Chain-of-Thought (CoT)

질문: 사과 15개를 3명이 똑같이 나눈 후, 각자 2개씩 더 받았습니다. 한 명당 몇 개인가요?

답변: 7개입니다.

# 추론 과정 없음 → 오답 가능성 높음

질문: 사과 15개를 3명이 똑같이 나눈 후, 각자 2개씩 더 받았습니다. 한 명당 몇 개인가요?

단계별 풀이:
1. 처음 15개를 3명이 나눔: 15 ÷ 3 = 5개씩
2. 각자 2개씩 더 받음: 5 + 2 = 7개
3. 최종 답: 한 명당 7개

답변: 7개입니다.

# 추론 과정 명시 → 정확도 향상

문제: 한 달에 30일이 있고, 매일 3페이지씩 책을 읽으면 450페이지 책을 다 읽는 데 며칠 걸리나요?

단계별로 생각해봅시다:

# Claude가 자동으로 단계를 생성
1. 총 페이지 수: 450페이지
2. 하루에 읽는 페이지: 3페이지
3. 필요한 일수: 450 ÷ 3 = 150일
4. 따라서 150일이 걸립니다.

다음 문제를 단계별로 풀어주세요:

예시 1:
문제: 연필 12자루를 4명이 나눕니다. 한 명당 몇 자루인가요?

풀이:
1. 총 연필 수: 12자루
2. 나눌 사람 수: 4명
3. 계산: 12 ÷ 4 = 3자루
답: 한 명당 3자루

예시 2:
문제: 사탕 20개를 5명이 나누고, 각자 3개씩 더 받습니다. 한 명당 몇 개인가요?

풀이:
1. 처음 나눔: 20 ÷ 5 = 4개씩
2. 추가로 받음: 4 + 3 = 7개
3. 최종 답: 한 명당 7개
답: 한 명당 7개

이제 다음 문제를 풀어주세요:
문제: 초콜릿 36개를 6명이 나누고, 각자 2개씩 덜 줍니다. 한 명당 몇 개인가요?

풀이:

from anthropic import Anthropic
from collections import Counter

client = Anthropic()
problem = "사과 18개를 3명이 나누고, 각자 3개씩 더 받습니다. 한 명당 몇 개?"

prompt = f"{problem}\n\n단계별로 생각해봅시다:"

# 여러 번 실행하여 다양한 추론 경로 생성
answers = []
for _ in range(5):
    message = client.messages.create(
        model="claude-",
        max_tokens=512,
        temperature=0.7,  # 다양성 확보
        messages=[{"role": "user", "content": prompt}]
    )

    response = message.content[0].text
    # 최종 답만 추출 (예: "9개")
    answer = extract_final_answer(response)
    answers.append(answer)

# 가장 많이 나온 답 선택
most_common = Counter(answers).most_common(1)[0][0]
print(f"최종 답: {most_common}")
print(f"모든 답: {answers}")

문제:
한 상점에서 티셔츠를 개당 15,000원에 팔고 있습니다.
오늘은 20% 할인 행사를 하고, 3개 이상 구매 시 추가로 10% 할인을 해줍니다.
5개를 구매하면 총 얼마를 지불해야 하나요?

단계별로 계산해주세요:

1단계: 원가 계산
- 개당 가격: 15,000원
- 5개 가격: 15,000 × 5 = 75,000원

2단계: 첫 번째 할인 (20%)
- 할인액: 75,000 × 0.2 = 15,000원
- 할인 후: 75,000 - 15,000 = 60,000원

3단계: 추가 할인 (3개 이상 구매 시 10%)
- 조건 충족: 5개 > 3개 ✓
- 추가 할인액: 60,000 × 0.1 = 6,000원
- 최종 가격: 60,000 - 6,000 = 54,000원

답: 54,000원

다음 코드의 버그를 단계별로 분석하세요:

```python
def calculate_average(numbers):
    total = 0
    for num in numbers:
        total += num
    return total / len(numbers)

data = [10, 20, 30, 40, 50]
result = calculate_average(data)
print(result)  # 예상: 30, 실제: 오류
```

단계별 분석:

1단계: 함수 로직 검토
- total 초기화: 0 ✓
- 루프로 합산: ✓
- 평균 계산: total / len(numbers) ✓
→ 로직 자체는 정상

2단계: 예외 상황 확인
- numbers가 빈 리스트일 때?
- len([]) = 0
- total / 0 → ZeroDivisionError 발생 ❌

3단계: 테스트 케이스 분석
- data = [10, 20, 30, 40, 50]
- len(data) = 5 (≠ 0)
- 이 경우는 오류 없음
→ 하지만 빈 리스트 입력 시 문제 발생

4단계: 버그 정리
- **버그:** 빈 리스트 처리 부재
- **심각도:** MEDIUM
- **발생 조건:** len(numbers) == 0

5단계: 수정 방안
```python
def calculate_average(numbers):
    if not numbers:  # 빈 리스트 체크
        return 0  # 또는 None, 또는 예외 발생
    total = 0
    for num in numbers:
        total += num
    return total / len(numbers)
```

최종 결론:
- 원래 코드는 주어진 데이터에서 작동하지만, 빈 리스트 입력 시 예외 발생
- 방어 코드 추가로 안정성 확보

상황:
- 스타트업 초기 단계 (팀 3명)
- MVP 웹 애플리케이션 개발
- 개발 기간: 2개월
- 팀 기술 스택: JavaScript 능숙, Python 기본

선택지: React vs Vue vs Angular

단계별 분석:

