用途：面向生产级 AI/ML 与数据系统的资深提示工程技能，聚焦 LLM 优化、提示模式、结构化输出与 AI 产品开发，涉及 Claude、GPT-4 等模型。
主要能力：覆盖高级生产模式与架构、可扩展系统设计、规模化性能优化、MLOps/DataOps、实时处理与推理、分布式计算、模型部署与监控、安全合规、成本优化与团队指导。参考文档包括提示工程模式、LLM 评估框架、智能体系统设计。
使用方式：仓库提供脚本，例如：python scripts/prompt_optimizer.py --input data/ --output results/ ；python scripts/rag_evaluator.py --target project/ --analyze ；python scripts/agent_orchestrator.py --config config.yaml --deploy 。常见命令还包括 pytest、black、pylint，以及训练、Docker、kubectl、helm 与健康检查等命令。技术栈涉及 Python、SQL、R、Scala、Go，PyTorch、TensorFlow、Scikit-learn、XGBoost，Spark、Airflow、dbt、Kafka、Databricks，LangChain、LlamaIndex、DSPy，Docker、Kubernetes 与 AWS/GCP/Azure，MLflow、Weights & Biases、Prometheus，以及 PostgreSQL、BigQuery、Snowflake、Pinecone。
适用场景：企业级数据处理、ML 模型部署、实时推理，以及需要提示优化、RAG 评估和智能体编排的 AI 产品开发。
限制：资料未提供安装步骤、具体模型版本要求、收费与许可信息、实测效果数据，以及各脚本的参数细节与运行环境依赖，使用前需自行确认。