Middle AI-insener

Подготовил и адаптировал более 50 сценариев диалогов и ответов для модели GPT внутри финтех-продукта: банковские операции, FAQ, SM. Переписывал шаблоны в соответствии с тональностью бренда и спецификой интерфейса. Составил таблицу фэйлов генерации, на основе которой команда доработала правила фильтрации промптов.

Переписал и систематизировал более 150+ промптов для внутренних ассистентов — избавился от PJ, улучшил точность ответов до 86%. Настроил связку RAG с FAISS и LangChain, отдавал up-to-date ответы на клиентские запросы из закрытой базы, по логам: -32% обращений к операторам. Вёл разметку и обработку более 10k диалогов: категоризация по интентам, выявление edge-кейсов, составление типовой логики fallback-ответов, настроил автоматический фидбек. Написал документацию по шаблонизированию промптов под разные роли и юзеров (новичков/экспертов/недовольный клиентов). Работал над функций FC для интеграции ассистента с 3 внешними API, ускорил время отклика до 2.5с, покрыл около 85% сценариев.

Разработал фреймворк для A/B-тестирования промтов. Сравнивали оптимизированные и сгенерированные шаблоны. Получили прирост точности NLU на +18% по критичным интентам. Проектировал промпт-карты под разные языковые стили клиентов: использовал стилистическую адаптацию промптов под формальный, разговорный, экспертный TOV. Совместно с аналитиками провёл аудит 30+ ассистентов: зафиксировал 137 уязвимостей в логике ответов, устранил 90% ошибок за 1 спринт через редизайн и редактирование промптов. Участвовал в разработке кастомного LLM-ассистента на основе модели ruGPT, подключённой к базе внутренних документов. Вёл воркшопы для внутренних команд: сформировал 8 методических карточек с рабочими шаблонами.