🧠 图解记忆： 简历不是技术栈清单，要用业务问题、关键行动和量化结果证明项目深度与工程能力。

💡 答案要点

核心原则：量化成果 + 技术深度

必备模块：

1. 项目经验（最重要）

   • RAG 系统：检索准确率、响应时间、用户满意度
   • Agent 应用：任务完成率、工具调用准确率
   • Prompt 工程：优化前后的效果对比

2. 技术栈

   • LLM：GPT-4、Claude、国产大模型经验
   • 框架：LangChain、LlamaIndex、Dify
   • 向量库：Milvus、Chroma、pgvector
   • 编程语言：Python、Go、Java

3. 量化指标

   ❌ 差：开发了一个 RAG 系统
   ✅ 好：构建 RAG 系统，检索准确率 85%→92%，响应时间 2s→500ms
   
   ❌ 差：优化了 Prompt
   ✅ 好：设计 CoT Prompt，任务完成率从 60% 提升到 85%

4. 差异化优势

   • 传统开发转 AI：强调工程能力、系统设计、性能优化
   • 算法转 AI 应用：强调落地能力、产品思维、用户需求理解
   • 应届生：强调学习能力、项目经验、技术热情

📚 参考：Tech Interview Handbook：Resume（简历写作指南）

---