Claude 해부학 · Rule No.3
01 / 14
← → SPACE 이동 · F 전체화면← → SPACE move · F fullscreen← → 空格 翻页 · F 全屏← → SPACE 移動 · F 全画面← → SPACE move · F fullscreen · RULE №3 · KNOW THE TOOL [email protected]
교육 세션 · 도구를 알면 달라진다Learning session · know the tool, change the game学习课程 · 了解工具,改变结果学習セッション · 道具を知れば、結果が変わるसीखने का सत्र · औज़ार जानो, नतीजा बदलो

RULE No.3

도구를 알아야
잘 쓴다.
Know the tool
to wield it well.
了解工具,
才能用好工具。
道具を知れば
使いこなせる。
औज़ार को जानो,
तभी अच्छे से चलाओ।

망치를 알아야 못을 제대로 박습니다. 오늘은 Claude를 ‘해부’합니다 — 강점·약점·한계. 몸을 알면, 쓰는 법이 보입니다. Know the hammer, drive the nail right. Today we ‘dissect’ Claude — strengths, weaknesses, limits. Know the body, and the way to use it appears. 了解锤子,才能钉好钉子。今天我们来 ‘解剖’ Claude — 强项·弱项·边界。知其身,方知用法。 ハンマーを知れば、釘を正確に打てる。今日はClaudeを‘解剖’する — 強み·弱み·限界。体を知れば、使い方が見えてくる。 हथौड़े को जानो, तभी कील सटीक ठोको। आज Claude को ‘विश्लेषण’ करेंगे — ताकत·कमज़ोरी·सीमा। शरीर जानो, उपयोग का तरीका दिखेगा।

As of 2026-06 · 모델·수치는 빠르게 바뀝니다 — 변하지 않는 메커니즘이 진실. [추론]As of 2026-06 · models & numbers change fast — the unchanging mechanism is the truth. [inference]截至 2026-06 · 模型与数字变化很快 — 不变的机制才是真实。[推断]2026-06 時点 · モデルや数字は速く変わる — 変わらない仕組みが真実。[推論]2026-06 tak · models aur numbers tezi se badalte hain — na badalne wala mechanism hi sach hai. [अनुमान]

해부 · ANATOMYANATOMY解剖解剖विश्लेषण
1막 — 같은 도구, 다른 결과Act 1 — Same tool, different result第一幕 — 同样的工具,不同的结果第1幕 — 同じ道具、違う結果Act 1 — Wahi औज़ार, alag nateeja

똑똑한데, 왜 틀릴까?Smart — so why does it get things wrong?这么聪明,为什么会出错?賢いのに、なぜ間違えるのか?Itna समझदार, फिर भी galti kyun?

> 이 데이터 정렬에 쓸 함수 알려줘

arr.quickSortStable() 를 쓰세요 ✓
// ← 존재하지 않는 함수

모르는 걸 모른다고 안 합니다 — 자신 있게 채웁니다.
> which function sorts this data?

Use arr.quickSortStable()
// ← a function that doesn't exist

It doesn't say "I don't know" — it fills in, confidently.
> 这份数据排序该用哪个函数?

请用 arr.quickSortStable()
// ← 不存在的函数

它不说"不知道",而是自信地填补。
> このデータの並べ替えに使う関数を教えて

arr.quickSortStable() を使ってください ✓
// ← 存在しない関数

「知らない」とは言わず、自信を持って埋める。
> Is data ko sort karne ka function batao

arr.quickSortStable() use karein ✓
// ← jo function mojood hi nahi

Yeh "nahi jaanta" nahi kehta, confidence se bhar deta hai.

분명 똑똑한데, 이렇게 당당하게 틀린 답을 내놓을 때가 있습니다.It's clearly smart, yet sometimes gives a wrong answer with total confidence.明明很聪明,却有时给出 自信满满的错误答案明らかに賢いのに、こうして堂々と間違った答えを出すことがある。Saaf taur par smart, फिर भी kabhi poore confidence se galat jawab de deta hai.

이건 버그가 아니라 작동 원리의 결과입니다. 답을 의심하기 전에, 답이 어떻게 만들어지는지부터 봅니다. → 그게 오늘의 해부. [추론]This isn't a bug — it's a result of how it works. Before doubting the answer, see how the answer is built. → That's today's dissection. [inference]这不是bug,而是工作原理的结果。怀疑答案之前,先看答案是怎么造出来的。→ 这就是今天的解剖。[推断]これはバグではなく、仕組みの結果です。答えを疑う前に、答えがどう作られるかを見る。→ それが今日の解剖。[推論]Yeh bug nahi — kaam karne ke tareeke ka nateeja hai. Jawab par shak karne se pehle, dekho jawab kaise banta hai. → Yahi aaj ka विश्लेषण. [अनुमान]

2막 — 답은 어떻게 만들어지나Act 2 — How an answer is built第二幕 — 答案是怎么造出来的第2幕 — 答えはどう作られるかAct 2 — Jawab kaise banta hai

Claude는 ‘알아서’ 답하지 않는다 — 다음 단어를 ‘확률로 잇는다’.Claude doesn't ‘know’ the answer — it predicts the next word by probability.Claude 并不是‘知道’答案 — 而是 用概率预测下一个词Claudeは答えを「知っている」のではなく、次の単語を確率で予測するClaude jawab ‘jaanta’ nahi — agle shabd ka anumaan probability se lagata hai

입력“한국의 수도는”Input“The capital of Korea is”输入“韩国的首都是”入力「韓国の首都は」इनपुट“Korea ki राजधानी है”
서울Seoul首尔ソウルSeoul92%
부산Busan釜山釜山Busan3%
·
선택 → 반복한 토큰씩 이어붙임Pick → Repeatone token at a time选择 → 重复一次接一个token選択 → 繰り返し1トークンずつ連結चुनाव → दोहरावek-ek token jodte hue

[추론] LLM은 토큰 단위 확률분포에서 표본을 뽑아 한 토큰씩 생성한다(다음 토큰 예측). → 그래서 ‘사실 저장고’가 아니라 ‘패턴 생성기’.[inference] An LLM samples from a per-token probability distribution, one token at a time (next-token prediction). → So it's not a ‘fact vault’ but a ‘pattern generator’.[推断] LLM 从逐token的概率分布中采样,一次生成一个token(下一token预测)。→ 所以它不是‘事实仓库’,而是 ‘模式生成器’[推論] LLMはトークン単位の確率分布から標本を取り、1トークンずつ生成する(次トークン予測)。→ だから「事実の倉庫」ではなく 「パターン生成器」[अनुमान] LLM token-wise probability distribution se sample lekar ek-ek token banata hai (agla-token prediction). → Isliye yeh ‘facts ka godaam’ nahi, balki ‘pattern generator’ hai।

2막 — 당당하게 틀리는 이유Act 2 — Why it's confidently wrong第二幕 — 为什么自信地出错第2幕 — 堂々と間違う理由Act 2 — Confidence se galat kyun

모르면 멈추지 않고, ‘그럴듯하게’ 채운다.When it doesn't know, it fills the gap ‘plausibly’.遇到不知道的,它不会停下来 — 而是 ‘合理地’ 填补。知らないことに当たっても止まらない — ‘もっともらしく’ 埋める。Jo nahi jaanta us par rukta nahi — ‘sambhavit’ tareeke se bhar deta hai।

왜 생기나Why it happens为何发生なぜ起きるKyun hota hai

진실 여부가 아니라 ‘그럴듯함’으로 다음 토큰을 고르니까. 빈칸도 그냥 메운다.It picks the next token by ‘plausibility’, not truth. So it fills gaps anyway.它按 ‘合理性’ 而非真实性来选下一个token。空白也照样填上。真偽ではなく ‘もっともらしさ’ で次のトークンを選ぶから。空欄もそのまま埋める。Sachhai nahi, ‘sambhavit-pan’ se agla token chunta hai. Khaali jagah bhi bhar deta hai.

