# 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 제공**해야 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 스마트마켓](https://smartmarket.nonghyup.com/servlet/BFLNW0000R.view)에서 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):** ```bash claude mcp add --transport http neon https://mcp.neon.tech/mcp -s project ``` ### 연결 확인 ```bash # 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](https://neon.com/guides/claude-code-mcp-neon) ## ParadeDB Hybrid Search 가이드 ### Hybrid Search란? ParadeDB의 Hybrid Search는 **Full-text Search(BM25)와 Similarity Search(Vector)를 결합**한 검색 방식입니다. ### RRF (Reciprocal Rank Fusion) 알고리즘 Hybrid Search의 핵심은 두 검색 결과를 어떻게 결합하는가입니다. ParadeDB는 **RRF 알고리즘**을 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 ```sql 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](https://docs.paradedb.com/documentation/guides/hybrid) ## 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: * OpenAI Embeddings: * paradedb : *** ## 강사 정보 * 작성자: 정구봉 * LinkedIn: * 이메일: ## 강의 자료 * 강의 자료: * Github: * FastCampus 강의 주소: