转行 AI 简历：项目经历这三类写法最容易被跳过

版权与内容来源声明
本文为原创整理。文中涉及官方文档、开源仓库、论文与公开报道的内容，均在附表 A 中标注来源；引用官方原文保持原样，不作改写。文中命令、版本号与界面截图以本文成文时的实测/核验结果为准，标注「待验证」的部分请以你本地环境实际输出为判断依据。本文不推荐任何不合规的软件获取方式，也不对任何收益结果作承诺。转载请注明出处。

第 1 章 先把「筛选者读简历」这个动作拆开

1.1 简历不是被「读」的，是被「找」的

简历到手，看的人不是从头读到尾，而是找证据：找一句能让他判断「这个人动过手没有、动到什么程度」的话。

读者会顺着作者的安排走，找证据的人不会——他带着问题进来，扫到能回答的句子就停，扫不到就越过去。所以简历里的句子不是「写给读者看的」，是「留给别人查的」。

他手上的动作可以拆成三步：

三个动作对应本文要讲的三类最容易被跳过的写法。先说清性质：本文关于「招聘方在看什么」的表述，都是对公开岗位描述共性的定性归纳，不构成统计结论，也没有做样本量统计；具体以你投的那个岗位的原文为准。

从两份公开岗位描述里，能捞出一批反复出现的动作词：参与大模型应用开发、提示词设计、接口调用、搭建检索问答系统、数据清洗与向量化、向量数据库运维、把能力封装成标准接口、容器化部署（定性归纳，原文见附表 A）。这些词的宾语都是「东西」——系统、接口、数据、文档，没有一条是「学过某门课」。

1.2 核心判据：这段描述能不能被追问出下一步

全文只有一个判据：读完这句话，看的人能不能立刻想到要追问什么？

这个性质叫可追问性——一句话里有没有「可被问的东西」。判断方法很朴素，对任何一句描述问三个问题：

1. 这句话里的动词是什么？
2. 这个动词的宾语是什么具体东西？做完之后，世界上多了什么？
3. 为什么这么做、而不是那样做？放弃了什么？

三问都答得上，这句话就有可追问的东西；任何一问答不上，就是空话。

有个点容易被忽略：筛选者跳过一句，往往不是他不想问，而是这句话里没有任何可被问的对象。「熟悉各种大模型框架」想问都无处下手——问你熟到什么程度？这个问题没有答案口径。而「同一批问题里命中的来源从 5 条变成 9 条」，问题立刻就出来了：怎么切的？那批问题怎么挑的？

1.3 三类写法总览

这三类不是独立的毛病，而是同一条链上依次断掉的三处：先没有动作，补上动作发现没有结果，补上结果发现没有判断。改的时候也按这个顺序，一次补一层。

第 2 章 第一类：只有名词，没有动作

2.1 名词行为什么最先被跳过

名词行的辨别力为零：它写的信息任何人都能原样抄一遍，没做过的人抄起来更顺手，因为只要记住名词、不必记住过程。看的人知道这点，眼睛会自动越过名词行去找动词。

它还有个副作用：把「我听说过」和「我做过」混在同一句里。「了解提示词工程」和「写过提示词并对比过不同写法」在读者眼里是同一句话，他分不出来；分不出来的只能按低的算。

2.2 改写前 → 改写后

改写的关键不是加形容词，而是把名词还原成一次动作。

两个词第一次出现，先把人话解释补上：检索增强生成（常缩写为 RAG，意思是不让模型凭记忆回答，先让程序从你自己的资料里查出几段相关内容，再连同问题交给模型）；向量库（专门存文本对应的数字串、并按接近程度找出最相关段落的地方；把一段文本变成一串数字这个过程叫向量化）。

改完之后句子变长了，但每行都多了一个「抓手」：别人读到这里，知道该问你什么。

2.3 动作化的三步

第一步找动词：把「熟悉」「了解」「掌握」划掉，换成你真正做过的动作——搭、切、存、调、写、跑、记、改。

第二步补对象：给动词接一个具体的东西。不是「做检索」，是「把讲义切成小段存进向量库」。

第三步给结果：最容易省，也最不能省，它是下一步能不能被追问的入口。

⚠️代码待验证

{"原始写法":"熟悉 RAG、LangChain、向量库，了解提示词工程","缺什么":["没有动词","没有对象","没有结果"],"第一步_找动词":"把「熟悉」换成「搭了一条链路」","第二步_补对象":"讲义 → 切分 → 向量化 → 入库 → 检索 → 作答","第三步_给结果":"同一批问题，命中的来源由 5 条变成 9 条"}

