[WHIF] Tech - Prompt Engineer 채용 · 경력(3년)

유저가 캐릭터와 대화하며 빠져드는 경험 — 그 경험의 한가운데에 있는 "캐릭터의 말"을 책임집니다.

- "이 답장, 방금 그 캐릭터가 한 말 맞아?" — 캐릭터가 무너지는 지점을 직접 찾고, 원인을 정의하고, 고치고, 배포까지

- 작가가 쓴 설정이 천 번째 턴, 오천 번째 턴에서도 살아있도록 — 시스템 프롬프트와 컨텍스트 구성 설계

- "좋아진 것 같다"가 아니라 숫자로 — 평가 데이터셋과 자동 평가를 만들고, 실험을 돌리고, 결과로 다음 방향을 결정

- 모델이 바뀌어도 캐릭터는 그대로 — 여러 LLM 프로바이더와 자체 모델 사이에서 말투와 품질을 맞추는 일

- 한국어에서 통한 것이 일본어에서도 통하도록 — 언어별 말투, 호칭, 경어의 결을 살리는 프롬프트

- 유저가 재생성 버튼을 덜 누르도록 — 실제 대화 로그에서 실패 패턴을 찾아 프롬프트로, 필요하면 엔진 코드로 해결

- 몰입을 깨지 않으면서 선은 지키도록 — 안전 정책과 캐릭터 표현 사이의 균형 설계

- LLM 기반 서비스에서 프롬프트를 설계하고 프로덕션에 올려 운영한 경험 — 잘 쓴 문장보다 "왜 이 구조인가"의 판단력

- 프롬프트 변경의 효과를 감이 아니라 평가와 실험으로 검증해본 경험

- Python 또는 TypeScript로 실험과 평가 스크립트를 직접 짜고 돌릴 수 있는 분

- 기능 하나를 끝까지 책임지고 출시해본 경험 — 기획 참여부터 배포/모니터링까지

- AI 캐릭터 채팅을 유저로서 깊게 써본 경험, 또는 캐릭터를 직접 만들어 공개해본 경험

- 롤플레이·서사형 대화 프롬프트 설계 경험 (페르소나, 세계관, 장기 기억, 서사 전개)

- 웹소설, 시나리오, 2차 창작 등 캐릭터와 이야기를 직접 써본 경험

- 일본어로 캐릭터의 말투, 호칭, 경어 수준을 구분해 읽고 쓸 수 있는 분

- 여러 모델을 오가며 프롬프트를 이식하거나, 모델 교체 전후 품질을 비교해본 경험

- LLM 평가 체계 구축 경험 (평가 데이터셋, LLM 기반 채점, 사람 평가 설계)

- 파인튜닝용 데이터셋을 설계하거나 구축해본 경험

- LLM 관측 도구로 실제 트래픽의 응답 품질을 추적해본 경험

- Go 또는 Python으로 백엔드 코드를 읽고 수정한 경험

- 오픈소스 기여 또는 기술 블로그 운영

*이력서 및 포트폴리오 제출 필수(PDF/링크)

1. 서류 전형 — 지원서 및 포트폴리오 검토
2. 콜 스크리닝 (30분) — 간단한 유선 사전 인터뷰
3. 실무 인터뷰 (60분) — 직무 역량 및 전반적인 실무 인터뷰
4. 협업 인터뷰 (60분) — 함께 협업할 부서와의 인터뷰
5. 문화 인터뷰 (60분) — 회사 문화 적합성(컬처핏) 인터뷰
6. 처우 협의 — 최종 합격자 대상 연봉 및 처우 협의