reopt learning
AI-native development

AI problem framing & context design

Turn ambiguous requests into executable, verifiable contracts

Frame user outcomes, invariants, non-goals, and evidence; curate authoritative context; and turn prompts into reusable design interfaces.

Intermediate 8 lessons 515 XP About 89 min

Source · Handbook · Developer unlearning & agentic documentation · Source reviewed 2026-07-01

Start learning
AI problem framing & context design course
0%
Course progress9 learning steps

1. 요청을 문제 계약으로 바꾸기

구현 지시보다 먼저 사용자 결과와 실패 조건을 고정합니다.

  1. “무엇을 만들까”보다 “무엇이 달라져야 하나”Outcome, evidence, invariant, non-goal과 acceptanceConcept45 XP
  2. 문제 계약 진단요청·해결책·증거·acceptance를 구분합니다.Quiz50 XP

2. 컨텍스트 아키텍처

많은 정보를 넣는 대신 결정에 필요한 관계를 보존합니다.

  1. 컨텍스트는 데이터 더미가 아니라 작업 환경Source of truth, scope, freshness, progressive disclosure와 task stateConcept45 XP
  2. 실전: 오래된 문서와 현재 코드의 충돌Source of truth와 필요한 컨텍스트를 선별합니다.Scenario60 XP

3. Prompt-as-Design

프롬프트를 대안과 반증이 가능한 설계 인터페이스로 만듭니다.

  1. 좋은 프롬프트는 답보다 결정 구조를 만든다Intent, constraints, examples, alternatives, output schema와 uncertaintyConcept45 XP
  2. 설계 프롬프트 품질 점검의도·경계·대안·검증 구조를 확인합니다.Checklist55 XP

4. 컨텍스트 품질 피드백 루프

작업 결과의 수정 비용을 다음 명세와 컨텍스트 개선으로 환류합니다.

  1. 실패를 모델 문제가 아니라 환경 신호로 읽기Failure taxonomy, human correction, retrieval task와 documentation triggerConcept45 XP
  2. 워크북: 컨텍스트 개선 루프반복되는 AI 작업 하나의 실패·수정·자산화 구조를 설계합니다.Workbook70 XP

Final challenge

Turn what you learned into a reusable work artifact.

  1. 최종 챌린지 · AI 실행 가능 문제·컨텍스트 패키지실제 기능 하나를 다른 개발자와 에이전트가 재현할 수 있는 설계 입력으로Complete lessons first100 XP