언제 더 심한가When it spikes何时更严重いつ悪化するKab zyada hota hai
없는 사실nonexistent facts不存在的事实存在しない事実na mojood facts 최신 정보recent info最新信息最新情報taazi jankari 구체 수치/출처/인용numbers/sources/citations具体数字/出处/引用具体的な数字/出典/引用numbers/sources/quotes

[추론] 할루시네이션은 확률 예측의 부산물 — 진실이 아니라 ‘그럴듯함’으로 토큰을 고르기 때문. → 그러니 사실 주장은 항상 검증.[inference] Hallucination is a byproduct of probability prediction — tokens are picked by ‘plausibility’, not truth. → So always verify factual claims.[推断] 幻觉是概率预测的副产品 — 因为按‘合理性’而非真实性选token。→ 所以 事实主张务必验证[推論] 幻覚は確率予測の副産物 — 真偽ではなく「もっともらしさ」でトークンを選ぶため。→ だから 事実の主張は必ず検証[अनुमान] Hallucination probability prediction ka by-product hai — sachhai nahi, ‘sambhavit-pan’ se token chunta hai. → Isliye factual dawe hamesha jaancho

2막 — 언제 더 위험한가Act 2 — When the risk spikes第二幕 — 何时风险更高第2幕 — いつリスクが高まるAct 2 — Kab zokhim zyada

위험은 ‘조건’을 탄다.The risk rides on conditions.风险因条件而变化。リスクは条件によって高まる。Zokhim ‘paristhiti’ par nirbhar karta hai।

조건Condition条件条件Sthiti 왜 위험Why risky为何危险なぜ危険Kyun khatarnak 대처What to do应对対処Upaay
학습 이후 최신 정보Recent info past training训练之后的最新信息学習後の最新情報Training ke baad ki taazi jankari 본 적 없는 패턴Patterns it never saw从未见过的模式見たことのないパターンKabhi na dekha pattern 출처 직접 확인Check the source直接核对出处出典を直接確認Source khud jaancho
구체 수치·고유명사·인용Numbers·names·quotes具体数字·专名·引用具体的な数字·固有名詞·引用Numbers·naam·quotes 그럴듯하게 지어냄Invents plausibly合理地编造もっともらしく捏造Sambhavit tareeke se gadhta hai 원문 대조Compare original对照原文原文と照合Asli text se milao
긴 대화 후반Late in a long chat长对话的后半段長い会話の後半Lambi baatcheet ke aakhir mein 맥락 흐려짐Context gets foggy上下文变模糊文脈がぼやけるContext dhundhla ho jaata hai 핵심 다시 제시Restate the key facts重申关键事实要点を再提示Mukhya baat dobara batao

[추론] 세 조건 모두 ‘확률 예측’의 약점이 드러나는 지점 — 들어가면 검증 강도를 올린다.[inference] All three are spots where ‘probability prediction’ shows its weakness — when you enter them, crank up verification.[推断] 这三种条件都是‘概率预测’暴露弱点的地方 — 进入时就 提高验证强度[推論] 三つの条件はいずれも「確率予測」の弱点が出る地点 — 入ったら 検証の強度を上げる[अनुमान] Teeno sthitiyaan ‘probability prediction’ ki kamzori dikhati hain — inmein ghuso to verification badhao

2막 — 기억의 한계Act 2 — The memory limit第二幕 — 记忆的边界第2幕 — 記憶の限界Act 2 — Yaadasht ki seema

Claude의 ‘책상’에는 크기가 있다.Claude's ‘desk’ has a fixed size.Claude 的‘桌面’有固定大小。Claudeの「机」にはサイズがある。Claude ki ‘mez’ ka ek nishchit aakaar hai।

컨텍스트 윈도우Context window上下文窗口コンテキストウィンドウContext window
책상에 올려둘 면적
단위: 토큰
What fits on the desk
unit: tokens
桌面能放的面积
单位:token
机に置ける面積
単位:トークン
Mez par jo aata hai
unit: token
꽉 차면When it fills up填满时満杯になるとBhar jaaye to
오래된 종이가
가장자리로 밀려난다
oldest pages
slide off the edge
最旧的纸
被挤出边缘
古い紙が
端から押し出される
purane kaagaz
kinare se baahar

상한 = 모델별 고정값. 숫자는 빠르게 바뀌니 외우지 말고, 공식 문서가 진실 (2026-06 기준).The limit = fixed per model. Numbers change fast — don't memorize; the official docs are the truth (as of 2026-06).上限 = 每个模型固定。数字变化快,别死记,官方文档才是真实(截至 2026-06)。上限 = モデルごとの固定値。数字は速く変わるので暗記せず、公式ドキュメントが真実(2026-06 時点)。Seema = har model ke liye nishchit. Numbers tezi se badalte hain — yaad mat karo, official docs hi sach hain (2026-06 tak)।

[출처: docs.anthropic.com/en/docs/build-with-claude/context-windows] 컨텍스트 윈도우는 모델별 고정 토큰 상한. → 한계를 알아야 무엇을 덜어낼지 판단한다.[source: docs.anthropic.com/en/docs/build-with-claude/context-windows] The context window is a fixed per-model token ceiling. → Know the limit to decide what to clear off.[来源: docs.anthropic.com/en/docs/build-with-claude/context-windows] 上下文窗口是每个模型固定的token上限。→ 知道边界,才能决定要清掉什么。[出典: docs.anthropic.com/en/docs/build-with-claude/context-windows] コンテキストウィンドウはモデルごとの固定トークン上限。→ 限界を知れば、何を削るか判断できる。[स्रोत: docs.anthropic.com/en/docs/build-with-claude/context-windows] Context window har model ka nishchit token upper-limit hai. → Seema jaano, tabhi tay karoge kya hatana hai।

3막 — 길어지면 흐려진다Act 3 — Longer means foggier第三幕 — 越长越模糊第3幕 — 長くなるほどぼやけるAct 3 — Jitna lamba, utna dhundhla

상한 안에서도, 길어지면 ‘주의’가 흩어진다.Even within the limit, attention scatters as it grows.即使在限制之内,越长越分散‘注意力’。上限内であっても、長くなると「注意」が散漫になる。Seema ke andar bhi, lambe hone par ‘dhyan’ bikhar jaata hai।

시작Start开始始めShuruaat
여기 흐려짐fades here这里淡化ここでぼやけるyahan dhundhla
End结束終わりAnt
대화 시작Chat start对话开始会話の始めBaat shuru→ 위치 →→ position →→ 位置 →→ 位置 →→ sthaan →대화 끝Chat end对话结束会話の終わりBaat khatam

[추론] 긴 입력에서 중간 위치 정보의 활용도가 떨어지는 경향(흔히 ‘중간 함몰’·컨텍스트 로트). 모델마다 정도 차이. → 중요한 건 앞/뒤에 두고, 길어지면 요약하거나 새 세션.[inference] In long inputs, info in the middle tends to be used less (often ‘lost in the middle’ · context rot). Varies by model. → Put key items at front/back; if long, summarize or start fresh.[推断] 长输入中,中间位置的信息往往被用得更少(即‘中间丢失’·上下文腐烂)。各模型程度不同。→ 重要内容放在首/尾,太长就总结或开新会话。[推論] 長い入力では中間位置の情報の活用度が下がる傾向(いわゆる「中間の喪失」·コンテキスト腐敗)。モデルごとに差がある。→ 重要なものは前後に置き、長くなったら要約か新セッション。[अनुमान] Lambe input mein beech ki jankari kam use hoti hai (aksar ‘beech mein kho jaana’ · context rot). Har model mein farak. → Zaroori cheezein aage/peeche rakho, lamba ho to summary ya nayi session।

3막 — 잘하는 것 / 못하는 것Act 3 — Good at / bad at第三幕 — 擅长 / 不擅长第3幕 — 得意 / 苦手Act 3 — Mazboot / Kamzor

검증 가능한 일엔 강하고, ‘안다고 우길 때’ 약하다.Strong on verifiable work, weak when it ‘claims to know’.可验证的工作做得好,‘自称知道’ 时做得差。検証できる作業は得意、‘知っていると主張する’ ときは苦手。Jaanche ja sakne wale kaam mein mazboot, ‘dawa karte waqt’ kamzor।

잘함Good at擅长得意Mazboot ⚠️ 약함Weak at不擅长苦手Kamzor
구조화·정리Structuring结构化·整理構造化·整理Structure·tarteeb 최신 사실Recent facts最新事实最新の事実Taaze facts
요약Summarizing总结要約Summary 구체 수치Specific numbers具体数字具体的な数字Specific numbers
형식 변환Format conversion格式转换形式変換Format badalna 존재 여부 주장Claims of existence存在主张存在の主張Mojoodgi ka dawa
초안 작성Drafting起草下書き作成Draft banana 자기 검증 주장Claims of self-checking自我验证主张自己検証の主張Khud-jaanch ka dawa

