AI 岗位简历怎么写？项目经历的三种加分写法

AI 岗位的简历筛选极其现实：HR 和技术官扫 10 秒，就看项目含金量 + 指标。项目经历怎么写，决定你能不能拿到面试。

三种项目类型的写法模板

1. 论文复现 / 开源项目
结构：复现了什么 → 与原文的差异处理 → 结果对齐程度。
示例："复现 LoRA 微调流程（PyTorch），在 XX 数据集上达到原论文 98% 的指标，显存占用降低 40%。"
加分点：GitHub 链接 + 干净的 README。

2. 应用类项目（转行党主力）
结构：解决什么问题 → 技术链路 → 上线效果。
示例："搭建企业文档问答系统：PDF 解析 + 向量检索 + 大模型生成，Top3 召回率 82%，内部 30 人日活使用。"
加分点：部署上线 + 真实用户/数据，比模型炫技值钱。

3. 比赛项目
结构：赛题 → 你的模块 → 排名。
示例："Kaggle XX 比赛，负责特征工程与模型融合，Top 5%（120/2400 队）。"

量化指标从哪找

没数据就自己造评测集：准确率、召回率、延迟、成本，任选两三个测出来。有数字的项目经历可信度翻倍。

常见减分项

• "参与了 XX 项目"——看不出你做了啥；
• 堆技术名词没有结果——面试官只会觉得你在凑关键词；
• 写了却讲不透——简历上每个词都可能被追问，写之前先自问能不能讲 10 分钟。

写完拿给 AI 审一遍：把简历截图按 Alt+Q，让 AI 按上面的标准挑毛病（工具免费 3 次）。STAR 法则基础看这篇。