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 생성핵심 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 만들어줘좋은 예시:
Neon PostgreSQL의 loan_products 테이블에서
pgvector(코사인 유사도)와 pg_search(paradedb)를
RRF 알고리즘으로 결합한 Python CLI 구현.
text-embedding-3-small 사용실습 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 project연결 확인
# Claude Code 시작
claude
# MCP 서버 목록 확인
/mcpNeon 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 생성Hybrid 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 맡기기PRD 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: bong@dio.so
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
Last updated