打开章节导航攻略章节00|先把目标缩到一个能验证的岗位01|按实际工作区分 AI 岗位02|从自己的基础,走到一条可申请路线03|把已有经历变成可信证据04|做一个可验证的技术项目05|把项目变成 GitHub、简历与面试证据06|技术面试:按岗位练,不背一份万能题库07|地区、毕业时间与雇主资格分别核查08|定向申请:用同一套证据回答这条 JD09|用投递和面试记录,定位下一步技术案例:从“跑得动”到“证据可信”技术项目01|把一个小模型做成可信的实验02|把模型交给一个真实 HTTP 接口03|有引用,不代表回答正确三个能运行、能解释、能查错的技术样例教学输入的数据许可与来源模板01|岗位研究与申请前核验02|能力差距表03|学习行动与每周交付04|技术项目 README 模板05|实验与评测记录06|失败样本与根因验证07|中文与英文简历:三条路线的教学样例08|技术面试自查与模拟题09|行为面试:STAR与结果边界10|投递台账与招聘窗口11|面试复盘与问题定位12|个人贡献、上游来源与AI辅助声明13|资格、时间与地点确认:英文询问信14|数据卡与模型/系统卡可编辑模板包原始研究与来源覆盖缺口与更新队列真实雇主 JD 研究表JD 来源核验记录地区资格与招聘时间:分开核查新旧仓库内容边界与只读审查技术方法来源
可编辑模板 · 资料核验 2026-11-13
本页目录 · 9 节

07|中文与英文简历:三条路线的教学样例

版本:2026-11-13。用途:把证据转成准确的申请描述,而不是把教程包装成企业经历。

填写说明

下方全部是教学模拟,不对应任何学生、学校、客户或Offer。示范假设读者已亲自复现、理解并能解释相应实验;没有完成就不能使用。数字来自本仓库固定合成输入,只说明这次实验,不代表真实用户或商业效果。

每条项目描述按“本人做了什么→针对什么问题→怎样比较或验收→结果与边界”组织。只有运行上游代码时写“复现”;自己新增的部分必须有diff、实验记录或其他证据。求职简历不必塞满所有限制,但不能删掉“教学、合成数据、局部测量”这些改变结论含义的条件。

空白可复制结构

中文简历骨架

姓名:【真实姓名】|所在地:【城市】|联系方式:【自己的信息】 GitHub:【个人链接】|目标岗位:【具体路线与级别】

教育背景:【真实学校、学位、专业、起止时间、预计/实际毕业月】。相关课程:【只列能回答的问题】。

技术能力:【技能】——【能用它完成的任务/证据】,不把“听过”写为“精通”。

项目:【名称】|【教学/开源复现/个人改进/获授权的真实项目】|【日期】

  • 【本人动作】+【方法与比较】+【有分母/范围的结果】。
  • 【本人新增贡献】+【验收方式】+【当前限制】。

证据:【README、提交、报告】。上游与AI辅助:【简短注明,详细声明链接】。

经历:【仅填真实且可核验的实习/工作;没有就省略】。

English structure

Name: [Your actual name] | Location: [City] | GitHub: [URL]

Education: [Actual institution, degree, subject, expected/completed graduation month and year]

Project: [Title] | [Teaching replication / personal extension / authorized real project] | [Dates]

  • [Your action] to address [specific problem], using [method/baseline]; measured [metric with denominator and scope].
  • Added [your verified contribution], checked with [test/evidence], with [material limitation].

Evidence: [Repository / commit / report]. Attribution: [Upstream work and AI assistance, with disclosure link].

R1:算法与机器学习示范

中文,教学模拟:

  • 复现并审查合成工单分类基线,在51条输入上保持30/9/12的训练、开发、测试划分;仅用开发集选参,固定12条测试中10条正确,macro-F1为0.832,记录2个边界错误。
  • 本人新增:【具体实验或代码改动】;使用【独立评测或复现检查】验收。该练习未验证真实业务数据上的泛化能力。

English, teaching example:

  • Reproduced and reviewed a text-classification baseline on 51 synthetic tickets, using fixed 30/9/12 train/development/test splits and development-only selection; recorded 10 correct predictions out of 12 test cases and a macro-F1 of 0.832.
  • Added [your actual experiment or code change] and verified it with [evidence]. These results apply only to the bundled synthetic test set.

来源:分类README、实际评测报告。这不构成研究创新或论文成果。

R2:AI工程示范

中文,教学模拟:

  • 复现本地模型HTTP服务并复跑14项接口验收,检查输入校验、错误状态、批次顺序与并发请求响应;保存模型标识和可重放请求记录。
  • 本人新增:【实际接口/测试/错误处理改动】。测量限定本机回环网络;没有据此声称生产容量、云部署或线上可用率。

English, teaching example:

  • Reproduced a local model HTTP service and reran 14 acceptance checks covering input validation, error responses, batch ordering, and concurrent requests; retained versioned model and request evidence.
  • Added [your actual contribution]. Measurements cover a local loopback setup and do not establish production capacity or availability.

来源:服务验收报告。不要把40次本地串行延迟测量写成大规模压测。

R3:AI应用工程示范

中文,教学模拟:

  • 复现BM25检索与引用/拒答基线,在8篇虚构文档和固定16题测试上取得12题符合任务预期;保留4条失败,区分检索缺失、错误拒答和不可回答问题误作答。
  • 本人新增:【实际评测/接口/错误分析改动】。该基线不调用LLM,未验证生成式RAG或真实提示注入防护。

English, teaching example:

  • Reproduced a BM25 retrieval baseline with extractive citations and refusal rules, recording 12 successful outcomes across 16 fixed test questions over eight fictional documents; retained four failures for analysis.
  • Added [your actual contribution]. The baseline does not call an LLM and does not establish production RAG quality or prompt-injection resistance.

来源:检索评测报告、固定验收口径。

不能直接替换的说法

有证据的表达没有证据时不能写
复现教学基线从零独立研发商用系统
固定合成测试10/12正确线上客户准确率83%
本机14项HTTP验收通过支撑百万用户高并发
引用与拒答实验已解决大模型幻觉或提示注入
本人新增一个测试并定位错误主导整个团队研发

验收标准

  • 所有学校、日期、经历和贡献都真实;没有填充虚构身份。
  • 每个数字有来源、分母和实验边界,结果与当前代码一致。
  • “本人新增”不能空着;没有新增就明确只是复现练习。
  • 能在面试中解释一个失败、一个取舍、一个不是自己完成的部分。

作者:AI酋长Andy|星觉科技 · 北京 · 微信号:AIPMAndy

原始文档:templates/07-resume-examples.md