senior-prompt-engineer

Umiejętność senior prompt engineera do budowania produkcyjnych systemów AI. Opanuj zaawansowane wzorce promptowania, optymalizację RAG, projektowanie agentów i architekturę LLM. Pracuj efektywnie z Claude i GPT-4, implementuj few-shot learning, chain-of-thought oraz ewaluację modeli. Idealna do tworzenia AI produktów, skalowania wydajności LLM i wdrażania złożonych technik promptowania w środowisku produkcyjnym.

1. Sklonuj repozytorium z GitHub i przejdź do katalogu skill'u senior-prompt-engineer. Upewnij się, że masz zainstalowany Python oraz wymagane zależności (LangChain, LlamaIndex, DSPy i inne frameworki LLM wymienione w dokumentacji).

2. Przygotuj dane wejściowe — umieść swoje prompty, dokumenty lub konfiguracje w katalogu data/. Jeśli optymalizujesz istniejący system, przygotuj również plik konfiguracyjny config.yaml z parametrami projektu.

3. Uruchom optimizer promptów poleceniem python scripts/prompt_optimizer.py --input data/ --output results/. Narzędzie przeanalizuje Twoje prompty, zasugeruje ulepszenia wzorców i wygeneruje zoptymalizowane wersje w katalogu results/.

4. Jeśli pracujesz z RAG (Retrieval-Augmented Generation), uruchom ewaluator poleceniem python scripts/rag_evaluator.py --target project/ --analyze. Otrzymasz raport o jakości retrieval'u i sugestie optymalizacji.

5. Do wdrożenia systemów agentowych użyj python scripts/agent_orchestrator.py --config config.yaml --deploy. Narzędzie skonfiguruje architekturę agenta na podstawie Twojego pliku konfiguracyjnego i przygotuje go do produkcji.

6. Zapoznaj się z dokumentacją referencyjną w references/prompt_engineering_patterns.md — zawiera zaawansowane wzorce, strategie implementacji produkcyjnej i techniki optymalizacji wydajności dla Twoich konkretnych przypadków użycia.