LLM에게 답이 아니라 일을 시키기 — 브랜드 이미지를 글로 된 기준으로 바꾸기

이미지를 분석하는 역할과 출력 형식을 먼저 지정해야 재사용할 수 있는 브랜드 기준서가 나옵니다

Any LLM 노드는 캔버스 안에서 Gemini·GPT 같은 챗봇형 모델을 실행하는 노드입니다. 같은 노드라도 지시문에 따라 쓸모가 완전히 갈립니다 — 막연한 질문에는 잡담이, 역할·작업을 지정한 시스템 프롬프트에는 워크플로우에 재사용할 수 있는 구조화된 결과가 나옵니다.

잡담 대 작업

같은 LLM 노드에 “나 지금 컨퍼런스 무대에 섰어. 뭘 해야 할까?”라고 물으면 그럴듯한 조언이 나오고, 이탈리아 여행을 물으면 여행 계획이 나옵니다. 발표자는 “이건 Weave 안에서는 쓸모없습니다. 우리는 Weave에서 이탈리아 여행을 계획하려는 게 아니기 때문입니다”라고 설명합니다.

워크플로우 안에서 쓸모가 있으려면 이미지 설명이나 프롬프트처럼 다음 노드가 받아 쓸 수 있는 결과를 내야 합니다. 그 차이는 모델이 아니라 지시문에서 나옵니다.

시스템 프롬프트 = role + task

부분	문장	역할
역할(Role)	“You are an expert brand visual analyst and image generation brief writer.” (전문 브랜드 비주얼 분석가이자 이미지 생성 브리프 작성자)	모델의 정체성 고정
작업(Task)	“Your task is to receive one input image containing a grid of brand images and create a precise visual production brief.” (브랜드 이미지 그리드 한 장을 받아 정확한 비주얼 프로덕션 브리프를 작성)	입력→출력 명시

이 두 문장만으로 LLM은 “여행 계획을 짜는 챗봇”에서 “브랜드 이미지를 분석해 제작 기준서를 쓰는 도구”로 바뀝니다. 실행 결과에는 core visual identity(핵심 비주얼 정체성), photography style(촬영 스타일), composition rules(구도 규칙) 같은 항목이 문장으로 정리돼 나옵니다. 산문 한 덩어리가 아니라 항목별로 구조화된 결과라는 점이, “precise(정확한) 브리프를 작성하라”는 작업 지시가 만들어 낸 차이입니다.

화면으로 따라가기

시스템 프롬프트를 적용한 뒤 결과가 잡담이 아니라 항목별 제작 기준서로 나뉘었는지 확인합니다.

Any LLM 노드 안에 Composition Rules, Lighting Rules 같은 항목이 문장으로 나열돼 있습니다. 이 텍스트가 다음 카드에서 프롬프트를 자동으로 쓰는 재료가 됩니다.

자주 묻는 질문

아무 LLM이나 써도 되나요? — 이미지 분석과 텍스트 작성을 할 수 있는 모델이면 됩니다. 발표에서는 Gemini를 사용합니다. 일반적인 쓰임은 공식 문서: Text Tools에서 볼 수 있습니다.
이 기준서는 한 번만 뽑으면 되나요? — 네. 발표에서도 브랜드 기준서 노드는 워크플로우를 다시 실행할 때 다시 계산하지 않고, 한 번 뽑은 결과를 고정 입력으로 재사용했습니다.

실행 순서

Any LLM 노드를 캔버스에 놓고, 이름을 알아보기 쉽게 바꿔요(발표에서는 "run an LLM"). Gemini·GPT 같은 챗봇형 모델을 노드로 쓸 수 있습니다.
먼저 아무 지시나 시켜서 LLM이 챗봇과 똑같이 동작한다는 걸 확인합니다. 발표에서는 "나 지금 컨퍼런스 무대에 있고 사람들이 조용히 나를 보고 있어. 뭘 해야 할까? 한 단어로만 답해"라고 시켰고, 이탈리아 여행이나 피자 레시피를 물으면 그 답을 그대로 돌려준다는 것도 보여줬습니다.
그 잡담용 프롬프트를 지우고, 워크플로우에 쓸 수 있는 시스템 프롬프트로 바꿉니다. 지시문은 역할(Role) · 작업(Task) · 출력 형식(Output format) 세 부분으로 나눠 씁니다.
역할(role) 부분은 "You are an expert brand visual analyst and image generation brief writer."(당신은 전문 브랜드 비주얼 분석가이자 이미지 생성 브리프 작성자입니다)입니다 — 모델이 어떤 정체성으로 답해야 하는지 지정합니다.
작업(task) 부분은 "Your task is to receive one input image containing a grid of brand images and create a precise visual production brief."(입력으로 브랜드 이미지 그리드 한 장을 받아, 정확한 비주얼 프로덕션 브리프를 작성하세요)입니다 — 무엇을 입력받아 무엇을 만들어야 하는지 명시합니다.
브랜드 이미지 그리드를 이미지 입력으로 연결합니다. 발표에서는 Figma에서 복사한 브랜드 이미지 여러 장을 그대로 붙여 넣었습니다.
실행하면 core visual identity(핵심 비주얼 정체성), photography style(촬영 스타일), composition rules(구도 규칙) 같은 항목이 담긴 제작 기준서가 텍스트로 나옵니다. 이게 "output format"이 암묵적으로 지정한 구조입니다 — 산문이 아니라 항목별로 정리된 브리프.

