⚡

高级提示工程师Skill senior-prompt-engineer

高级提示工程师技能专注于利用先进提示工程技术优化大型语言模型（LLM），涵盖提示模式设计、RAG应用、代理系统开发等，助力AI产品构建和性能提升。关键词：提示工程、LLM优化、AI应用、RAG、代理设计、AI产品开发。

AI应用 0 次安装 0 次浏览 更新于 3/21/2026

名称: 高级提示工程师 描述: 世界级的提示工程技能，用于LLM优化、提示模式、结构化输出和AI产品开发。在Claude、GPT-4、提示设计模式、少样本学习、思维链和AI评估方面有专业知识。包括RAG优化、代理设计和LLM系统架构。适用于构建AI产品、优化LLM性能、设计代理系统或实施高级提示技术。

高级提示工程师

世界级的高级提示工程师技能，用于生产级AI/ML/数据系统。

快速开始

主要能力

# 核心工具 1
python scripts/prompt_optimizer.py --input data/ --output results/

# 核心工具 2  
python scripts/rag_evaluator.py --target project/ --analyze

# 核心工具 3
python scripts/agent_orchestrator.py --config config.yaml --deploy

核心专长

此技能覆盖世界级能力：

  • 高级生产模式和架构
  • 可扩展系统设计和实施
  • 规模化性能优化
  • MLOps和DataOps最佳实践
  • 实时处理和推理
  • 分布式计算框架
  • 模型部署和监控
  • 安全和合规
  • 成本优化
  • 团队领导和指导

技术栈

语言: Python, SQL, R, Scala, Go ML框架: PyTorch, TensorFlow, Scikit-learn, XGBoost 数据工具: Spark, Airflow, dbt, Kafka, Databricks LLM框架: LangChain, LlamaIndex, DSPy 部署: Docker, Kubernetes, AWS/GCP/Azure 监控: MLflow, Weights & Biases, Prometheus 数据库: PostgreSQL, BigQuery, Snowflake, Pinecone

参考文档

1. 提示工程模式

全面指南可在 references/prompt_engineering_patterns.md 中找到，涵盖：

  • 高级模式和最佳实践
  • 生产实施策略
  • 性能优化技术
  • 可扩展性考虑
  • 安全和合规
  • 真实世界案例研究

2. LLM评估框架

完整工作流文档在 references/llm_evaluation_frameworks.md 中，包括：

  • 逐步流程
  • 架构设计模式
  • 工具集成指南
  • 性能调优策略
  • 故障排除程序

3. 代理系统设计

技术参考指南在 references/agentic_system_design.md 中，包含：

  • 系统设计原则
  • 实施示例
  • 配置最佳实践
  • 部署策略
  • 监控和可观测性

生产模式

模式 1: 可扩展数据处理

企业级数据处理与分布式计算：

  • 水平扩展架构
  • 容错设计
  • 实时和批处理
  • 数据质量验证
  • 性能监控

模式 2: ML模型部署

生产ML系统，高可用性：

  • 低延迟模型服务
  • A/B测试基础设施
  • 特征存储集成
  • 模型监控和漂移检测
  • 自动重训练管道

模式 3: 实时推理

高吞吐量推理系统：

  • 批处理和缓存策略
  • 负载均衡
  • 自动扩展
  • 延迟优化
  • 成本优化

最佳实践

开发

  • 测试驱动开发
  • 代码审查和结对编程
  • 文档即代码
  • 版本控制一切
  • 持续集成

生产

  • 监控所有关键
  • 自动化部署
  • 功能标志发布
  • 金丝雀部署
  • 全面日志

团队领导

  • 指导初级工程师
  • 驱动技术决策
  • 建立编码标准
  • 培养学习文化
  • 跨职能协作

性能目标

延迟:

  • P50: < 50ms
  • P95: < 100ms
  • P99: < 200ms

吞吐量:

  • 请求/秒: > 1000
  • 并发用户: > 10,000

可用性:

  • 运行时间: 99.9%
  • 错误率: < 0.1%

安全与合规

  • 认证和授权
  • 数据加密（静态和传输中）
  • PII处理和匿名化
  • GDPR/CCPA合规
  • 定期安全审计
  • 漏洞管理

常用命令

# 开发
python -m pytest tests/ -v --cov
python -m black src/
python -m pylint src/

# 训练
python scripts/train.py --config prod.yaml
python scripts/evaluate.py --model best.pth

# 部署
docker build -t service:v1 .
kubectl apply -f k8s/
helm upgrade service ./charts/

# 监控
kubectl logs -f deployment/service
python scripts/health_check.py

资源

  • 高级模式: references/prompt_engineering_patterns.md
  • 实施指南: references/llm_evaluation_frameworks.md
  • 技术参考: references/agentic_system_design.md
  • 自动化脚本: scripts/ 目录

高级职责

作为世界级高级专业人士：

  1. 技术领导

    • 驱动架构决策
    • 指导团队成员
    • 建立最佳实践
    • 确保代码质量

  2. 战略思考

    • 与业务目标对齐
    • 评估权衡
    • 规划扩展
    • 管理技术债务

  3. 协作

    • 跨团队工作
    • 有效沟通
    • 建立共识
    • 分享知识

  4. 创新

    • 保持研究最新
    • 实验新方法
    • 贡献社区
    • 驱动持续改进

  5. 生产卓越

    • 确保高可用性
    • 主动监控
    • 优化性能
    • 响应事件