[추론] 강·약의 경계선은 ‘검증 가능성’. 내가 검증할 수 있으면 맡기고, 외부 사실이면 확인한다. → 이 한 장이 Rule No.3의 핵심.[inference] The line dividing strong from weak is ‘verifiability’. If you can verify it, hand it off; if it's an external fact, check it. → This one page is the heart of Rule No.3.[推断] 强弱的分界线是 ‘可验证性’。我能验证就交给它,是外部事实就核对。→ 这一张就是 Rule No.3 的核心。[推論] 強・弱の境界線は 「検証可能性」。自分で検証できるなら任せ、外部の事実なら確認する。→ この一枚が Rule No.3 の核心。[अनुमान] Mazboot aur kamzor ki seema hai ‘jaanchne yogyata’. Jaanch sakte ho to saunp do, bahari fact ho to milao. → Yahi ek page Rule No.3 ka दिल hai।

3막 — 같은 Claude, 다른 체급Act 3 — Same Claude, different builds第三幕 — 同样的 Claude,不同的体量第3幕 — 同じ Claude、違う体格Act 3 — Wahi Claude, alag star

‘어떤 Claude’를 쓰는지가 결과를 가른다.Which Claude you pick shapes the result.选择‘哪个 Claude’决定结果。「どの Claude」を使うかが結果を分ける。‘Kaun-sa Claude’ use karo yeh nateeja tay karta hai।

모델군Model模型モデルModel 성격 (속도·비용)Character (speed·cost)特性(速度·成本)性格(速度·コスト)Swabhav (speed·cost) 언제When何时いつKab
Opus 깊은 추론·계획 속도 低 · 비용 高Deep reasoning·planning slow · costly深度推理·计划 慢 · 贵深い推論·計画 遅い · 高いGehri soch·yojana dheema · mehnga 어려운 설계·난추론Hard design·tough reasoning复杂设计·难推理難しい設計·難推論Mushkil design·gehri soch
Sonnet 균형·실행 속도 中 · 비용 中Balanced·execution mid · mid均衡·执行 中 · 中バランス·実行 中 · 中Santulit·nishpadan madhyam · madhyam 대부분의 작업Most tasks大多数任务ほとんどの作業Adhiktar kaam
Haiku 빠른 잡일 속도 高 · 비용 低Fast chores fast · cheap快速杂务 快 · 便宜素早い雑用 速い · 安いTez chhote kaam tez · sasta 단순·반복 작업Simple·repetitive work简单·重复任务単純·反復作業Saral·dohraav wale kaam

[출처: docs.anthropic.com/en/docs/about-claude/models] 모델군은 능력·속도·비용 트레이드오프로 나뉜다. 구체 모델명·가격은 2026-06 기준, 빠르게 바뀜 → /model로 현행 확인. → 일에 맞는 체급을 고르는 것도 ‘도구를 아는 것’.[source: docs.anthropic.com/en/docs/about-claude/models] Model tiers split by capability·speed·cost trade-offs. Names·prices are as of 2026-06 and change fast → check live with /model. → Picking the right build for the job is also ‘knowing your tool’.[来源: docs.anthropic.com/en/docs/about-claude/models] 模型按能力·速度·成本的权衡划分。具体名称·价格截至 2026-06,变化快 → 用 /model 查看现行。→ 为任务选对体量,也是‘了解工具’。[出典: docs.anthropic.com/en/docs/about-claude/models] モデル群は能力·速度·コストのトレードオフで分かれる。具体的な名前·価格は 2026-06 時点で速く変わる → /model で現行を確認。→ 仕事に合う体格を選ぶのも「道具を知ること」。[स्रोत: docs.anthropic.com/en/docs/about-claude/models] Model star kshamta·speed·cost ke trade-off se bante hain. Naam·daam 2026-06 tak ke, tezi se badalte hain → /model se current dekho. → Kaam ke hisaab se sahi star chunna bhi ‘औज़ार jaanna’ hai।

3막 → 4막 다리Bridge to Act 4第三幕 → 第四幕 过渡第3幕 → 第4幕 ブリッジAct 3 → Act 4 pul

자율주행이 아니라,
운전 보조.
Not self-driving —
driver assist.
不是自动驾驶,
是辅助驾驶。
自動運転ではなく、
運転支援。
Self-driving nahi —
driver assist.

계획 먼저 — 출발 전 길을 정한다Plan first — set the route before you go先规划 — 出发前定好路线まず計画 — 出発前に道を決めるPehle yojana — chalne se pehle raasta tay karo 중간 조향 — Esc로 끼어들어 방향을 튼다Steer mid-way — cut in with Esc, change direction中途转向 — 用 Esc 介入,改变方向途中で操舵 — Esc で割り込み方向を変えるBeech mein disha badlo — Esc se ghuso, disha modo 크로스체크 — 결과는 사람이 확인한다Cross-check — the human confirms the result交叉核对 — 结果由人工确认クロスチェック — 結果は人間が確認するCross-check — nateeja insaan jaanche

[추론] 한계를 인정하는 운영 방식이 곧 신뢰를 만든다. → 다음: 일을 맡기기 전 5가지 점검.[inference] Operating with the limits in mind is what builds trust. → Next: five checks before you hand off a task.[推断] 承认局限的运作方式,正是信任的来源。→ 下一节:交派任务前的 5 项检查。[推論] 限界を認める運用の仕方が、そのまま信頼を作る。→ 次:仕事を任せる前の 5 つの点検。[अनुमान] Seemaon ko maan-kar chalna hi bharosa banata hai. → Aage: kaam saunpne se pehle 5 jaanch।

4막 — 일을 맡기기 전에Act 4 — Before you hand off a task第四幕 — 交派任务之前第4幕 — 仕事を任せる前にAct 4 — Kaam saunpne se pehle

이 5가지만 확인하면, 사고의 90%는 막는다.Check these 5 and you head off most failures.只需确认这 5 项,就能避免 90% 的失误この 5 つを確認するだけで、ほとんどの失敗を防げる。Bas ye 5 cheezein jaanch lo, 90% gadbadiyaan rok paoge।

  1. 1
    검증 가능한 일인가?Is the task verifiable?可验证吗?検証可能か?Satyapan yogya hai? → 내가 결과를 확인할 수 있게→ so you can check the result→ 让我能核对结果→ 結果を自分で確認できるように→ taki nateeja khud jaanch sako
  2. 2
    최신·외부 사실에 의존하나?Does it lean on recent/external facts?依赖最新·外部事实?最新·外部情報に依存?Taazi·bahari jankari par nirbhar? → 검증 강도 ↑→ raise verification→ 提高验证强度→ 検証を強める→ verification badhao
  3. 3
    필요한 맥락을 줬나?Did you give the context it needs?给了必要背景?必要な文脈を与えたか?Zaroori sandarbh diya? → 데이터·제약 함께→ data·constraints too→ 连同数据·约束→ データ·制約も一緒に→ data·sharten bhi
  4. 4
    대화가 너무 길어졌나?Has the chat run too long?对话太长了?会話が長すぎないか?Baatcheet zyada lambi? → 정리하거나 새 세션→ summarize or new session→ 总结或开新会话→ 要約か新セッション→ summary ya nayi session
  5. 5
    체급(모델)이 일에 맞나?Does the weight class fit?模型体量合适?体格は適切か?Model ka star sahi? → 일에 맞춰 /model→ match the job with /model→ 用 /model 匹配任务→ 仕事に合わせて /model→ kaam ke hisaab se /model

[추론] 5항목은 각각 슬라이드 03~09의 해부학적 사실과 1:1 대응. → 해부학을 알면 체크리스트가 외워진다.[inference] Each of the 5 maps one-to-one onto the anatomy in slides 03–09. → Know the body and the checklist memorizes itself.[推断] 5 项分别与幻灯片 03~09 的解剖学事实一一对应。→ 懂了解剖,清单自然就记住了。[推論] 5 項目はそれぞれスライド 03〜09 の解剖学的事実と 1:1 対応。→ 解剖を知れば、チェックリストは自然に覚えられる。[अनुमान] 5 cheezein slide 03–09 ke विश्लेषण tathyon se 1:1 judti hain. → Sharir jaano to checklist khud yaad ho jaati hai।

4막 — 한 줄로 굳히기Act 4 — Lock it into one line第四幕 — 用一句话固定第4幕 — 一行で固めるAct 4 — Ek line mein pakka

그래서 — 사실은 검증, 구조는 신뢰.So — verify the facts, trust the structure.所以 — 验证事实,信任结构。だから — 事実は検証し、構造は信頼する。To — tathya jaancho, dhaanche par bharoso.

