Contact information

The job seeker has entered a phone number and email.

You can get this candidate's contact information from https://www.work.ua/resumes/19941589/

Work experience

No work experience.

Education

ПМФК

ЕМ
Specialized secondary, from 2024 to 2026 (2 years)

Knowledge and skills

• Критическое мышление
• Инженерное Мышление
• Codex
• Claude API
• Antigravity

Additional information

Prompt Engineer
Summary
Инженер LLM-систем (Prompt Engineer). Специализируюсь на создании системных промптов и архитектуры для предсказуемой работы языковых моделей. Мой фокус — Context Engineering, RAG, Function Calling и цепочки промптов (Prompt Chaining). Я делаю так, чтобы на выходе получался строгий, валидируемый и применимый в проде результат, а не галлюцинации.
Technical Skills
Prompt Engineering: Zero-shot, One-shot, Few-shot, Chain of Thought, ReAct, Prompt Chaining, Meta Prompting, Self-Consistency, Tree of Thoughts.
LLM Systems: RAG, Function Calling, Structured Outputs, Context Engineering, защита от Prompt Injection и митигация Jailbreak-атак.
Models: GPT-4o, GPT-5, Claude Opus, Gemini, Llama 3, Mistral, Antigravity, CodeX.
Python Integration: OpenAI/Anthropic API, Requests, Pydantic, JSON Schema, Pytest.
Core Competencies
Разработка системных промптов со строгими ограничениями для генерации структурированных ответов.
Построение многошаговых LLM-пайплайнов с сохранением и корректной передачей контекста.
Проектирование JSON/XML-ответов с обязательной валидацией через схемы.
Оптимизация контекстного окна и управление расходом токенов.
Тестирование безопасности LLM и защита систем от взлома (prompt injection/jailbreak).
Selected Projects
OSINT Prompt Pipeline
Написал системные промпты для нормализации сырых данных из CSV, JSON, SQL и MDB. Результат стабильно проходит валидацию по заданным схемам.
Внедрил RAG и прописал жесткие инструкции для модели, что позволило свести к минимуму ложные сопоставления и галлюцинации при анализе информации.
LLM Testing Workflow
Автоматизировал процесс проверки качества промптов: собрал Golden Dataset и настроил прогон тест-кейсов через Pytest.
Перевел текстовые ответы модели в строгий формат (Structured Outputs и Function Calling) с последующей валидацией через Pydantic и JSON Schema.
Educational Content Generation
Разработал специализированные промпты для генерации учебных карточек.
Добился того, что модель выдает атомарный контент строго в нужном формате, не добавляя от себя лишних вводных фраз, рассуждений или «воды».
Languages
English — B2.
Русский / Украинский — родные.