作为面试官谈谈：简历上如何体现“AI”力
一、面试官筛简历时在想什么
我每天看几十份简历，看到“熟练掌握PyTorch”“熟悉Transformer架构”这种话，基本跳过。为什么？
因为谁都会写这句话，但80%的人经不起追问。
我真正想看到的是：
这人到底用AI干了什么实事？ | 项目描述里有没有具体的问题→方案→结果 |
他调的是别人的库还是自己改的？ | 有没有提到修改源码、优化性能、处理bad case |
效果是真的好还是随便写的？ | 有没有可量化的指标（准确率提升X%、耗时降低Y%） |
这项目是他主导的还是跟跑的？ | 有没有明确写出个人贡献 |
二、好的AI能力简历长什么样
我直接给你一个对比，你感受一下：
❌ 差的写法
“使用PyTorch实现了一个图像分类模型，准确率达到95%。”
面试官反应：CIFAR-10吗？那个baseline就93%。你用别人写好的ResNet跑了10个epoch，然后告诉我95%？
✅ 好的写法
“针对电商评论情感分类任务（20万条、严重不平衡），采用BERT-base-chinese + Focal Loss，对比了CNN/LSTM/TextCNN，最终F1从0.72提升到0.89。同时用ONNX将推理耗时从120ms降到18ms，支撑了线上实时调用。”
面试官反应：这人清楚任务难点（不平衡）、做过模型选型对比、关注落地性能（ONNX优化），可以深入问。
三、简历上具体怎么体现AI能力
1. 用“STAR法则 + 量化”写每个AI项目
S-场景 | 什么业务问题 | “公司内部有10万份客服对话，需要自动分类投诉类型” |
T-任务 | 技术挑战是什么 | “数据严重不平衡，投诉样本只占5%；标注成本高” |
A-动作 | 你具体做了什么 | “采用Focal Loss + 数据增强，对比了BERT/RoBERTa/LLaMA” |
R-结果 | 可量化的提升 | “F1从0.65到0.87，人工复核量减少60%，上线后每天处理2000条” |
2. 突出你“动手改过”的部分
面试官最看重的信号：你不只是调包侠。
可以强调：
- “修改了XXX源码，适配了XXX需求”
- “从零实现了XXX模块（如Self-Attention、FlashAttention）”
- “用vLLM优化了推理吞吐，从10 tokens/s到50 tokens/s”
- “自己爬取/清洗/标注了X万条数据”
3. 展示技术深度关键词
在项目描述里埋一些“懂行才写得出来”的关键词：
训练优化 | LoRA、Q-LoRA、FlashAttention、梯度检查点、DeepSpeed |
推理优化 | vLLM、TensorRT、ONNX、量化（INT8/INT4）、KV Cache |
RAG | 向量检索、重排序、HyDE、Self-RAG、GraphRAG |
Agent | ReAct、Plan-and-Solve、工具调用、记忆模块 |
评估 | BLEU、ROUGE、F1、AUC、人工评估协议 |
4. 把“学过”变成“用过”
熟悉Prompt Engineering | “设计了包含few-shot + CoT的prompt模板，将准确率从62%提到81%” |
了解RAG | “用LangChain + Chroma搭建了公司内部文档问答系统，支持1000+文档检索” |
学过机器学习 | “用XGBoost预测用户流失，AUC 0.92，落地后召回率提升15%” |
四、不同岗位，侧重点不同
算法工程师 | 模型理解、训练调优、效果提升 | 损失函数选型、超参调优、消融实验、bad case分析 |
AI应用开发 | 工程落地、API封装、性能优化 | 推理加速、服务部署、Agent搭建、工具链整合 |
数据分析/AI产品 | 问题定义、业务理解、结果解释 | 指标定义、A/B测试、成本收益分析、用户洞察 |
应届生 | 学习能力、动手习惯、项目完整度 | 课程项目但做了深度优化、GitHub有代码、写了技术博客 |
五、2026年的加分项（写在简历里很亮眼）
结合当前技术趋势，以下内容在简历上会有额外加分：
- 有开源贡献：给vLLM、LangChain、LlamaIndex等知名项目提过PR（哪怕是小修小补）
- 有推理优化经验：用过vLLM/TensorRT-LLM，做过量化或speculative decoding
- 有Agent落地经验：搭建过能调用工具、多步推理的Agent，解决真实问题
- 有国产芯片适配经验：昇腾/寒武纪/燧原等，大厂现在很看重
- 有技术博客：把踩坑经历写成文章，证明你真的理解了
六、最后给你一个自检清单
把简历上的每个AI项目，用这几个问题过一遍：
- ✅ 我能用一句话说清楚这个项目解决了什么真实问题吗？
- ✅ 除了“调包”，我自己动手写过/改过什么代码？
- ✅ 效果有没有量化指标？有没有对比baseline？
- ✅ 这个项目如果面试官追问10分钟，我能扛住吗？
- ✅ 有没有可以展示的东西（GitHub链接、demo视频、博客）？
如果有一个是“不确定”，这个项目就还需要打磨。
