I. Mục đích vị trí công việc
Thiết kế, phát triển, tối ưu hóa các prompt (lệnh đầu vào) cho các mô hình AI ngôn ngữ lớn (LLM) nhằm đảm bảo đầu ra chính xác, sáng tạo, phù hợp ngữ cảnh. Đồng thời, xây dựng/quản lý thư viện prompts, vận hành và tối ưu dữ liệu đặc trưng trên cơ sở dữ liệu Vector, góp phần nâng cao hiệu suất và độ ổn định của các công cụ AI nội bộ.
II. Trách nhiệm thực thi chính
1. Phát triển và tối ưu hóa prompt:
- Thiết kế và cải tiến prompt phù hợp với từng mục tiêu sử dụng AI cụ thể (tạo nội dung, phân tích dữ liệu, trả lời tự động, v.v.).
- Kiểm thử liên tục để đánh giá chất lượng đầu ra, phát hiện lỗi logic, thiên lệch, sai lệch ngữ nghĩa, vi phạm tiêu chuẩn đạo đức.
- Phân tích phản hồi đầu ra và áp dụng các kỹ thuật tinh chỉnh prompt (Prompt tuning) theo ngữ cảnh sử dụng, nhóm người dùng và mục tiêu nghiệp vụ nhằm tối ưu độ chính xác, tính nhất quán và giá trị ứng dụng của AI
2. Quản lý cơ sở dữ liệu vector
- Thiết lập và quản trị vector database để hỗ trợ truy xuất ngữ nghĩa (semantic search) nhanh chóng và chính xác từ dữ liệu đầu vào và đầu ra của AI.
- Tối ưu hóa tích hợp giữa vector database và hệ thống AI, nhằm nâng cao chất lượng phản hồi, rút ngắn thời gian xử lý và cải thiện độ phù hợp theo ngữ cảnh truy vấn.
3. Xây dựng & Quản lý thự viện Prompt
- Phát triển và duy trì thư viện prompt chuẩn hóa phục vụ đa dạng tác vụ (viết nội dung, phân tích dữ liệu, hỗ trợ khách hàng…) trong toàn tổ chức.
- Chuẩn bị tài liệu hướng dẫn sử dụng và quy trình áp dụng, giúp đội ngũ tái sử dụng prompt hiệu quả, đảm bảo tính nhất quán và giảm chi phí thử nghiệm lặp lại.
- Đảm bảo tính linh hoạt và khả năng mở rộng của thư viện để thích ứng với các mô hình AI mới hoặc yêu cầu nghiệp vụ thay đổI
4. Tích hợp và tự động hóa quy trình
- Tích hợp prompt vào các hệ thống và phần mềm nội bộ, kết nối với quy trình nghiệp vụ để khai thác tối đa năng lực của AI.
5. Đào tạo và hiệu chỉnh (tunining) AI models
- Tham gia hiệu chỉnh mô hình (fine-tuning) để cá nhân hóa phản hồi AI theo nhu cầu và ngữ cảnh sử dụng của doanh nghiệp.
- Điều chỉnh tham số và tập dữ liệu huấn luyện nhằm cải thiện độ chính xác, khả năng thích ứng của mô hình với từng trường hợp sử dụng cụ thể.
- Phối hợp cùng nhóm kỹ thuật, đảm bảo mô hình vận hành ổn định, tuân thủ quy định và có thể mở rộng khi triển khai.