分享下我写简历的话术
bg：27届/双非一本/今年开始走AI，给大家分享一下简历包装的话术
先说结果：改完简历后投了 12 家，收到 5 个面试（之前投了 20 家 0 面试）。不敢说全是简历的功劳，但改之前和改之后的区别确实很大。
改之前的简历（节选）：
技能：Java, Spring Boot, MySQL, Redis, Git
项目：学生选课管理系统（Spring Boot + Vue）
- 实现了课程增删改查功能
- 实现了学生选课和退课功能
- 使用 Redis 缓存热门课程数据
改之后：
技能：Java, Spring Boot, MySQL, Redis, Git；
AI 工具链：Claude API, Cursor, RAG 基础（LangChain + ChromaDB）
项目1：学生选课管理系统（Spring Boot + Vue）
- 使用 Cursor 辅助开发，通过自定义 Rules 约束代码风格一致性
- 使用 Claude 优化核心 SQL 查询，选课高峰期接口 RT 从 1.2s 降至 300ms
- Redis 缓存热门课程，命中率 92%
项目2：CS 面经知识库问答助手（新增，用了两个周末做的）
- 基于 RAG 架构，使用 LangChain + ChromaDB 构建
- 采集 500+ 篇面经，按语义切分并建立向量索引
- 支持按公司/岗位/难度过滤，检索准确率 82%
- 部署至 HuggingFace Spaces，15 名同学实际使用
我做了哪些改动：
第一步：给老项目加 AI 描述（花了 30 分钟）
选课系统确实用了 Cursor 写代码、用 Claude 优化过 SQL，但之前没写。改简历的时候把这些"已经做过但没说"的事情补上了。
关键：不是瞎编，是把真实使用过的 AI 工具显性化。
第二步：花两个周末做了一个 RAG 项目
技术不复杂，核心就是调 API + 向量检索。但做完之后简历上就多了一个独立的 AI 项目。
关键改变：
- 有了"RAG"这个关键词——ATS 系统能匹配到
- 有了量化数据（500+篇、82%准确率、15名用户）
- 有了可演示的链接——面试官能直接体验
第三步：技能栏加了"AI工具链"
把 AI 相关的技能单独列了一行。不写"熟练使用 ChatGPT"这种空话，写具体用过什么：Claude API、Cursor、LangChain + ChromaDB。
面试效果：
5 场面试里有 3 场聊了 AI 相关内容。面试官问得最多的是：
- "Cursor 的 Rules 你怎么配的？"（因为简历写了"自定义 Rules"）
- "RAG 检索不准怎么办？"（因为写了"82%准确率"，面试官好奇剩下 18% 是什么情况）
- "你觉得 AI 辅助开发对你效率提升有多大？"（开放题，可以自由发挥）
核心经验：
- 不需要做很难的 AI 项目——一个两周末做的 RAG 就够用了
- 旧项目 + AI 描述 = 免费的简历升级（30 分钟搞定）
- 技能栏"AI 工具链"单独一行，比混在 Java/MySQL 里更显眼
- 每一条都要能接住面试官的追问——写了就准备好被问两层
给还没改简历的 uu：今天花 30 分钟把第一步做了（给旧项目加 AI 描述），这是投入产出比最高的操作。做不做新项目是下一步的事。
