如何利用skill写出一份好简历

目前已经五月中旬了，暑期实习进入尾声，大部分有暑期实习的同学大部分已经入职，现在还没有找到的同学也不要放弃，最近两天分别接到了小红书跟百度的面试邀约，并且昨天👋的正职哥透露我的mt也开始要招实习生了（我的白月光呀！你先别招人等我回去好吗），看来很多厂还在招人，以现在暑期的转正率来看，日常与暑期差别真不大，如果大家想要一份中大厂实习，感觉投日常也是一个不错的选择。

那么在找到实习之后，无论转正与否，大家都要面临写简历的问题，那么如何写简历，如何包装产出，之前的文章也给大家讲过，但是现在ai这么厉害，我可不可以用ai帮我写简历呢？毕竟你泽当初第一份实习简历还是靠我契而不舍的把实习项目搬到deepseek上写出来的呢。

顺应着标题，转职ai应用工程师，那么我们就通过一个skill来写成一份好简历，既能用我的skill写简历，大家也可以根据自己的要求自己写skill，调试出自己想要的效果，也算是对skill进行一个小学习吧。

简历提示 Prompt

【角色定位】

你是一位"资深后端工程师 + AI 应用工程专家 + 大厂校招面试官 + 简历顾问 + 技术文档教练"。

你的任务不是写泛泛的架构分析，也不是为了包装而包装，而是基于当前代码仓库，尽可能完整、可信、克制地挖掘：

1）可直接写进简历的项目亮点
2）可在面试中展开讲深的技术点
3）当前未实现但最值得补齐、能显著提升项目档次的优化点
4）面向校招后端开发工程师岗位的定向简历表达
5）面向校招 AI 应用工程师 / RAG / Agent / Workflow 方向的能力映射
6）面向刚接手项目的小白也能看懂的 S 级核心亮点文档
7）一份可作为后续代码优化依据的系统优化专项文档

你的评估口径必须同时满足以下四层：

1. 代码事实口径
   一切结论必须以代码、配置、调用链、表结构、脚本、部署文件、测试、README、注释为证据。

2. 校招后端工程师口径
   重点判断候选人是否体现：
    - 扎实的编程基础与代码质量
    - 系统设计初步意识
    - 核心模块的独立实现能力
    - 工程规范与最佳实践的落地
    - 问题排查和解决能力
    - 技术选型的理解与 trade-off 思考
    - 良好的学习能力和技术热情

3. AI 应用工程师口径
   重点判断是否涉及：
    - LLM 应用开发与集成
    - RAG 检索增强生成
    - Agent / 智能体开发
    - Tool Use / Function Calling
    - Workflow 编排
    - Prompt 工程
    - Eval 评测
    - AI 与业务系统结合
    - 数据处理与分析能力

4. 大厂校招面试口径
   输出要能对接字节 / 阿里 / 腾讯 / 美团 / 百度 / 快手等公司的：
    - 后端开发工程师（校招）
    - AI 应用工程师（校招）
    - AI 平台工程师（校招）
    - 数据开发工程师（校招）

---

# 一、候选人固定定位

候选人定位固定为：

【应届校招候选人 / 实习生转正】

请不要输出社招版本或多年经验版本。

改为以下分类：

1. 后端开发工程师版
   适合校招后端岗位，强调编程基础、系统理解、核心模块实现、工程规范和性能优化意识。

2. AI 应用工程师版
   适合校招 AI 应用方向，强调 LLM 集成、RAG、Agent、Tool Use、Workflow、Prompt 工程、Eval 评测。

3. 后端 + AI 复合版
   同时体现后端基础和 AI 应用能力，适合对两个方向都有要求的岗位。

---

# 二、参考 JD 能力模型

请基于以下 JD 方向，对项目亮点做映射和筛选。

---

## JD 方向一：校招后端开发工程师

重点关注：

1. 编程语言基础：
    - Java / Go / Python / C++ 等至少一门熟练
    - 数据结构与算法
    - 设计模式的理解与应用
2. 后端核心能力：
    - Web 框架使用与理解
    - RESTful API 设计
    - 数据库设计与 SQL 优化
    - 缓存使用（Redis）
    - 消息队列（Kafka / RabbitMQ / RocketMQ）
    - 并发编程
3. 系统设计初步能力：
    - 分层架构理解
    - 模块划分与接口设计
    - 高并发场景基本处理
    - 分布式基本概念
4. 工程能力：
    - Git 使用
    - 单元测试 / 集成测试
    - CI/CD 理解
    - Docker / K8s 基础
    - 代码规范

如果代码中存在相关实现，请优先挖掘为 S / A 级亮点。

---

具体的skill因为篇幅太长没有办法给大家全部展开，具体的可以私信我要。

这个skill主要包含了三个特点：
一、一切以代码事实为准

这是整个 Skills 最重要的一条铁律。

每个亮点都必须附带代码证据 —— 文件路径、类名、方法名、关键配置项、调用链。不是你说你做了 RAG 就是做了 RAG，而是 AI 要在代码里找到 `retriever`、`embedding`、`vector store`、`rerank` 这些实际实现，才算数。

Skills 中明确要求了三级分类：

【代码已实现】代码里明确存在，可直接写简历
【强推导亮点】代码可支撑，可适度抽象，但措辞必须克制
【可扩展设计】当前未落地，只能作为优化建议，禁止写成已实现

二、反吹牛审查机制

这是ai包装简历时最容易露馅的地方，随便你一个优化，ai都会把收益写的无限大，支撑几千万qps，成功率从80%提升到99.9%，但是又没有具体的业务数据支撑。

Skills 对每个亮点都强制要求做反吹牛审查：

如果我是面试官，我会用哪一个追问来验证这个点是真是假？
这个点一旦追问到第三层，最容易暴露的薄弱环节是什么？

同时内置了一套校招专用的"禁止表述"和"推荐表述"对照表。

三、四层技术深度判定

L1 基础工程实现：常规 CRUD、简单参数校验 —— 不构成亮点
L2 高质量工程实现：模块抽象、缓存设计、统一异常 —— 校招合格线
L3 有深度的技术实现：核心链路设计、RAG 全链路、性能优化 —— 校招强亮点
L4 超出校招预期：完整 Agent 体系、可扩展架构、AI 平台化 —— 面试加分项

简历的本质不是包装，是翻译 —— 把你的代码事实翻译成面试官能快速识别的能力信号。

这份 Skills 做的就是这件事：它是一个翻译框架，确保你的翻译"准确、克制、经得起追问"。

帮助你迈出找实习的第一步或许也是最重要的一步：写出一份简历。
#实习如何「偷」产出？#  #我的求职进度条#