高级提示工程师Skill senior-prompt-engineer

---

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评估方面具有专业知识。包括RAG优化、智能体设计和LLM系统架构。适用于构建AI产品、优化LLM性能、设计智能体系统或实施高级提示技术时使用。

高级提示工程师

世界级的高级提示工程师技能，适用于生产级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

此技能涵盖世界级能力：

• 高级生产模式和架构
• 可扩展系统设计与实施
• 大规模性能优化
• MLOps和DataOps最佳实践
• 实时处理与推理
• 分布式计算框架
• 模型部署与监控
• 安全与合规
• 成本优化
• 团队领导与指导

技术栈

编程语言： 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

完整指南位于references/prompt_engineering_patterns.md，涵盖：

• 高级模式与最佳实践
• 生产实施策略
• 性能优化技术
• 可扩展性考虑
• 安全与合规
• 真实案例研究

2. LLM评估框架

完整工作流文档位于references/llm_evaluation_frameworks.md，包括：

• 分步流程
• 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. 智能体系统设计

技术参考指南位于references/agentic_system_design.md，包含：

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

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
• 实时与批处理
• 数据质量验证
• 性能监控

模式2：ML模型部署

高可用性生产ML系统：

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

模式3：实时推理

高吞吐量推理系统：

• 批处理与缓存策略
• 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
• 代码审查与结对编程
• 文档即代码
• 版本控制一切
• 持续集成

生产

• 监控所有关键环节
• 自动化部署
• 发布功能标志
• 金丝雀部署
• 全面日志记录

团队领导

• 指导初级工程师
• 推动技术决策
• 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：

• 正常运行时间: 99.9%
• 错误率: < 0.1%

安全与合规

• 认证与授权
• 数据加密（静态与传输中）
• PII处理与匿名化
• 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员：

1. 技术领导

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

2. 战略思维

   • 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

   • 保持研究前沿
   • 尝试新方法
   • 贡献社区
   • 推动持续改进

5. 生产卓越

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