 각 검색 방식별로 문서 순위 매기기
3. Reciprocal Rank 계산: 1/(k + r)
   - k: 일반적으로 60 (조정 가능)
   - r: 해당 문서의 순위
4. 두 Reciprocal Rank를 합산하여 최종 Hybrid Search 점수 생성

Hybrid Search SQL 예제

SELECT description,
       bm25_score,
       similarity_score,
       hybrid_score
FROM (
    -- BM25 텍스트 검색
    SELECT id,
           description,
           paradedb.score(id) AS bm25_score
    FROM products
    WHERE description @@@ 'keyboard'
) bm25_results
JOIN (
    -- Vector 유사도 검색
    SELECT id,
           1 - (embedding <=> '[1,2,3]'::vector) AS similarity_score
    FROM products
) vector_results USING (id)
-- RRF로 결합
ORDER BY (1.0 / (60 + bm25_rank)) + (1.0 / (60 + vector_rank)) DESC
LIMIT 5;

핵심 장점:

• 키워드 기반 검색과 의미 기반 검색의 장점 결합

• 보다 포괄적이고 정확한 검색 결과 제공

• 다양한 검색 모달리티에서 유연한 랭킹 가능

출처: ParadeDB Hybrid Search Guide

PRD 작성 전략

1. 명확한 스펙 제공

• Python 버전, 데이터베이스, 임베딩 모델 등 구체적 명시

• 정확한 테이블 이름과 컬럼 구조 제공

• 구현할 때 참고할 페이지 제공

2. PRD 프롬프트

스펙:
- Python, uv 패키지 매니저
- Neon PostgreSQL (pgvector, pg_search 확장)
- OpenAI text-embedding-3-small
- psycopg2

데이터베이스:
- Neon MCP 사용
- 프로젝트: nonghyup-loan
- 테이블: loan_products

핵심 기능:
- 대출 상품 데이터 파일(loan_products.json)을 loan_products 테이블에 저장
- 대출 상품이 searchable_text 를 bm25로 검색하기 좋게 특수문자 제거하여 cleaned_searchable_text 생성 -> bm25 search
- searchable_text 를 embedding해서 searchable_text_embedding에 저장 -> vector search
- hybrid_search(): RRF로 vector, bm25 search 결합
  - https://docs.paradedb.com/documentation/guides/hybrid 참고 구현
  - bm25, vector search 할 때는 테이블 전체를 대상으로 계산

CLI 동작:
uv run python ... "의사 전용 대출"

주의:
- PRD는 핵심만 간략하게
- 구체적인 SQL 코드 작성하지 않기
- 구현 세부사항은 AI에게 맡기기

---

PRD 작성 시 체크리스트

AI가 좋아하는 PRD

✅ 정확한 기술 스택 (pgvector, OpenAI 모델명, PostgreSQL 확장) ✅ 명확한 입출력 정의 (CLI 명령어 예시) ✅ 구체적인 알고리즘 (RRF 공식, 코사인 거리) ✅ 실제 데이터 정보 (테이블명, 컬럼명, 데이터 개수)

AI가 싫어하는 PRD

❌ "좋은 검색 시스템 만들어줘" ❌ "적당히 하이브리드 검색해줘" ❌ 버전 정보 없음 ❌ 모호한 요구사항

---

참고 자료:

• pgvector GitHub: https://github.com/pgvector/pgvector

• OpenAI Embeddings: https://platform.openai.com/docs/guides/embeddings

• paradedb : https://docs.paradedb.com/documentation/guides/hybrid

---

강사 정보

• 작성자: 정구봉

• LinkedIn: https://www.linkedin.com/in/gb-jeong/

• 이메일: [e-mail]

강의 자료

• 강의 자료: https://goobong.gitbook.io/fastcampus

• Github: https://github.com/Koomook/fastcampus-ai-agent-vibecoding

• FastCampus 강의 주소: https://fastcampus.co.kr/biz_online_vibeagent