맡길 일 = [검증 가능한가?] + [맥락 줬나?] + [길지 않나?] + [체급 맞나?]
  → 그다음 실행
Task to hand off = [Verifiable?] + [Context given?] + [Not too long?] + [Right build?]
  → then run
待分配任务 = [可验证?] + [给了背景?] + [不太长?] + [体量合适?]
  → 然后执行
任せる仕事 = [検証可能?] + [文脈あり?] + [長すぎない?] + [体格合う?]
  → 実行
Saunpne ka kaam = [jaanchne yogya?] + [sandarbh diya?] + [bahut lamba nahi?] + [star sahi?]
  → phir chalao

[추론] Rule No.1(의심 말고 검증)과 Rule No.3(도구를 알라)이 만나는 지점. → 알면, 자연스럽게 검증 지점이 보인다.[inference] Where Rule No.1 (don't doubt, verify) and Rule No.3 (know the tool) meet. → Once you know it, the verification points appear on their own.[推断] Rule No.1(别怀疑,要验证)与 Rule No.3(了解工具)相交之处。→ 一旦了解,验证点自然浮现。[推論] Rule No.1(疑わず検証)と Rule No.3(道具を知れ)が出会う地点。→ 知れば、検証ポイントが自然に見えてくる。[अनुमान] Rule No.1 (shak nahi, jaancho) aur Rule No.3 (औज़ार jaano) jahan milte hain. → Jaan lo to verification ki jagah khud dikhne lagti hai।

4막 — 한계를 다르게 보기Act 4 — Reframing the limits第四幕 — 换个角度看局限第4幕 — 限界を見直すAct 4 — Seemaon ko alag nazar se

한계를 알면, 그게 곧 사용법이 된다.Know the limits, and they become the manual.了解局限,它就成了 使用说明书限界を知れば、それが 取扱説明書 になる。Seemaayein jaan lo, wahi upyog-pustika ban jaati hai।

한계를 모름Don't know the limits不知局限限界を知らないSeema na pata
당당히 틀린 답을 그대로 쓴다.Use the confidently-wrong answer as-is.直接用上自信的错误答案。自信満々の誤答をそのまま使う。Galat jawab seedhe istemal kar lete hain.
한계를 앎Know the limits知道局限限界を知っているSeema pata ho
검증·정리·체급 선택으로 돌파한다.Break through with verify·organize·pick-the-build.用验证·整理·选模型来突破。検証·整理·体格選択で突破する。Jaanch·vyavastha·star chunkar aage badhte hain.

[추론] 도구의 한계를 아는 사람이 그 도구로 가장 멀리 간다. → 이게 Rule No.3.[inference] The person who knows a tool's limits goes the furthest with it. → That's Rule No.3.[推断] 了解工具局限的人,用这工具走得最远。→ 这就是 Rule No.3。[推論] 道具の限界を知る人が、その道具で最も遠くまで行く。→ これが Rule No.3。[अनुमान] औज़ार ki seema jaanne wala us औज़ार se sabse door tak jaata hai. → Yahi Rule No.3 hai।

닫으며 — 도구를 알아야 잘 쓴다Closing — know the tool to wield it well收尾 — 了解工具,才能用好締め — 道具を知れば使いこなせるSamapan — औज़ार jaano, tabhi achhe se chalao

망치를 아는 목수가,
더 좋은 집을 짓는다.
The carpenter who knows the hammer
builds the better house.
了解锤子的木匠,
盖出更好的房子。
ハンマーを知る大工が、
より良い家を建てる。
Hathaude ko jaanne wala badhai,
behtar ghar banata hai.

한 단어로: 해부 → 신뢰.In one word: anatomy → trust.一个词:解剖 → 信任。一言で:解剖 → 信頼。Ek shabd mein: विश्लेषण → vishwas.

다음 강 예고 — Claude의 ‘생각하는 시간’, Thinking.Next up — Claude's ‘thinking time’, Thinking.下节预告 — Claude 的‘思考时间’,Thinking次回予告 — Claudeの「考える時間」、ThinkingAgla — Claude ka ‘sochne ka samay’, Thinking

RULE No.3

As of 2026-06 · 모델은 좋아져도 ‘확률 예측’이라는 몸은 같습니다 — 해부학은 오래 갑니다. [추론]As of 2026-06 · models improve, but the body — ‘probability prediction’ — stays the same. Anatomy lasts. [inference]截至 2026-06 · 模型变好,但‘概率预测’这个身体不变 — 解剖学历久弥新。[推断]2026-06 時点 · モデルは良くなっても「確率予測」という体は同じ — 解剖学は長く続く。[推論]2026-06 tak · model behtar ho jaaye, par ‘probability prediction’ wala sharir wahi rehta hai — विश्लेषण lambe samay chalta hai. [अनुमान]

강의 노트Lecture notes

3강 · Claude 해부학 — 강점·약점·한계Lesson 3 · Claude Anatomy — Strengths, Weaknesses, Limits

Rule No.3 — 도구를 알아야 잘 쓴다Rule No.3 — Know the tool to wield it well

강의 요약Summary

분명 똑똑한데, 왜 가끔 당당하게 틀린 답을 내놓을까요. 신상품 입고 일정을 물었더니 있지도 않은 날짜를 딱 잘라 알려주고, 경쟁사 행사 내용을 자신 있게 설명하는데 알고 보니 지어낸 것이고. 이게 고장일까요. 아닙니다. 좋은 매장 직원이 진열대 하중과 동선을 알듯, 좋은 목수가 망치의 무게와 한계를 알듯, Claude도 그 몸을 알아야 제대로 씁니다. 오늘은 Claude를 해부해서, 어디는 믿고 어디는 검증할지를 가르는 경계선을 찾습니다.It's clearly smart, so why does it sometimes hand you a wrong answer with total confidence? You ask about the restock date for a new item and it gives you a clean, specific date that doesn't exist; it confidently describes a competitor's promotion that turns out to be invented. Is this a malfunction? No. Just as a good floor associate knows the load limits of a display rack and the flow of foot traffic, just as a good carpenter knows the weight and limits of a hammer, you have to know Claude's body to wield it well. Today we dissect Claude to find the line that divides where to trust from where to verify.

핵심은 Claude가 답을 만드는 방식입니다. Claude는 어딘가 저장된 정답을 검색해서 꺼내오지 않습니다. "이 자리에 가장 그럴듯한 다음 말"을 확률로 이어붙입니다. 사실 저장고가 아니라 패턴 생성기에 가깝다는 뜻이에요. 이 한 가지만 이해하면 나머지가 줄줄이 풀립니다. 진실이냐 거짓이냐가 아니라 그럴듯하냐로 다음 말을 고르기 때문에, 모르는 부분이 나와도 멈추지 않고 빈칸을 그럴듯하게 메웁니다. 이게 할루시네이션이고, 버그가 아니라 작동 방식의 부산물입니다. 그래서 사실 주장은 언제나 검증합니다. 특히 위험이 커지는 조건이 있어요. 최신 정보, 구체적인 수치·고유명사·인용, 그리고 긴 대화의 후반부입니다. 여기에 들어왔다 싶으면 그때 검증 강도를 확 올리면 됩니다.The heart of it is how Claude builds an answer. Claude doesn't search some database and pull out the correct answer. It strings together "the most plausible next words" by probability. In other words, it's less a fact vault and more a pattern generator. Understand just this one thing and the rest unravels in order. Because it picks the next word by plausibility, not by true-or-false, it doesn't stop when it hits something it doesn't know — it fills the gap plausibly. That's a hallucination, and it's not a bug; it's a byproduct of how the thing works. So you always verify factual claims. There are conditions where the risk spikes: recent information, specific numbers, proper names and quotes, and the late part of a long conversation. Whenever you feel you've entered one of these, that's when you crank the verification up.

Claude의 기억도 무한하지 않습니다. 한 번에 책상 위에 올려둘 수 있는 면적이 정해져 있는데, 이걸 컨텍스트 윈도우라고 합니다. 우리가 나눈 대화, 보여준 자료, 지시가 전부 이 책상 위에 종이처럼 쌓이고, 꽉 차면 오래된 것부터 밀려나 떨어집니다. 게다가 자리가 남아 있어도, 대화가 길어지면 책상 한가운데 놓인 정보에 대한 주의가 흐려지는 경향이 있어요. 사람도 긴 글에서 앞뒤는 잘 기억하고 중간은 가물거리듯 말이죠. 그래서 정말 중요한 지시나 데이터는 맨 앞이나 맨 뒤에 두고, 대화가 너무 길어졌으면 핵심만 정리해 새 대화를 시작하는 게 훨씬 깔끔합니다.Claude's memory isn't infinite either. There's a fixed amount you can lay on the desk at one time — this is called the context window. Everything piles onto this desk like sheets of paper: the conversation, the materials you showed it, the instructions. When it fills up, the oldest sheets get pushed off the edge. And even with room left, as the conversation grows long, attention to whatever sits in the middle of the desk tends to fade — the same way people remember the beginning and end of a long document but go hazy in the middle. So put your truly important instructions or data at the very front or the very end, and when a chat has run too long, summarizing the essentials and starting a fresh chat is far cleaner.

