專家介紹
LLM 工程師｜提示工程 × RAG｜OpenAI・LangChain・FastAPI
(LLM Engineer | Prompt Engineering × RAG | OpenAI · LangChain · FastAPI)
🔹 Profile Summary｜個人摘要
專注「可靠性 × 可衡量成果」的 LLM 工程師。
擅長把模糊需求與雜訊資料，轉為 JSON Schema 鎖定（schema-locked）、可上線的 GPT＋Python pipeline 與 RAG（檢索增強生成, Retrieval-Augmented Generation） 應用；透過 評測框架（evaluation harness） 與 監控（monitoring），把生成流程做成可維運服務。典型成效：成本/延遲（cost/latency）下降 20–50%，同時提升 準確率/覆蓋率（accuracy/coverage） 與穩定度。
(A results-oriented LLM engineer focused on reliability and measurable impact. I turn vague prompts and messy data into schema-locked JSON outputs, production-ready GPT+Python pipelines, and RAG apps, backed by an evaluation harness and monitoring for ongoing operations. Typical impact: 20–50% reduction in cost/latency with higher accuracy/coverage and stability.)
🔹 Core Skills｜核心技能
提示工程（Prompt Engineering）／LLM 設計（LLM Prompt Design）
生成式 AI（Generative AI）／自然語言處理（NLP, Natural Language Processing）
OpenAI API（GPT-4／GPT-4o）、LangChain（LLM 應用框架）、RAG（檢索增強生成）
Python／FastAPI／API 整合（API Integration）、ETL（Extract-Transform-Load）、資料清理（Data Cleaning）
A/B 測試（A/B Testing）與評估（Evaluation）— accuracy／coverage／cost／latency
JSON／JSON Schema、向量資料庫（Vector Databases：FAISS／Chroma／Pinecone）
🔹 Services｜提供服務
．提示＋結構化流程｜Prompt＋Schema Pipelines：JSON 鎖定輸出（schema-locked）、口吻/格式標準（style/format standards）、版本控管（versioning）。
(Schema-locked JSON outputs, tone/format standards, versioning.)
．可靠性工程（Reliability Engineering）：重試（retries）／快取（caching）／速率限制（rate limiting），降幻覺（hallucination reduction）、穩定輸出（stable outputs）。
評測框架（Evaluation Harness）：跨 prompt/model 的 A/B 測試；指標含 accuracy／coverage／cost／latency。
．ETL & 個資安全前處理（PII-safe Preprocessing）：資料清理、分塊（chunking）、嵌入向量（embeddings）。
．向量庫整合（Vector DB Integration）：FAISS／Chroma／Pinecone（索引策略、查詢重寫、召回調參）。
．服務化交付（Service-ization）：FastAPI endpoints／batch jobs／queue 排程。
．可維運交付（Operability）：Logging／Monitoring／Documentation，交付後可平滑接手（smooth handover）。
🔹 Tech Stack｜技術堆疊
．語言/框架（Languages/Frameworks）：Python、FastAPI、Pydantic（資料驗證 Data Validation）、SQL
．AI 工具（AI Tools）：OpenAI API（GPT-4／GPT-4o）、LangChain
．資料/基礎設施（Data/Infra）：JSON Schema、Docker、Git
．向量資料庫（Vector DBs）：FAISS、Chroma、Pinecone
🔹 Sample Results｜成效摘要
．產出速度（throughput）↑ 40–70%；審稿輪次（review cycles）↓ 20–40%。
．錯引/幻覺（misquotes/hallucinations）↓ 30–60%；回覆延遲（response latency）↓ 25–50%。
．可觀測性（observability）與護欄（guardrails）上線，穩定 SLA 與 成本上限（cost ceiling）。
🔹 Keywords for ATS｜關鍵字
Generative AI／LLM／Prompt Engineering／RAG（檢索增強生成）／LangChain／OpenAI API／JSON Schema／Vector Database（FAISS／Chroma／Pinecone）／ETL／A/B Testing／Evaluation／FastAPI／Pydantic／API Integration／Logging／Monitoring／Docker／Git
