# 一张图看懂大模型岗位简历写法
大模型简历系列写到现在，从四要素写法、RAG/Agent/微调方向细分、难点挖掘、量化指标，到校招和社招的真实点评，内容不少了。
五一假期，用一篇把核心内容串起来。收藏这一篇，随时对照检查自己的简历。
# 全链路总览图
# 四个方向，技能栏怎么写
技能栏是面试官看简历的第一眼。写得好，3秒钟知道你是什么方向、什么水平；写得差，3秒钟划走。
# RAG方向
- 熟悉RAG工程化落地，实践过混合检索（向量+BM25）、Rerank重排序与Prompt优化
- 熟悉向量数据库（Milvus/Chroma），了解HNSW索引原理与参数调优
- 熟悉文档解析与Chunk切分策略，有PDF/Word/Markdown多格式处理经验
# Agent方向
- 熟悉Agent开发，有Function Calling/MCP工具编排经验
- 熟悉ReAct推理循环，有错误恢复与降级策略设计经验
- 了解多Agent协作架构，理解Agent与Workflow的选型边界
# 微调方向
- 熟悉大模型微调流程（SFT/LoRA/QLoRA），有垂直领域微调经验
- 熟悉训练数据清洗与质量评估，了解RLHF/DPO对齐方法
- 了解模型评估体系，有自动评测+人工评测的实践经验
# 全栈方向
- 熟悉Python/TypeScript全栈开发，有FastAPI + React/Next.js项目经验
- 熟悉RAG与Agent工程化落地，有完整的"前端→后端→AI"链路开发经验
- 熟悉AI服务部署与性能优化，有vLLM/TGI部署经验
核心原则：写能力不写框架名，写具体不写泛泛。
# 项目经历：四要素写法速查
不管什么方向，项目经历都用四要素写法：
要素一：项目描述 = 一句话总结 + 业务场景 + 核心能力
基于RAG架构的企业知识库问答系统，面向10万+内部员工的知识检索场景，实现文档自动解析、语义检索与智能生成
要素二：个人工作 = 技术决策 + 量化结果
设计向量+BM25混合检索策略，准确率从72%提升至91%
要素三：项目难点 = 具体问题 + 解决方案 + 效果
长文档检索召回率不足（单chunk信息丢失），通过Parent-Child检索策略解决，召回率从65%提升至87%
要素四：个人收获 = 能力提升（不是框架名称）
深入掌握RAG工程化落地，积累了向量检索调优与大模型部署经验
# 四个方向，项目核心亮点不同
| 方向 | 核心亮点 | 关键指标 | 最常见的坑 |
|---|---|---|---|
| RAG | 检索链路优化：混合检索、Rerank、Chunk策略 | 准确率、召回率、幻觉率 | 只写"用了LangChain" |
| Agent | 推理稳定性：工具设计、错误恢复、防死循环 | 任务完成率、调用成功率 | 只写"用了Function Calling" |
| 微调 | 数据质量+训练策略：清洗、LoRA、评估 | 领域准确率、通用能力保持率 | 只写"用了LoRA微调" |
| 全栈 | 端到端链路：前端交互→后端服务→AI推理 | 端到端延迟、QPS、用户体验指标 | 前后端和AI割裂 |
# 难点挖掘：问自己4个问题
- 项目翻车过吗？ 翻车原因就是难点
- 哪个环节调了很久？ 调的过程就是难点
- 试过不行换方案了吗？ 选型过程就是难点
- 哪个指标一开始很差？ 优化过程就是难点
每个方向的典型难点，看大模型简历难点怎么挖。
# 量化指标：4大类速查
| 类别 | 常用指标 | 示例 |
|---|---|---|
| 检索类 | 准确率、召回率、Top-K命中率、检索延迟 | 准确率从72%提升至91% |
| 生成类 | 幻觉率、格式成功率、人工评测通过率 | 幻觉率从25%降至8% |
| 工程类 | 推理延迟、首Token延迟、QPS、并发数 | P99延迟从2.5s降至0.6s |
| 成本类 | Token消耗、月成本、显存占用 | 月成本降低65% |
没有精确指标？补测、估算、写相对提升——详细方法看量化指标怎么写。
# 面试准备：按方向对应
简历写好了只是第一步，面试官会顺着你的简历追问。按方向准备：
- RAG方向 → RAG大厂面试题汇总
- Agent方向 → Agent大厂面试题汇总
- GraphRAG方向 → GraphRAG与LightRAG面试题汇总
- Harness Engineering → Harness Engineering面试题汇总
# 校招 vs 社招，侧重点不同
校招：项目不够大没关系，关键是写出超出预期的深度。教程项目写出超出教程的部分，课程项目写出超出课程的要求，个人项目写出工程化考量。详细看校招简历点评。
社招转型：不要把后端经验和AI项目割裂。后端的高并发、缓存、消息队列经验，是AI工程化落地的加分项。在后端项目里加AI模块，比凭空编一个AI项目真实得多。详细看社招转型简历点评。
# 自查清单
写完简历，对照这个清单检查一遍：
- 技能栏是否体现了大模型方向的核心能力（不只是框架名）
- 项目描述是否有场景、有规模（不只是"基于XX的XX系统"）
- 个人工作是否有技术决策和量化结果（不只是操作步骤）
- 是否写了项目难点（问题→方案→效果）
- 是否写了个人收获（能力提升，不是框架清单）
- 量化指标是否有基线有结果（不只是"优化了XX"）
- 两个项目方向是否互补（不要两个都是RAG）
每一条都过了，你的简历就已经超过80%的竞争者了。
加油
评论
验证登录状态...