,却无明确求职方向),优化建议如下: 明确求职意向:先确定目标岗位(比如 “电气类技术岗” 或 “运营岗”),再针对性精简经历。若选电气岗,删掉运营、执法的非相关内容;若选运营岗,突出社群 / 电商运营经历。 经历量化 + 岗位绑定:比如选电气岗,需给工科课程 / 技能加落地场景(如 “用 PLC 完成 XX 设备控制实训”);选运营岗,补充 “社群运营带来 XX 粉丝增长”“电商转化提升 XX%” 等数据。 教育与经历逻辑对齐:当前教育(电气)与工作经历(执法、运营)割裂,需把工科技能绑定到岗位经历中(如 “用 SolidWorks 完成 XX 机械设计”)。 精简冗余信息:删掉与目标岗位无关的实践(如音乐节志愿者),聚焦核心能力。 先明确求职方向,再重构简历,才能提升匹配度。要不要我帮你针对 “电气技术岗” 梳理核心经历?
点赞 评论

相关推荐

最近两周学会的:了解什么是 benchmark,怎么做测评集数据。写 prompt 给模型生成的答案打分。学会了怎么排查一些基础的agent bug。看用户负反馈,先看调用链路,再看输入输出,最后怀疑人生。记录一些新思考:1️⃣ 别怕问问题首先摸清楚究竟应该做什么,哪些事情的优先级更高。如果搞不清楚可以问 mentor,了解具体情况。把一些基础的概念理清楚,后续会少犯错。可以在便签上记一下哪些业务找哪些负责人,这样协作起来会更高效。还有一个 i 人地狱的行为,就是我发现如果协作方没回消息可以直接去他座位上找他,沟通效果会更好。啊啊啊啊我虽然是 e 人,但是这种场合真的会变成 i 人。2️⃣ 建立术语词典把每天听到的新词记下来,不用追求技术深度,但要理解业务含义。比如虽然不懂搜索调用了哪些技术,但要清楚为什么这么做。最近发现一些反馈是用户觉得搜索时效性差,反推逻辑是:模型不能在每次用户提问的时候都开搜索,这样会浪费一些算力资源,所以需要在前置开个意图判断的小模型预判用户问题需不需要搜索,简单问题直接让大模型回答,只有涉及实时信息、专业知识或不确定内容时才调用昂贵的搜索功能,节省搜索成本,并且提高回答速度。后续可以记录这些 case 做优化。3️⃣写 bug 日记每遇到一个bug,不要只满足于解决,要记录下来:现象是什么、原因是什么、排查路径是什么、怎么避免的。有相似情况就不用找开发去再排查,一些简单的 case 也能自己 debug。4️⃣找到自己的价值刚开始会感觉有些无法融入,周围人说话有点像听天书。全是做技术的,做模型产品运营和功能产品运营不太一样。公司的产品就是模型,所以很多事情就是在做模型本身的优化,要学很多东西。后面也逐渐觉得,虽然文科生没有技术背景,但是也能做用户洞察,做创意策划。保持对人的好奇、对故事的敏感、对体验细节的执着,这些也是很稀缺的能力。0经验的同学可以试试先做一段普通产品运营岗慢慢转。找那种急招或者招人比较多的实习;还有一种方法是在传统业务中做一些 AI 工作,在简历里强调这段经历。
掌握什么AI技能,会为你...
点赞 评论 收藏
分享
牛客网
牛客网在线编程
牛客网题解
牛客企业服务