最后那一步给的是前后对比，不是百分比——百分比没有前提就没法核对，第 3 章展开。

第 3 章 第二类：只有职责，没有结果

3.1 「负责」是授权词，不是动作词

「负责」出现在简历里，说明的是你被安排了什么，不是你做了什么。「参与」「协助」「配合」同理：它们描述位置，不描述动作。一句「负责数据清洗与向量化处理」，读的人知道你的岗位在做什么，但完全不知道你手上过了什么、最后留下了什么。

职责平移式写法最坑的地方在于它看起来「正式」，甚至和岗位描述的原句一模一样。正因为一模一样，它对筛选者是零信息——看不出差别，也就没有理由把你挑出来。

3.2 改写前 → 改写后

改这一类的动作只有一个：在后面接上产物，或接上可复核的变化。

三行改写后有个共同特征：句子里多了一个「世界上多了什么」的答案。

3.3 结果的三种合格形态

不是所有「结果」都合格。只写「效果明显提升」「效率大幅改善」，和没写一样，甚至更糟——读的人会怀疑你在掩饰。合格的结果只有三种形态：

• 可复核的前后对比：同一批输入，改动前后各跑一遍，两边都记下来。「同一批 12 个问题，命中来源由 5 条变成 9 条」就属这类。前提是「同一批」，前提写清楚别人才可能核对。
• 可展示的产物：一个文件、一份日志、一张表、一段别人能重跑的记录。它不需要你解释，打开看就行。
• 可复述的判断：为什么做到这一步就停、哪一处是妥协。判断无法被别人验证，但可以被追问。

三条都不沾的要当场删掉：形容词（效果不错）、没有前提的幅度词（大幅、明显）、算不出前提的百分比。「大幅提升」的问题是不可核对；换成「同一批问题、同一台机器上」，这句话立刻可信，哪怕提升并不大。

第 4 章 第三类：只有工具，没有判断

4.1 工具不是能力，选择才是

补上动作和结果之后，还有一类句子会被跳过：「使用某某向量数据库与某某框架实现了检索问答」。工具名词都是公开的，谁都能列；列得出工具说明不了什么，说得出「为什么不选另一个」，才说明你有过判断。工具本身不构成能力，选工具的过程才构成能力：同一个任务用哪套方案都能做出个能跑的东西，差别在于你知不知道自己在拿什么换什么。

4.2 改写前 → 改写后

提示词（人话解释：你发给模型的那段指令文本，包含任务说明、示例和格式要求）和Agent（人话解释：不只回一句话，而是能自己走几步、按情况决定下一步做什么的程序）都是常见词，第一次出现时给对方一句解释，比直接甩名词稳。

4.3 判断句的骨架

判断不是形容词，是一个「选了这个、放弃了那个」的结构：

• 选了 A
• 放弃了 B
• 因为 C（B 具体在哪出问题，说现象，不说感受）
• 代价是 D

第四段是关键。承认代价，说明你不是在念参数，而是真在那个约束下做过权衡——只讲优点的句子像宣传，讲了代价的才像复盘。

⚠️代码待验证

判断句骨架:选了:"按小节切分"放弃了:"按整篇存"因为:"整篇存会把表格切断，跨小段的问题答不准"代价:"召回段落变多，要多一道排序"可追问点:-"换成代码仓库那种结构，还会按小节切吗"-"排序这一步是模型做还是规则做"常见的偷懒写法:-"把「为什么」写成「效果好」「更稳定」这类形容词"-"把代价那一行省掉"

第 5 章 三类都改完之后：一条合格的条目长什么样

5.1 四段骨架

1. 场景一句：要解决什么小问题，用人话讲清输入是什么、输出是什么，别堆名词。
2. 动作链：动词加对象，按做的顺序排，三段以内，多了读的人记不住。
3. 结果：可复核的前后对比，或一个可展示的产物。
4. 判断：选了哪个、放弃了哪个、代价是什么。

顺序不要改：场景在前，读的人才先知道你在解决什么问题；判断放最后，因为它最容易被当成自夸，前面有动作和结果垫着才像复盘。

5.2 一条完整示例

⚠️代码待验证

{"场景":"讲义太散，问一个问题要在几个文档之间来回翻","动作链":["把讲义切成小段并逐段向量化，存进本地向量库","写检索环节：按相似度取若干段落，连同问题交给模型","给回答附上引用到的来源片段"],"结果":"同一批 12 个问题，命中的来源由 5 条变成 9 条；对比记录留在仓库结果目录","判断":"切分选按小节而非整篇：整篇存会把表格切断；代价是召回段落变多，多一道排序","可被追问":["那 12 个问题怎么挑的","命中的判定标准谁定的","多一道排序后为什么没再调切分"]}