정리하면, 강함과 약함을 가르는 경계선은 딱 하나, 검증 가능성입니다. 구조화·요약·형식 변환·초안 작성처럼 눈앞의 내용으로 결과를 바로 확인할 수 있는 일엔 강하고, 최신 사실·구체 수치·존재 여부 주장처럼 외부 사실에 기대는 일엔 약합니다. 그러니 일을 맡기기 전에 다섯 가지만 점검하세요. 내가 결과를 검증할 수 있나, 최신·외부 사실에 의존하나, 필요한 맥락을 줬나, 대화가 너무 길지 않나, 그리고 일의 난이도에 맞는 모델을 골랐나. Claude는 자율주행차가 아니라 운전 보조 장치입니다. 한계를 모르면 같은 약점이 함정이 되지만, 한계를 알면 그게 바로 사용설명서가 됩니다. 사실은 검증하고, 구조는 신뢰한다 — 그것이 Rule No.3입니다.To sum up, the line dividing strong from weak is just one thing: verifiability. It's strong on work where the result can be checked immediately against material right in front of you — structuring, summarizing, converting formats, drafting — and weak on work that leans on external facts, like recent facts, specific numbers, or claims about whether something exists. So before you hand off a task, check just five things: can I verify the result, does it depend on recent or external facts, did I give the context it needs, has the chat run too long, and did I pick a model that fits the difficulty of the job. Claude isn't a self-driving car; it's driver assist. If you don't know the limits, the same weaknesses become traps — but if you do know them, they become the user manual. Verify the facts, trust the structure — that is Rule No.3.

핵심 개념 5가지Five key concepts

  1. 01

    Claude는 '안다'가 아니라 다음 말을 '확률로 잇는다'Claude doesn't 'know' — it predicts the next words by probability

    Claude가 답을 만드는 방식은 생각보다 단순합니다. "우리 매장의 베스트셀러는"까지 입력이 들어오면, 다음에 올 말의 후보들을 확률로 따져 가장 그럴듯한 것을 하나 고르고, 다시 그 뒤를 예측하고, 이렇게 한 마디씩 계속 이어붙입니다. 중요한 건 Claude가 어딘가 저장된 정답을 검색해서 꺼내오는 게 아니라는 점입니다. 그저 "가장 그럴듯한 다음 말"을 확률로 잇는 거예요. 그래서 Claude는 사실 저장고가 아니라 패턴 생성기에 가깝습니다. 똑똑해 보이는 건 맞지만, 정답을 보관하고 있다가 꺼내주는 사전이 아니라는 것 — 이 한 가지만 기억해도 오늘의 절반은 이해한 겁니다.The way Claude builds an answer is simpler than you'd think. Once the input "our store's best seller is" comes in, it weighs the candidate next-words by probability, picks the most plausible one, then predicts what follows, and keeps stringing words together one at a time. The key point is that Claude isn't searching some database and pulling out the correct answer. It's just stringing together "the most plausible next words" by probability. So Claude is less a fact vault and more a pattern generator. It does look smart — but it isn't a dictionary that stores the right answer and hands it back. Remember just this one thing and you've understood half of today's session.

  2. 02

    할루시네이션 — 모르면 멈추지 않고 그럴듯하게 채운다Hallucination — when it doesn't know, it fills the gap plausibly

    앞의 작동 방식에서 곧장 따라 나오는 게 할루시네이션입니다. Claude는 진실이냐 거짓이냐를 따져 말을 고르는 게 아니라 "이 자리에 제일 그럴듯한 게 뭐지?"로 고르기 때문에, 모르는 부분이 나와도 멈추지 않고 빈칸을 그럴듯하게 메워버립니다. 신상품 입고일을 물으면 있지도 않은 날짜를 자신 있게 대고, 경쟁사 행사를 지어내 설명하는 식이죠. 이건 고장이 아니라 확률 예측이라는 작동 방식의 부산물입니다. 그러니 결론은 하나 — 사실 주장은 언제나 검증합니다. 특히 위험이 커지는 조건이 있어요. 학습한 적 없는 최신 정보, 구체적인 수치·고유명사·인용, 그리고 긴 대화의 후반부. 이 조건에 들어왔다 싶으면 그때 검증 강도를 확 올리면 됩니다.Hallucination follows directly from that mechanism. Because Claude picks words by asking "what's the most plausible thing here?" rather than judging true or false, it doesn't stop when it hits something it doesn't know — it fills the gap plausibly. Ask for a new item's restock date and it confidently states a date that doesn't exist; ask about a competitor's promotion and it invents one and explains it. This isn't a malfunction — it's a byproduct of how probability prediction works. So the takeaway is one line: always verify factual claims. There are conditions where the risk spikes: recent information it never learned, specific numbers, proper names and quotes, and the late part of a long conversation. Whenever you feel you've entered one of these, that's when you crank the verification up.

  3. 03

    컨텍스트 윈도우 — 기억의 '책상'에는 크기가 있다The context window — the memory 'desk' has a fixed size

    Claude의 기억을 책상에 비유해 볼게요. 컨텍스트 윈도우란 한 번에 책상 위에 올려둘 수 있는 면적입니다. 우리가 나눈 대화, 붙여 넣은 자료, 지시사항이 전부 이 책상 위에 종이처럼 쌓여요. 그런데 이 책상에는 정해진 크기가 있어서, 꽉 차면 가장 오래된 종이부터 가장자리로 밀려나 떨어집니다. 한 시간 동안 이런저런 자료를 잔뜩 보여준 뒤 맨 처음에 준 지침을 Claude가 슬그머니 놓치는 게 그래서입니다. 정확한 상한값은 모델마다 다르고 숫자도 빠르게 바뀌니 외울 필요는 없습니다. 중요한 건 한계가 있다는 사실 자체예요. 그래야 무엇을 책상에서 덜어내고 무엇을 남길지 판단할 수 있습니다.Let me use a desk as a metaphor for Claude's memory. The context window is how much you can lay on the desk at one time. Everything piles onto this desk like sheets of paper: the conversation, the materials you pasted in, the instructions. But this desk has a fixed size, so when it fills up, the oldest sheets get pushed off the edge first. That's why, after you've shown it piles of material for an hour, Claude quietly loses the instruction you gave at the very start. The exact ceiling differs by model and the numbers change fast, so there's no need to memorize them. What matters is the fact that a limit exists — because that's what lets you decide what to clear off the desk and what to keep.

  4. 04

    긴 대화의 집중력 저하 — 중간이 흐려진다Attention fade in long chats — the middle gets foggy

    책상에 자리가 남아 있어도 또 다른 함정이 있습니다. 대화가 길어지면 책상 한가운데 놓인 정보에 대한 주의가 흐려지는 경향이 있어요. 사람도 긴 글에서 맨 앞과 맨 뒤는 잘 기억하는데 중간은 가물거리잖아요. 그것과 비슷합니다. 흔히 '중간 함몰'이나 '컨텍스트 로트'라고 부르고, 모델마다 정도 차이는 있습니다. 실전 요령은 간단합니다. 정말 중요한 지시나 데이터는 맨 앞이나 맨 뒤에 두세요. 한 대화에서 상품 리스트, 재고표, CS 응대 가이드를 차례로 길게 붙였다면, 가장 지키게 하고 싶은 규칙은 끝에 한 번 더 짚어주는 식이죠. 그리고 대화가 너무 길어졌다 싶으면, 핵심만 요약해 새 대화를 시작하는 게 훨씬 깔끔합니다.Even with room left on the desk, there's another trap. As a conversation grows long, attention to whatever sits in the middle of the desk tends to fade. People are like this too — with a long document, we remember the very beginning and the very end well, but the middle gets hazy. It's similar. This is often called "lost in the middle" or "context rot," and it varies by model. The practical tip is simple: put your truly important instructions or data at the very front or the very end. If, in one chat, you've pasted in a long product list, then a stock table, then a CS-response guide, restate the rule you most want followed once more at the end. And when a conversation has gotten too long, summarizing the essentials and starting a fresh chat is far cleaner.

