55,000개의 프롬프트가 사람들이 AI를 사용하는 방식을 드러내는 것

55,000개의 프롬프트가 밝혀낸 사람들의 AI 사용 방식

Wikiprompt의 모든 프롬프트는 누군가가 실제 모델에 요청한 후 공유할 가치가 있다고 판단한 실제 요청에서 시작되었습니다. 그 수가 55,000개를 넘어서면 더 이상 예시 목록이 아니라 코퍼스(corpus)가 됩니다. 즉, 사람들이 특정 결과를 원할 때 AI와 대화하는 방식에 대한 대략적인 인구 조사입니다. 우리는 데이터셋을 구축하여 누구나 전체 코퍼스를 가져와 직접 패턴을 찾을 수 있게 했습니다. 우리의 요약을 믿지 않아도 됩니다.

이 글은 그 요약이지만, 초대의 형식으로 구성되었습니다. 아래의 모든 내용은 시작 가설일 뿐, 맹신하길 요구하는 발견 사항이 아닙니다. 데이터는 /dataset/prompts에 있으며, 무료이고, 코드 약 10줄이면 가져올 수 있습니다.

레코드에 실제로 담긴 것

덤프의 각 항목에는 slug, url, title, description, content(프롬프트 텍스트 자체), category, tags, media, model, metadata 객체(종횡비, 스타일 같은 구조화된 필드 포함), author, original_source, 그리고 두 개의 타임스탬프가 포함됩니다. 이 정도면 라이브 사이트에 접근하지 않고도 세 가지 유형의 분석을 실행할 수 있습니다. content와 title에 대한 텍스트 분석, category/tags/model/metadata에 대한 범주형 분석, 그리고 카탈로그 수명 동안 표현 방식이나 모델 선택이 어떻게 변했는지 보고 싶다면 created_at에 대한 시계열 분석이 가능합니다.

모델 환경

model 필드로 레코드를 그룹화하면 사람들이 실제로 사용하는 모델의 리더보드에 가까운 결과를 얻을 수 있습니다. 가장 새롭거나 가장 과대광고된 모델이 아니라요. 이미지 및 비디오 생성기(Midjourney, GPT Image, Seedance, Veo, Kling, Nano Banana)는 텍스트 및 추론 모델(Claude, GPT, Gemini, Grok)과 같은 테이블에 나란히 놓입니다. 왜냐하면 Wikiprompt는 "채팅 프롬프트"와 "이미지 프롬프트"를 별개의 제품으로 구분하지 않기 때문입니다. 이 부분은 자체적으로 탐구할 가치가 있습니다. 특정 모델이 더 좁거나 넓은 범주의 분포를 끌어들이는가? 특정 모델이 metadata의 특정 스타일 주변에 모이는가? metadata.model과 metadata.style 필드는 프롬프트 텍스트를 정규식으로 검색하지 않고도 이 질문에 답할 수 있도록 특별히 존재합니다.

이미지, 비디오, 텍스트는 균등하게 나뉘지 않음

metadata.media_type은 각 레코드를 이미지, 비디오, 텍스트로 태그하며, 세 가지의 비율 자체가 현재 흥미로운 프롬프트 엔지니어링이 어디서 일어나고 있는지에 대한 신호입니다. 텍스트 프롬프트(시스템 프롬프트, 페르소나, 구조화된 템플릿)는 더 길고 더 많은 스캐폴딩을 갖는 경향이 있습니다. 이미지 프롬프트는 한두 문장에 압축된 밀도 높은 시각적 어휘에 의존합니다. 비디오 프롬프트는 가장 새롭고 가장 작은 부분으로, 카메라 움직임, 지속 시간, 페이싱이 명시적으로 적힌 샷 리스트처럼 읽힙니다. "프롬프팅"이라는 기술이 모달리티에 따라 어떻게 다른지 이해하려면, 다른 작업을 하기 전에 media_type으로 덤프를 필터링하면 세 가지 다른 분야를 평균내는 실수를 피할 수 있습니다.