직접 해보기

자기 프로젝트의 레퍼런스 이미지 3~4장을 그리드로 모아, role·task 두 줄만으로 같은 방식의 기준서를 뽑아 보세요.

헷갈리기 쉬운 것

LLM에게 "여행 계획 짜줘" 같은 범용 질문을 시키면 워크플로우에 쓸 수 없는 답이 나옵니다. 캔버스 안 LLM은 이미지 설명·프롬프트 작성 같은 창작 보조 작업에 씁니다. role만 지정하고 task를 구체적으로 쓰지 않으면, 모델이 자유 산문으로 답해 다음 노드(Text Iterator 등)가 그 결과를 잘라 쓰기 어려워집니다 — "정확한(precise) 브리프"처럼 결과물의 성격까지 지정하는 게 중요합니다.

왜 이렇게 작동하나요

신입 디자이너에게 "알아서 해줘"라고 하면 방향이 제각각이지만, "너는 브랜드 가이드 담당자야. 이 사진들을 보고 촬영 규칙을 표로 정리해줘"라고 하면 결과가 훨씬 예측 가능해지죠. LLM 노드도 똑같습니다.

LLM 노드는 입력한 지시문에 그대로 반응하는 범용 모델입니다. 지시문이 막연하면(예를 들어 '뭘 해야 할까?') 답도 막연하고 워크플로우 밖의 잡담과 다르지 않습니다. 지시문에 역할(정체성)·작업(입력→출력)·형식(구조)을 명시하면, 모델은 그 틀 안에서만 답하고 결과가 다음 노드가 쓸 수 있는 구조화된 텍스트가 됩니다. 결과의 쓸모는 모델 성능이 아니라 지시문 설계에서 갈립니다.

더 알고 싶다면

role과 task를 굳이 나눠 써야 하나요?

role은 모델의 정체성을 정합니다. 발표에서는 브랜드 비주얼 분석가라고 적었습니다.
task는 무엇을 입력받아 무엇을 낼지 적습니다.
한 문장에 다 넣는 것보다 결과가 안정적입니다.

아무 LLM이나 써도 되나요?

이미지 분석과 텍스트 작성을 함께 하는 모델이면 됩니다. 발표에서는 Gemini를 썼고, 이미지 입력을 받아야 해서 텍스트만 다루는 모델은 맞지 않습니다.
판별은 실행 결과로 합니다. 이미지를 읽지 못하는 모델은 그리드의 실제 내용 대신 일반론으로 채운 기준서를 내놓으므로, 결과에 내 이미지의 구체 특징이 들어 있는지 확인합니다.
모델을 바꾸는 것보다 role·task 지시문을 고치는 쪽이 결과를 더 크게 바꿉니다. 기준서가 부실하면 모델 교체 전에 지시문부터 봅니다.

이 기준서를 다음에 어떻게 쓰나요?

기준서를 고정 입력으로, 장소 이름을 변수 입력으로 삼습니다.
두 입력을 다음 LLM에 함께 넣습니다.
장소만 바꿔도 브랜드 기준을 지킨 프롬프트가 나옵니다.

용어 풀이

전체 용어집 →

Any LLM 노드: Gemini·GPT 같은 챗봇형 언어 모델을 워크플로우 안에 놓는 노드입니다. 이미지 설명·프롬프트 작성처럼 창작을 돕는 텍스트 작업에 씁니다.
시스템 프롬프트(system prompt): LLM에게 매 실행마다 고정으로 적용되는 지시문입니다. 이 카드에서는 역할(누구인지)·작업(무엇을 받아 무엇을 만드는지)을 문장으로 지정합니다.
제작 기준서(production brief): 브랜드 이미지를 분석해 얻은, 촬영 스타일·구도 규칙 같은 항목이 문장으로 정리된 결과물입니다. 이후 모든 생성의 고정 맥락으로 재사용됩니다.