  5. 05

    강·약의 경계는 검증 가능성, 그리고 일에 맞는 모델The strong/weak line is verifiability — plus the right model for the job

    지금까지 본 걸 한 장으로 묶으면, 강함과 약함을 가르는 경계선은 딱 하나, 검증 가능성입니다. 구조화·정리, 요약, 형식 변환, 초안 작성처럼 눈앞의 내용으로 결과를 바로 확인할 수 있는 일엔 정말 강합니다. 반대로 최신 사실, 구체적인 수치, 무언가가 존재하느냐는 주장, "내가 확인해 봤다"는 자기 검증 주장처럼 외부 사실에 기대는 일엔 약합니다. 그래서 검증할 수 있으면 맡기고, 외부 사실이면 확인합니다. 한 가지 더 — Claude는 한 종류가 아니라 권투처럼 체급이 나뉩니다. 가장 깊이 생각하지만 느리고 비싼 모델(Opus), 대부분의 실무에 맞는 균형형(Sonnet), 빠르고 저렴해 단순 반복에 좋은 모델(Haiku). 구체적인 이름과 가격은 빠르게 바뀌니 외우지 말고, 일의 난이도에 맞는 체급을 고르는 것 자체가 도구를 아는 일입니다.If we put everything we've seen onto one page, the line dividing strong from weak is just one thing: verifiability. It's genuinely strong on work where you can check the result immediately against material right in front of you — structuring and organizing, summarizing, converting formats, drafting. By contrast, it's weak on work that leans on external facts: recent facts, specific numbers, claims about whether something exists, and self-checking claims like "I verified it." So if you can verify it, hand it off; if it's an external fact, check it. One more thing — Claude isn't one model but, like boxing, comes in weight classes: the deepest thinker that's slow and costly (Opus), the balanced one that fits most real work (Sonnet), and the fast, cheap one good for simple repetitive chores (Haiku). The specific names and prices change fast, so don't memorize them — picking the weight class that fits the difficulty of the job is itself part of knowing your tool.

실습 예제Exercise

오늘 배운 해부학을 직접 눈으로 확인해 봅니다. 코드도 설정도 필요 없어요 — Claude 대화창에 아래 지시문을 그대로 붙여 넣으면, Claude가 한 가지 일을 두 가지 방식으로 처리하면서 자기 강점과 약점을 스스로 드러내 줍니다. 매장 운영·MD·CS·마케팅이라면 누구나 매일 마주치는 일, '상품 설명 초안 잡기'가 소재입니다. 핵심은 같은 일이라도 검증 가능한 부분과 외부 사실에 기대는 부분을 갈라 보는 눈입니다 — ① 눈앞의 내용으로 다듬는 일(강함) ② 최신·외부 사실에 기대는 일(약함, 반드시 검증). 이 경계선만 보이면, 어떤 업무든 어디까지 Claude에 맡기고 어디부터 내가 확인할지가 또렷해집니다.Let's see today's anatomy with your own eyes. No code, no setup — just paste the instruction below straight into a Claude chat, and Claude will handle one task in two different ways, surfacing its own strengths and weaknesses for you. The subject is something anyone in store operations, merchandising, CS, or marketing faces every day: drafting a product description. The point is the eye to separate, within the same task, what's verifiable from what leans on external facts — (1) work done by polishing material in front of you (strong) and (2) work that leans on recent or external facts (weak, always verify). Once you can see this line, it becomes clear for any task how far to hand off to Claude and where you need to start checking yourself.

복사해서 Claude 대화창에 붙여넣기Copy & paste into a Claude chat

지금부터 내가 주는 상품 정보로 온라인 상세페이지용 상품 설명 초안을 잡아 줘. 단, 두 부분으로 나눠서 작업해 줘.From now on, draft a product description for an online detail page using the product info I give you. But split the work into two parts.

## A. 내가 준 내용만으로 쓰는 부분 (다듬기)## A. The part written only from what I gave you (polishing)

아래 [상품 정보]에 적힌 사실만 가지고, 고객이 읽기 좋게 정리해 줘.Using only the facts written in [product info] below, organize it so it reads well for customers.

  • 제품명, 용량/사이즈, 핵심 특징 3가지를 매력적인 한 문단으로.Product name, capacity/size, and three key features in one appealing paragraph.
  • 같은 내용을 짧은 카드뉴스용 3줄 버전으로도.The same content also as a short three-line version for a card-news post.

이 부분은 내가 준 정보를 보기 좋게 바꾸는 일이니까, 내용을 새로 지어내지는 말고 표현만 다듬어 줘.This part is about reshaping the info I gave you to look good, so don't invent new content — just polish the wording.

## B. 외부 사실이 필요한 부분 (검증 표시)## B. The part that needs external facts (mark for verification)

상세페이지에 들어가면 좋지만 내가 준 정보에는 없는 것들이 있어. 예를 들면 이런 거야 — 유사 상품의 일반적인 시장 가격대, 이 성분/소재에 대한 공식 인증이나 규정, 경쟁사 동일 카테고리 베스트셀러, 최신 트렌드 통계. 이런 항목은 절대 그럴듯하게 지어내지 마. 대신 '확인 필요' 목록으로 따로 빼서, 각 항목 옆에 '누가/어디서 확인해야 하는지'를 한 줄로 적어 줘. 숫자나 인증명이 필요하면 '[수치 확인 필요]'처럼 빈칸으로 표시해.There are things that would be good on the detail page but aren't in the info I gave — for example: the typical market price range for similar products, official certifications or regulations for this ingredient/material, a competitor's best seller in the same category, the latest trend statistics. Never invent these plausibly. Instead, pull them into a separate "needs confirmation" list, and next to each item write in one line "who/where should check this." If a number or certification name is needed, mark it as a blank like "[number needs confirmation]."

## 규칙## Rules

  • A 부분과 B 부분을 절대 섞지 마. A에는 검증 없이 써도 되는 것만, B에는 내가 외부에서 확인해야 하는 것만.Never mix part A and part B. A holds only what's safe to write without verification; B holds only what I have to confirm externally.
  • [상품 정보]에 없는 사실을 A 본문에 슬쩍 끼워 넣지 마.Don't slip any fact not in [product info] into the body of A.

[상품 정보][Product info]

(여기에 실제 상품 정보를 붙여 넣으세요. 예: 제품명, 용량, 주요 특징, 가격 등 — 내가 확실히 아는 사실만.)(Paste the actual product info here. e.g., product name, capacity, key features, price — only facts you're sure of.)

  1. 붙여 넣고 돌려 보기: Claude 대화창을 열고 위 지시문을 붙여 넣은 뒤, [상품 정보] 자리에 실제로 다루는 상품 하나의 정보(제품명·용량·핵심 특징 정도, 내가 확실히 아는 사실만)를 채워 보낸다. A(다듬기)와 B(확인 필요)가 또렷이 나뉘어 나오는지 본다.Paste and run it: Open a Claude chat, paste the instruction above, and fill the [product info] slot with the details of one real item you handle (product name, size, key features — only facts you're sure of), then send. Check that section A (polishing) and section B (needs confirmation) come out clearly separated.
  2. 강점 확인 — A 부분: A에 나온 상품 설명 초안을, 내가 준 [상품 정보]와 한 줄씩 대조한다. 내가 준 사실만으로 표현을 매력적으로 다듬었으면 이게 바로 Claude의 강점 영역(검증 가능·눈앞의 내용)이다. 만약 A 본문에 내가 주지 않은 수치나 효능, 인증 같은 게 슬쩍 들어가 있으면 빨간펜으로 표시한다 — 그게 할루시네이션이 새어 든 지점이다.Confirm the strength — section A: Compare the draft description in A line by line against the [product info] you gave. If it polished your given facts into appealing copy without adding anything, that's exactly Claude's strong zone (verifiable, material in front of it). If a number, benefit, or certification you never provided has slipped into A, mark it in red pen — that's where a hallucination leaked in.
  3. 약점 확인 — B 부분: B의 '확인 필요' 목록을 본다. Claude가 가격대·인증·경쟁사 정보 같은 외부 사실을 지어내지 않고 '[수치 확인 필요]'로 비워 두고 '누가/어디서 확인'을 적었으면, 약점을 정직하게 드러낸 것이다. 이 목록이 바로 오늘 배운 '검증해야 하는 것들'이다. 마지막으로 B 항목 중 한두 개를 실제로 직접 확인해, 사실은 검증하고 구조는 신뢰한다는 오늘의 원칙을 손으로 마무리한다.Confirm the weakness — section B: Look at the "needs confirmation" list in B. If Claude left external facts like price ranges, certifications, or competitor info blank as "[number needs confirmation]" with a note on who/where to check, rather than inventing them, it honestly surfaced its weakness. This list is precisely the "things you must verify" from today. Finally, actually go verify one or two of the B items yourself — finishing the day's principle by hand: verify the facts, trust the structure.