1단계: 각 프레임워크 특징 정리

React:
- 장점: 생태계 풍부, 구인 용이, 유연성 높음
- 단점: 학습 곡선 중간, 추가 라이브러리 필요

Vue:
- 장점: 학습 곡선 낮음, 문서 훌륭, 빠른 개발
- 단점: 생태계 작음, 대기업 지원 약함

Angular:
- 장점: 완전한 프레임워크, TypeScript 기본
- 단점: 학습 곡선 높음, 무거움

2단계: 요구사항 우선순위

1) 빠른 개발 속도 (2개월 마감) - 최우선
2) 팀 학습 시간 최소화 (이미 JS 숙련) - 중요
3) 향후 확장성 및 유지보수 - 중요

3단계: 각 선택지 평가

React:
- 개발 속도: ⭐⭐⭐ (생태계 덕분에 빠름)
- 학습: ⭐⭐⭐ (JS 숙련자에게 적합)
- 확장성: ⭐⭐⭐⭐⭐ (매우 우수)
총점: 11/15

Vue:
- 개발 속도: ⭐⭐⭐⭐⭐ (가장 빠름)
- 학습: ⭐⭐⭐⭐⭐ (가장 쉬움)
- 확장성: ⭐⭐⭐ (괜찮음)
총점: 13/15

Angular:
- 개발 속도: ⭐⭐ (설정 복잡)
- 학습: ⭐⭐ (어려움)
- 확장성: ⭐⭐⭐⭐ (우수)
총점: 8/15

4단계: 리스크 평가

Vue 선택 시:
- 리스크: 나중에 대규모 팀 확장 시 구인 어려움
- 완화 방안: MVP 성공 후 React 마이그레이션 고려 가능

React 선택 시:
- 리스크: 초기 설정과 라이브러리 선택에 시간 소요
- 완화 방안: Create React App, Next.js 같은 보일러플레이트 사용

5단계: 최종 결정

**추천: Vue**

근거:
1. 2개월 마감이 최우선 → Vue가 가장 빠름
2. 팀이 작고 JS 숙련 → Vue의 간결함이 효율적
3. MVP 단계 → 대규모 생태계는 현재 불필요
4. 학습 곡선 최소 → 즉시 생산성 확보
5. 향후 마이그레이션 가능 → 리스크 관리 가능

단, 향후 팀 규모 확장 시 React 전환 검토 권장

문제: 웹 애플리케이션 성능을 50% 향상시키세요.

먼저 이 문제를 작은 하위 문제들로 나누겠습니다:

하위 문제 1: 현재 성능 병목 지점 식별
→ 해결: 프로파일링 도구 사용, 네트워크 탭 분석, Lighthouse 실행

하위 문제 2: 프론트엔드 최적화
→ 해결: 코드 스플리팅, 이미지 최적화, lazy loading

하위 문제 3: 백엔드 최적화
→ 해결: 데이터베이스 인덱스, 캐싱, 쿼리 최적화

하위 문제 4: 네트워크 최적화
→ 해결: CDN 사용, HTTP/2, Gzip 압축

하위 문제 5: 측정 및 검증
→ 해결: A/B 테스트, 성능 지표 모니터링

각 하위 문제를 순차적으로 해결하면 전체 50% 향상 목표 달성 가능

문제: "GAME"이라는 단어에서 한 글자씩 바꿔서 "PLAY"로 만드세요. 각 단계는 유효한 영단어여야 합니다.

추론 트리 탐색:

경로 1:
GAME → GALE (✓ 유효) → PALE (✓ 유효) → PALY (✗ 유효하지 않음) → 막힘

경로 2:
GAME → CAME (✓ 유효) → CALE (✗ 유효하지 않음) → 막힘

경로 3:
GAME → GAPE (✓ 유효) → PAPE (✗ 유효하지 않음) → 막힘

경로 4:
GAME → GATE (✓ 유효) → PATE (✓ 유효) → LATE (✓ 유효) → LATY (✗ 유효하지 않음) → 막힘

경로 5:
GAME → TAME (✓ 유효) → TALE (✓ 유효) → PALE (✓ 유효) → PALY (✗ 유효하지 않음) → 막힘

...

최적 경로:
GAME → NAME → LAME → LAMB → PLAN (불가능)

# 여러 경로를 탐색하여 실현 가능성 평가

✅ 좋은 예시
"다음 문제를 단계별로 풀어주세요. 각 단계를 명확히 표시하세요."

"먼저 A를 분석하고, 그 다음 B를 평가한 후, 마지막으로 결론을 도출하세요."

❌ 나쁜 예시
"문제를 풀어주세요."  # 너무 모호

다음 형식으로 답변하세요:

## 단계 1: [단계명]
[내용]

## 단계 2: [단계명]
[내용]

## 단계 3: [단계명]
[내용]

## 최종 답변
[요약 및 결론]

문제: [수학 문제]

단계별로 풀이한 후, 다음을 수행하세요:

1. 풀이 과정 작성
2. 답 도출
3. 답을 문제에 대입하여 검증
4. 검증 결과 명시

예시:
## 풀이
...

## 답
x = 5

## 검증
문제에 x = 5를 대입:
2x + 3 = 13
2(5) + 3 = 10 + 3 = 13 ✓
검증 성공

message = client.messages.create(
    model="claude-",
    max_tokens=2048,
    temperature=0.3,  # 낮은 온도 → 일관된 추론
    messages=[{"role": "user", "content": cot_prompt}]
)