본 논문은 지시어 학습된 대규모 언어 모델(LLM)을 이용한 복잡한 워크플로 생성을 개선하기 위해 Opus Prompt Intention Framework를 제시합니다. 사용자 질의와 워크플로 생성 사이에 중간 단계인 Intention Capture 계층을 도입하여, 사용자 질의에서 워크플로 신호(Workflow Signals)를 추출하고, 이를 구조화된 워크플로 의도(Workflow Intention) 객체로 해석한 후, 이러한 의도를 기반으로 워크플로를 생성합니다. 1,000개의 다중 의도 질의-워크플로 쌍으로 구성된 합성 벤치마크에서, Opus Prompt Intention Framework를 워크플로 생성에 적용하면 의미론적 워크플로 유사성 측정값이 일관되게 향상되는 것을 보여줍니다. 본 논문에서는 LLM 기반 워크플로 생성에 워크플로 신호와 워크플로 의도 개념을 적용하여 Opus Prompt Intention Framework를 소개하고, 사용자 질의에서 워크플로 신호와 워크플로 의도를 추출하는 재현 가능하고 사용자 정의가 가능한 LLM 기반 Intention Capture 시스템을 제시합니다. 마지막으로, 제안된 시스템이 특히 혼합 의도 유도(Mixed Intention Elicitation)의 경우 사용자 질의로부터 직접 생성하는 것보다 워크플로 생성 품질을 크게 향상시킨다는 실증적 증거를 제공합니다.