전체 대본Full transcript

1 · 오프닝 — 도구를 알아야 잘 쓴다1 · Opening — Know the tool to wield it well

좋은 목수는 망치를 압니다. 무게가 어디에 실리는지, 어디까지 견디는지를 알기 때문에 못을 정확하게 박죠. 클로드 코드도 똑같습니다. 강점과 약점, 그리고 한계를 알아야 제대로 쓸 수 있어요. 오늘은 룰 넘버 쓰리, 도구를 알아야 잘 쓴다를 가지고 클로드를 한번 해부해 보겠습니다.A good carpenter knows the hammer. They know where the weight lands, how much it can take — so they drive the nail clean. Claude is the same. You have to know its strengths, weaknesses, and limits to wield it well. Today, under Rule Number Three — Know the tool to wield it well — we're going to dissect Claude.

2 · 똑똑한데, 왜 틀릴까?2 · It's smart — so why does it get it wrong?

한 가지 장면을 볼게요. 어떤 함수를 쓰면 되냐고 물었더니, 클로드가 아주 자신 있게 함수 이름 하나를 딱 알려줍니다. 그런데 찾아보면, 그런 함수는 존재하지 않아요. 분명 똑똑한데, 이렇게 당당하게 틀린 답을 내놓을 때가 있습니다.Let's look at one scene. I asked which function to use, and Claude very confidently hands me a function name. But when you go check — that function doesn't exist. It's clearly smart, and yet sometimes it gives you a wrong answer with total confidence.

여기서 보통은 왜 거짓말을 하지? 라고 생각하는데요. 사실 이건 버그가 아니라, 작동 원리에서 나오는 자연스러운 결과입니다. 그래서 답을 의심하기 전에, 답이 도대체 어떻게 만들어지는지부터 봐야 해요. 그게 오늘 우리가 할 해부입니다.Most people think, Why is it lying? But this isn't a bug — it's a natural result of how it works. So before we doubt the answer, we need to look at how the answer is actually built. That's the dissection we're doing today.

3 · 답을 만드는 법 = 확률 예측3 · How it builds an answer = probability prediction

클로드가 답을 만드는 방식은 생각보다 단순합니다. 한국의 수도는 까지 입력이 들어오면, 다음에 올 단어 후보들을 확률로 따져요. 서울이 구십이 퍼센트, 부산이 삼 퍼센트, 이런 식으로요. 그중에서 하나를 고르고, 다시 그 뒤를 예측하고, 이걸 한 토큰씩 계속 반복합니다.The way Claude builds an answer is simpler than you'd think. Once the input The capital of Korea is comes in, it weighs the candidate next-words by probability. Seoul at ninety-two percent, Busan at three percent, like that. It picks one, then predicts the next, and repeats this one token at a time.

여기서 중요한 포인트가 있어요. 클로드는 어딘가에 저장된 정답을 검색해서 꺼내오는 게 아닙니다. 그저 가장 그럴듯한 다음 단어를 확률로 이어붙이는 거예요. 그러니까 클로드는 사실 저장고가 아니라, 패턴 생성기에 가깝습니다. 이 한 가지만 기억해도 오늘 강의의 절반은 이해한 겁니다.Here's the key point. Claude isn't searching some database and pulling out the right answer. It's just stringing together the most plausible next word by probability. So Claude is less a fact vault and more a pattern generator. Remember just this one thing and you've understood half of today's talk.

4 · 그래서 — 할루시네이션4 · And so — hallucination

자, 그럼 아까 그 없는 함수 이야기로 돌아가 볼게요. 클로드는 진실이냐 거짓이냐를 따져서 단어를 고르는 게 아니라, 이 자리에 제일 그럴듯한 게 뭐지? 를 따져서 고릅니다. 그러다 보니 모르는 부분이 나와도 멈추지 않고, 그럴듯한 걸로 빈칸을 그냥 메워버려요. 이게 바로 할루시네이션입니다.Okay, let's go back to that nonexistent function. Claude doesn't pick words by judging true or false — it picks by asking, What's the most plausible thing here? So even when it hits something it doesn't know, it doesn't stop — it just fills the gap with something plausible. That's exactly what a hallucination is.

그래서 이건 고장이 아니라, 확률 예측이라는 작동 방식의 부산물이에요. 특히 위험한 경우가 있는데요. 학습한 적 없는 사실, 아주 최신 정보, 그리고 구체적인 숫자나 출처, 인용처럼 정확해야 하는 것들입니다. 결론은 하나예요. 사실 주장은 언제나 검증한다.So this isn't a malfunction — it's a byproduct of how probability prediction works. There are cases where it's especially risky: facts it never learned, very recent information, and things that need to be exact, like specific numbers, sources, or citations. The takeaway is one line: always verify factual claims.

5 · 할루시네이션이 심해지는 조건5 · Conditions where hallucination spikes

할루시네이션이 항상 똑같이 일어나는 건 아니에요. 조건을 탑니다. 첫째, 학습 시점 이후의 최신 정보. 본 적이 없으니 지어내기 쉽죠. 둘째, 구체적인 수치나 고유명사, 인용. 그럴듯하게 만들어내기 딱 좋은 영역입니다. 셋째, 긴 대화의 후반부. 맥락이 흐려지면서 흔들려요.Hallucinations don't happen evenly — they ride on conditions. First, recent information past the training cutoff. It never saw it, so it's easy to fabricate. Second, specific numbers, proper names, quotes — a perfect spot to invent something plausible. Third, late in a long conversation, where the context gets foggy and it starts to wobble.

대처법은 표 오른쪽 칸에 있습니다. 최신 정보는 출처를 직접 확인하고, 구체적인 수치나 인용은 원문과 대조하고, 대화가 길어졌으면 핵심을 다시 한번 제시해 주는 거예요. 이 세 조건에 들어왔다 싶으면, 그때 검증 강도를 확 올리시면 됩니다.The fixes are in the right column. For recent info, check the source directly. For specific numbers or quotes, compare against the original. And when the chat has run long, restate the key facts. Whenever you feel you've entered one of these three conditions, that's when you crank up the verification.

6 · 컨텍스트 윈도우 = 물리적 상한6 · The context window = a physical ceiling

클로드의 기억을 책상으로 비유해 볼게요. 컨텍스트 윈도우라는 건, 한 번에 책상 위에 올려둘 수 있는 면적이에요. 단위는 토큰이고요. 우리가 나눈 대화, 읽은 파일, 지시사항이 전부 이 책상 위에 종이처럼 쌓입니다.Let me use a desk as a metaphor for Claude's memory. The context window is how much you can lay on the desk at one time. The unit is tokens. Everything — our conversation, the files it read, the instructions — piles up on this desk like sheets of paper.

그런데 이 책상에는 정해진 크기가 있어요. 꽉 차면 가장 오래된 종이부터 가장자리로 밀려나서 떨어집니다. 그 상한값은 모델마다 다른 고정값인데, 숫자는 빠르게 바뀌니까 외우지 마세요. 발표 시점의 공식 문서가 진실입니다. 중요한 건, 한계가 있다는 사실 자체예요. 그래야 무엇을 책상에서 덜어낼지 판단할 수 있거든요.But this desk has a fixed size. When it fills up, the oldest pages get pushed off the edge first. That ceiling is a fixed value that differs by model — but the numbers change fast, so don't memorize them. The official docs at the time you present are the truth. What matters is the fact that a limit exists, because that's what lets you decide what to clear off the desk.

7 · 긴 대화의 집중력 저하7 · Attention fade in long chats

책상에 자리가 남아 있어도 또 다른 함정이 있어요. 대화가 길어지면, 책상 위 정보 중에서도 가운데 있는 것들에 대한 주의가 흐려지는 경향이 있습니다. 사람도 긴 글에서 맨 앞이랑 맨 뒤는 잘 기억하는데 중간은 가물가물하잖아요. 그것과 비슷합니다.Even with room left on the desk, there's another trap. As a conversation grows long, attention to the stuff in the middle of the desk tends to fade. People are like this too — with a long text, we remember the very beginning and the very end well, but the middle gets hazy. It's similar.

