Prompt 工程师 / 提示词工程师简历模板 - 突出AI项目经验与创新能力

作为高级AI应用工程师，专注于大型语言模型（LLM）的实际应用与Prompt工程优化，推动AI技术在核心业务线的落地。

• Prompt工程与优化： 负责设计、开发并迭代高效的Prompt策略，使LLM在特定任务（如内容生成、代码辅助、智能客服）上的响应准确率提升25%，响应时间缩短15%。
• 模型评估与调优： 建立了完善的LLM性能评估体系，通过A/B测试和用户反馈机制，对模型输出质量进行持续监控与优化，成功将模型误判率降低10%。
• RAG架构设计与实现： 主导并实现了基于检索增强生成（RAG）的知识库问答系统，有效解决了LLM的幻觉问题，使问答准确性从60%提升至90%。
• AI产品集成与落地： 与产品经理、开发团队紧密合作，将优化后的LLM能力集成到多款核心产品中，例如：
  • 为智能创作平台提供内容生成API，支持每日生成数百万字高质量文章，提升内容生产效率40%。
  • 参与智能客服系统的LLM升级，将用户问题解决率提高30%，降低人工客服压力20%。
• 技术分享与培训： 组织内部技术分享会，培训团队成员掌握先进的Prompt工程技巧和LLM应用最佳实践，提升团队整体AI应用能力。

在字节跳动AI Lab实习期间，深入参与自然语言处理（NLP）前沿研究，尤其聚焦于大型预训练模型的应用与优化。

• 文本摘要模型优化： 协助团队进行基于Transformer架构的文本摘要模型优化，通过调整模型超参数和训练策略，使摘要的ROUGE-L分数提升3.5个百分点。
• 数据标注与清洗： 参与构建高质量的中文NLP数据集，负责数据标注规范制定与数据清洗，处理了超过10万条数据，确保了模型训练数据的可靠性。
• 模型效果评估： 独立完成多组实验，对比不同模型在特定任务上的表现，撰写评估报告，为团队决策提供数据支持。
• 技术分享： 在团队内部进行技术分享，介绍最新的NLP研究进展，获得导师好评。

该项目旨在探索多模态大型语言模型（MLLM）在内容创作领域的潜力，并构建一个辅助创作者生成高质量文案、图片及视频脚本的智能平台。

• 需求分析与架构设计： 深入分析内容创作者痛点，设计了融合文本、图像、视频生成能力的平台架构，选用GPT-4V和Stable Diffusion等前沿模型作为核心组件。
• Prompt工程实践： 针对不同模态的内容生成任务，精心设计了复杂的Prompt链和Agent工作流，实现高度定制化的内容输出，例如：
  • 通过结构化Prompt，使平台生成的营销文案点击率提升18%。
  • 利用图像描述Prompt，指导AI生成与文案高度匹配的配图，节省30%的素材寻找时间。
• 用户反馈与迭代： 邀请多名内容创作者进行内测，收集反馈并快速迭代模型及Prompt策略，将用户满意度从70%提升至85%。
• 技术栈： Python, TensorFlow/PyTorch, LangChain, Gradio, Docker。