카테고리와 스타일, 실제 예시 포함

카탈로그는 모든 것을 아홉 개의 카테고리(창의적, 마케팅, 개인, 생산성, 코딩, 교육, 비즈니스, 연구, 기타)로 그룹화하며, 창의적 카테고리는 스타일 어휘가 작동하는 방식을 보여주는 좋은 예입니다. 미니멀리스트 흑백 에디토리얼 스모킹 포스터를 보세요. 이 프롬프트는 형용사를 쌓는 대신 절제, 네거티브 스페이스, 그리고 이름 붙은 사진 전통을 통해 많은 작업을 수행합니다. 선사시대 생물 군주 초상화와 비교해 보면, 장르 혼합 언어(위엄 있는, 신화적인, 군주적인)에 의존하여 모델에서 특정 톤을 강제로 끌어냅니다. 또는 젊은 여성의 파스텔 판타지 초상화는 거의 전적으로 색상과 조명 설명입니다. 세 개의 프롬프트, 이미지 모델에서 구체성을 얻기 위한 세 가지 완전히 다른 전략, 그리고 세 가지 모두 같은 category: creative 버킷에 있습니다. 태그와 metadata.style은 "창의적"을 최상위 카테고리만으로 보여주는 것보다 더 세분화된 것으로 나눌 수 있게 해주는 필드입니다.

찾아볼 가치가 있는 표현 패턴

전체 코퍼스에 대해 일화적으로 믿기보다 테스트할 가치가 있는 몇 가지 사항이 있습니다. 특정 시작 구성(명령형 동사, "당신은...", 장면 설정 절)이 메타데이터의 quality/assessment 점수와 상관관계가 있는지; 특정 이름 붙은 모델을 대상으로 하는 프롬프트가 모델 무관한 프롬프트와 다른 어휘를 사용하는지; 태그 동시 발생이 서로 다르게 레이블링되었지만 비슷하게 행동하는 카테고리를 드러내는지(예를 들어 마케팅과 비즈니스 프롬프트는 많은 태그를 공유하는 경향이 있음). 이 중 어떤 것도 n-gram을 세고 필드별로 그룹화하는 것보다 더 화려한 것을 요구하지 않습니다. pandas나 스프레드시트로 느긋한 오후를 보내면 실제로 무언가를 발견할 수 있는 종류의 데이터셋입니다.

직접 가져오기

데이터셋의 매니페스트는 단일 레코드를 가져오기 전에 총 개수, 레코드 형태, 페이지네이션 작동 방식을 알려줍니다. 실제 데이터는 키셋 페이지네이션 방식으로, 페이지당 최대 500개 레코드입니다:

curl "https://www.wikiprompt.org/dataset/prompts?limit=500"

각 응답에는 next URL이 포함됩니다. next가 null로 돌아올 때까지 따라가세요. 최소 루프는 다음과 같습니다:

import requests

url = "https://www.wikiprompt.org/dataset/prompts?limit=500"

records = []

while url:

res = requests.get(url).json()

records.extend(res["records"])

url = res.get("next")

print(len(records), "prompts pulled")

API 키가 필요 없고, CORS가 활성화되어 있으며, 전체가 엣지 캐시 뒤에 있으므로 전체 가져오기는 빠르고 우리 서버에 부담을 주지 않습니다. 일괄 다운로드 대신 쿼리를 선호한다면, 검색 API가 임시 조회를 다루고, llms.txt는 기계가 읽을 수 있는 모든 것을 한 곳에 문서화합니다.

출처 표시, 그리고 우리가 보고 싶은 것

모든 레코드는 original_source를 통해 실제 작성자로 추적되므로, 이 데이터에서 나오는 모든 분석, 차트, 또는 글은 wikiprompt.org와 그것이 집계하는 원본 창작자 모두에게 출처를 표시해야 합니다. 우리는 기본 프롬프트에 대한 공식 라이선스를 보유하지 않습니다. 우리는 카탈로그일 뿐 저작권 보유자가 아니며, 데이터셋은 그 기준으로 제공됩니다. 자유롭게 탐색하되 출처를 표시해 주세요.

코퍼스에서 흥미로운 것을 실행했다면, 모델 채택 차트부터 스타일 분류 체계, 프롬프트 길이와 품질 점수의 상관관계 연구까지, 우리는 그것을 보고 싶습니다. 55,000개의 프롬프트는 사람들이 지금 실제로 AI를 어떻게 사용하는지에 대해 실질적인 말을 할 수 있을 만큼 충분한 신호이며, 솔직한 답변은 우리도 아직 모든 분석을 직접 실행하지 않았다는 것입니다.