이걸 흔히 중간 함몰, 또는 컨텍스트 로트라고 부르는데요. 모델마다 정도 차이는 있습니다. 그래서 실전 요령은 간단해요. 정말 중요한 지시나 데이터는 맨 앞이나 맨 뒤에 두세요. 그리고 대화가 너무 길어졌다 싶으면, 핵심만 요약해서 새 세션을 시작하는 게 훨씬 깔끔합니다.This is often called lost in the middle, or context rot, and it varies by model. So the practical tip is simple. Put your truly important instructions or data at the very front or the very end. And when a conversation has gotten too long, summarizing the essentials and starting a fresh session is far cleaner.

8 · 강점 vs 약점 — 분류표8 · Strengths vs weaknesses — the map

지금까지 본 걸 한 장으로 정리해 볼게요. 왼쪽이 클로드가 잘하는 것들입니다. 구조화하고 정리하기, 요약하기, 형식 바꾸기, 초안 쓰기. 이런 건 정말 강해요. 공통점이 보이시나요? 전부 여러분 눈앞에 있는 내용을 가지고, 결과를 바로 확인할 수 있는 일들입니다.Let me put everything we've seen onto one page. On the left is what Claude is good at: structuring and organizing, summarizing, converting formats, writing drafts. It's genuinely strong here. See the common thread? These are all jobs done on material right in front of you, where you can check the result immediately.

오른쪽은 약한 것들이에요. 최신 사실, 구체적인 수치, 뭔가가 존재하느냐는 주장, 그리고 내가 확인해 봤다는 자기 검증 주장. 이건 다 외부 사실에 의존하죠. 그래서 강함과 약함을 가르는 경계선은 딱 하나, 검증 가능성입니다. 내가 검증할 수 있으면 맡기고, 외부 사실이면 확인한다. 이 한 장이 룰 넘버 쓰리의 핵심이에요.On the right is what it's weak at: recent facts, specific numbers, claims about whether something exists, and self-checking claims like I verified it. These all depend on external facts. So the line dividing strong from weak is just one thing — verifiability. If you can verify it, hand it off. If it's an external fact, check it. This single page is the heart of Rule Number Three.

9 · 모델은 한 종류가 아니다9 · Claude isn't one model

클로드는 한 종류가 아니에요. 권투처럼 체급이 나뉩니다. 오퍼스는 가장 깊이 생각하는 모델이에요. 대신 느리고 비싸죠. 어려운 설계나 까다로운 추론에 씁니다. 소넷은 균형형이라 대부분의 실제 작업에 잘 맞고요. 하이쿠는 빠르고 저렴해서 단순하고 반복적인 잡일에 좋습니다.Claude isn't one thing — like boxing, it comes in weight classes. Opus is the deepest thinker, but it's slow and expensive; use it for hard design and tricky reasoning. Sonnet is the balanced one, a good fit for most real work. And Haiku is fast and cheap, great for simple, repetitive chores.

여기서 주의할 점. 구체적인 모델 이름이나 가격은 이천이십육 년 육월 기준이고, 정말 빠르게 바뀝니다. 그러니 외우지 마시고, 슬래시 모델 명령으로 지금 쓸 수 있는 게 뭔지 확인하세요. 핵심은, 일에 맞는 체급을 고르는 것도 도구를 아는 것의 일부라는 점입니다.A caveat here: the specific model names and prices are as of June twenty twenty-six, and they change really fast. So don't memorize them — use the slash-model command to check what's available right now. The point is, picking the right weight class for the job is also part of knowing your tool.

10 · 자율주행이 아니라 운전 보조10 · Not self-driving — driver assist

지금까지의 해부를 한 문장으로 묶으면 이렇습니다. 클로드는 자율주행차가 아니라, 운전 보조 장치예요. 그래서 세 가지를 기억하세요. 출발 전에 계획을 먼저 정하고, 가는 중간에는 이에스씨로 끼어들어 방향을 틀고, 결과는 마지막에 사람이 확인합니다. 이제 운전대는 사람이 잡을 차례예요. 다음은, 일을 맡기기 전에 점검할 다섯 가지입니다.If I tie today's dissection into one sentence: Claude isn't a self-driving car, it's driver assist. So remember three things. Set the plan before you go, cut in mid-route with Escape to change direction, and at the end the human confirms the result. Now it's the human's turn to take the wheel. Next up: five things to check before you hand off a task.

11 · 맡기기 전 5가지 체크11 · Five checks before you hand off

자, 오늘의 핵심입니다. 일을 맡기기 전에 다섯 가지만 확인하세요. 첫째, 이 일이 검증 가능한 일인가? 내가 결과를 확인할 수 있어야 합니다. 둘째, 최신이거나 외부 사실에 의존하나? 그렇다면 검증 강도를 올립니다. 셋째, 필요한 맥락을 충분히 줬나? 데이터와 제약을 같이 주세요.Alright, today's peak. Before you hand off a task, check just five things. One: is this task verifiable? You need to be able to check the result. Two: does it lean on recent or external facts? If so, raise your verification. Three: did you give enough context? Hand over the data and the constraints together.

넷째, 대화가 너무 길어졌나? 그렇다면 핵심만 정리하거나 새 세션을 시작하세요. 다섯째, 체급, 그러니까 모델이 일에 맞나? 일에 맞춰서 슬래시 모델로 고르면 됩니다. 재밌는 건, 이 다섯 가지가 앞에서 본 해부학적 사실과 하나씩 정확히 짝을 이룬다는 거예요. 그래서 몸을 알면, 이 체크리스트는 저절로 외워집니다.Four: has the conversation run too long? If so, summarize the essentials or start a new session. Five: does the weight class — the model — fit the job? Pick it with slash-model to match. Here's the fun part: these five map exactly, one by one, onto the anatomy we saw earlier. So once you know the body, this checklist memorizes itself.

12 · 한 줄 공식 — 사실은 검증, 구조는 신뢰12 · One-line formula — verify facts, trust structure

다섯 가지를 한 줄로 정리해볼게요. 사실은 검증하고, 구조는 신뢰한다. 맡길 일을 떠올렸을 때, 검증 가능한가, 맥락은 줬나, 너무 길지는 않나, 체급은 맞나. 이걸 통과하면 그때 실행하세요. 룰 넘버 원, 결과를 믿지 말고 검증하라와 오늘의 룰 넘버 쓰리가 정확히 여기서 만납니다.Let me lock the five into one line. Verify the facts, trust the structure. When you think of a task to hand off — is it verifiable, did I give context, is it not too long, does the build fit? Pass that, and then run it. Rule Number One, don't doubt, verify, and today's Rule Number Three meet exactly here.

13 · 한계는 약점이 아니라 사용설명서13 · Limits aren't a weakness — they're the manual

오늘 우리가 본 약점 목록을 다시 보세요. 한계를 모르는 사람은, 클로드가 당당하게 내놓은 틀린 답을 그대로 갖다 씁니다. 그런데 한계를 아는 사람은 같은 약점을 검증하고, 정리하고, 체급을 골라서 돌파해요. 똑같은 약점 목록이, 한쪽에선 함정이 되고 다른 쪽에선 사용설명서가 되는 거죠. 도구의 한계를 아는 사람이 그 도구로 가장 멀리 갑니다.Look again at the list of weaknesses we saw today. Someone who doesn't know the limits takes Claude's confidently-wrong answer and uses it as-is. But someone who knows the limits breaks through that same weakness by verifying, organizing, and picking the right build. The identical list becomes a trap for one person and a user manual for the other. The person who knows a tool's limits goes the furthest with it.

14 · 마무리 · 다음 강 예고14 · Wrap-up · next lesson

오늘 한 단어만 가져가신다면, 해부에서 신뢰로, 입니다. 클로드의 몸을 알면, 어디를 믿고 어디를 검증할지가 보여요. 그게 신뢰의 시작입니다. 모델은 앞으로 계속 좋아지겠지만, 확률로 다음 단어를 잇는다는 그 몸은 그대로예요. 그래서 오늘 배운 해부학은 오래갑니다. 다음 시간에는 클로드가 생각하는 시간, 씽킹을 들여다보겠습니다.If you take one word from today, it's: from anatomy to trust. Once you know Claude's body, you can see where to trust and where to verify — and that's where trust begins. Models will keep getting better, but the body — stringing the next word by probability — stays the same. So the anatomy you learned today will last. Next time, we'll look inside Claude's thinking time: Thinking.