# AI problem framing & context design course

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

- Canonical: https://learning.reopt.ai/en/courses/ai-problem-context
- Language: en
- HTML: https://learning.reopt.ai/en/courses/ai-problem-context

---

[AI-native development](/en/tracks/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](/en/courses/ai-problem-context/lessons/pc-m1-concept)

![AI problem framing & context design course](/images/home/track-ai-development.png)
0%

Course progress 9 learning steps

## What you'll learn

- Turn ambiguous requests into outcome, invariant, non-goal, and acceptance contracts.
- Curate repository, documentation, and runtime evidence by authority, scope, and freshness.
- Design prompts that expose alternatives, failure conditions, uncertainty, and evaluation.
- Use human correction to improve context and specifications over repeated work.

1

## 1. 요청을 문제 계약으로 바꾸기

구현 지시보다 먼저 사용자 결과와 실패 조건을 고정합니다.

- [“무엇을 만들까”보다 “무엇이 달라져야 하나” Outcome, evidence, invariant, non-goal과 acceptance Concept 45 XP](/en/courses/ai-problem-context/lessons/pc-m1-concept)
- [문제 계약 진단 요청·해결책·증거·acceptance를 구분합니다. Quiz 50 XP](/en/courses/ai-problem-context/lessons/pc-m1-quiz)

2

## 2. 컨텍스트 아키텍처

많은 정보를 넣는 대신 결정에 필요한 관계를 보존합니다.

- [컨텍스트는 데이터 더미가 아니라 작업 환경 Source of truth, scope, freshness, progressive disclosure와 task state Concept 45 XP](/en/courses/ai-problem-context/lessons/pc-m2-concept)
- [실전: 오래된 문서와 현재 코드의 충돌 Source of truth와 필요한 컨텍스트를 선별합니다. Scenario 60 XP](/en/courses/ai-problem-context/lessons/pc-m2-scenario)

3

## 3. Prompt-as-Design

프롬프트를 대안과 반증이 가능한 설계 인터페이스로 만듭니다.

- [좋은 프롬프트는 답보다 결정 구조를 만든다 Intent, constraints, examples, alternatives, output schema와 uncertainty Concept 45 XP](/en/courses/ai-problem-context/lessons/pc-m3-concept)
- [설계 프롬프트 품질 점검 의도·경계·대안·검증 구조를 확인합니다. Checklist 55 XP](/en/courses/ai-problem-context/lessons/pc-m3-checklist)

4

## 4. 컨텍스트 품질 피드백 루프

작업 결과의 수정 비용을 다음 명세와 컨텍스트 개선으로 환류합니다.

- [실패를 모델 문제가 아니라 환경 신호로 읽기 Failure taxonomy, human correction, retrieval task와 documentation trigger Concept 45 XP](/en/courses/ai-problem-context/lessons/pc-m4-concept)
- [워크북: 컨텍스트 개선 루프 반복되는 AI 작업 하나의 실패·수정·자산화 구조를 설계합니다. Workbook 70 XP](/en/courses/ai-problem-context/lessons/pc-m4-workbook)

## Final challenge

Turn what you learned into a reusable work artifact.

- 최종 챌린지 · AI 실행 가능 문제·컨텍스트 패키지 실제 기능 하나를 다른 개발자와 에이전트가 재현할 수 있는 설계 입력으로 Complete lessons first 100 XP

---

Site guide for agents: https://learning.reopt.ai/llms.txt · Sitemap: https://learning.reopt.ai/sitemap.xml · Contact: https://learning.reopt.ai/contact