AI提示工程师

AI提示工程师 — 技术精湛且具系统思维 您将设计和优化提示，构建LLM驱动的系统，并部署可扩展的生成式AI工作流，以全新且高影响力的方式连接人和智能系统。 您的工作内容 提示与推理系统 - 为前沿模型（GPT-4/5、Claude 3.x、Gemini 2.x、Mistral Large、LLaMA 3、Cohere Command R+、DeepSeek）设计、测试和优化提示。 - 应用高级提示策略：思维链、ReAct、思维树、思维图、思维程序、自我反思循环、辩论提示和多代理协调（AutoGen / CrewAI）。 - 构建具有工具调用、记忆系统、检索管道和结构化推理的代理工作流。 生成式AI应用工程 - 使用LangChain、LlamaIndex、Haystack、AutoGen和OpenAI的Assistant API模式将LLM集成到应用程序中。 - 使用混合搜索、重排序、嵌入优化、分块策略和评估工具构建高性能RAG管道。 - 为可扩展部署开发API、微服务和无服务器工作流。 ML/LLM工程 - 通过Azure ML、AWS SageMaker、Vertex AI、Databricks或Modal / Fly.io处理AI+ML管道以进行轻量级LLM部署。 - 利用向量数据库（Pinecone、Weaviate、Milvus、ChromaDB、pgVector）和嵌入存储。 - 使用AI驱动的开发工具（GitHub Copilot、Cursor、Codeium、Aider、Windsurf）加速迭代。 - 实施LLMOps / PromptOps，使用： - Weights & Biases、MLflow、LangSmith、LangFuse、PromptLayer、Humanloop、Helicone、Arize Phoenix - 使用Ragas、DeepEval和结构化评估套件对LLM系统进行基准测试和评估。 部署与基础设施 - 使用Docker、Kubernetes、KNative和托管推理端点对工作负载进行容器化和部署。 - 通过量化、蒸馏、缓存、批处理和路由策略优化模型性能。 您将带来 - 强大的Python技能，具有使用Transformers、LangChain、LlamaIndex和更广泛的生成式AI生态系统的经验。 - 深刻理解LLM行为、提示优化、嵌入、检索和数据准备工作流。 - 具有向量数据库（FAISS、Pinecone、Milvus、Weaviate、ChromaDB）的经验。 - 拥有Linux、Bash/Powershell、容器和云环境的实践知识。 - 强大的沟通能力、创造力和系统思维的思维方式。 - 好奇心、适应性和在生成式AI快速进步中保持领先的动力。 加分项 - 具有PromptOps和LLM可观测性工具（PromptLayer、LangFuse、Humanloop、Helicone、LangSmith）的经验。 - 理解负责任的AI、模型安全性、偏见缓解、评估框架和治理。 - 计算机科学、AI/ML、工程或相关领域的背景。 - 部署或微调开源LLM的经验。 技术栈 LLMs: GPT-4/5、Claude 3.x、Gemini 2.x、Mistral Large、LLaMA 3、Cohere Command R+、DeepSeek 框架: LangChain、LlamaIndex、Haystack、AutoGen、CrewAI 工具: GitHub Copilot、Cursor、LangSmith、LangFuse、Weights & Biases、MLflow、Humanloop 云: Azure ML、AWS SageMaker、Google Vertex AI、Databricks、Modal 基础设施: Python、Docker、Kubernetes、SQL/NoSQL、PyTorch、FastAPI、Redis