본 논문은 대규모 언어 모델(LLM)을 이용한 지식 그래프(KG) 구성에서, 수작업으로 프롬프트를 작성하는 대신 자동 프롬프트 최적화 기법을 적용하는 실험적 연구이다. 지식 그래프 구성의 기본 단계인 텍스트에서 3튜플(주어-관계-목적어) 추출 작업에 초점을 맞추어, 다양한 설정 (프롬프팅 전략, LLM 모델, 스키마 복잡도, 입력 텍스트 길이 및 다양성, 최적화 지표, 데이터셋) 하에서 세 가지 자동 프롬프트 최적화 기법(DSPy, APE, TextGrad)의 성능을 SynthIE와 REBEL 두 데이터셋을 이용하여 비교 평가하였다. 실험 결과, 자동 프롬프트 최적화 기법이 사람이 작성한 프롬프트와 유사한 수준의 성능을 달성하며, 특히 스키마 복잡도와 텍스트 길이가 증가할수록 성능 향상이 두드러짐을 보였다.