四段加起来通常四到六行。长一点没关系——简历里最贵的不是空间，是别人愿意在你这一条上多停的那几秒。

5.3 句式库与要删的句式

⚠️代码待验证

可以用的句式： 动作链：把……切成……、存进……、写了一遍…… 结果：同一批 N 个问题，命中的来源由 A 变成 B 判断：选了 A 而不是 B，因为 B 会出现……；代价是…… 要当场删掉的句式： 自我评价词：熟悉 / 了解 / 掌握 / 精通（单独出现、没有宾语） 授权词开头：负责 / 参与 / 协助 / 配合（后面没有产物） 无前提幅度：大幅 / 明显 / 显著 无前提百分比：任何算不出前提的百分数 工具堆叠：一句里并列三个以上工具名，且没有宾语

大模型学习路线图：第 5 章讲的是把项目描述写成可追问的四段骨架。如果你手上还没有能写进简历的项目，这份路线图按阶段标了从环境搭建到 Agent 开发该做什么、哪些可以先跳过，可以对着它倒推自己缺哪一段。放在资料包里，扫码即可获取：

第 6 章 同一套写法怎么迁移到面试自述和作品集

6.1 面试自述：把简历句展开成三十秒

简历句是可追问的入口，面试自述是同一件事的展开版，不用另起一套写法。一个能用的时间分配：背景十五秒、动作三十秒、结果十五秒、判断三十秒——判断的比重和动作一样大，很多人时间全花在「我做了什么」，讲完对方只记住流程。

还有一条：主动讲最差的那一条案例，说清「哪一步一开始做错了、后来怎么发现的」，追问方向会被你带到有准备的地方；只讲顺利的部分，对方一定会自己去找不顺的地方。

6.2 作品集说明文件：同一个骨架

仓库的说明文件如果只写「怎么安装」，最值钱的部分就丢了——看的人往往没兴趣真装一遍。写四段就好：解决什么小问题、动作链是什么、对比结果放在哪个目录、有哪些取舍和没解决的地方。

把「没解决的地方」单独写一段是划算的：它把本来散落在面试里的追问提前收拢到一处，你有时间想好怎么答。说明文件的完成度不看它多长，看它有没有把「我这里做不好」写清楚。

6.3 不同出身，四段里各自该突出哪一段

不同背景的人，四段骨架里值得重写的部位不一样。下表是按公开岗位描述里反复出现的能力词反推的（定性归纳，非统计结论），落到个人还要对着你想投的岗位原文调。

这张表想说明一件事：转行的人手里其实有货，货是旧岗位练出来的做事方式；被跳过通常不是没货，而是因为写成了岗位职责，货没露出来。

第 7 章 交稿前自查清单

7.1 三类写法逐条打勾

对着简历里每一条项目描述逐条过，全部打勾才算改完。

⚠️代码待验证

【第一类 名词清单】 [ ] 这一行里能找到至少一个具体动词（搭、切、存、调、写、跑、记） [ ] 每个动词后面都接了具体宾语，不是「数据」「功能」这类泛指 [ ] 没有单独出现、不带宾语的「熟悉 / 了解 / 掌握 / 精通」 【第二类 职责平移】 [ ] 没有以「负责 / 参与 / 协助 / 配合」开头的描述 [ ] 每条都能说出「做完之后多了什么」 [ ] 结果写成了可复核的前后对比，或一个别人能打开的产物 [ ] 全文没有无前提的百分比、没有「大幅 / 明显 / 显著」 【第三类 工具罗列】 [ ] 没有一口气并列三个以上工具名而不说宾语的句子 [ ] 每条用工具的描述都补了「为什么选它」 [ ] 至少有一条写了自己的代价或妥协 【可追问性总测】 [ ] 三问都答得上：动词是什么 / 做完多了什么 / 为什么这么做 [ ] 每条都能想出至少一个「对方可能追问的问题」 [ ] 想不出追问的那几条，要么补内容，要么删掉

7.2 怎么用这份清单

不要一次改完三条再回头看。一次只改一条：先补动词，读一遍，再补结果，再补判断。一次全动，最后会分不清哪一处改动起了作用，改出来也记不住。

改完有个动作必须做：把改后的版本发给一个不熟悉你项目的人，让他读一遍，再问他「你想问我什么」。他问出来的就是你这条描述的可追问性实测；他没什么想问的，说明还有一段是空话。

7.3 最后一条底线

回到全文唯一的判据：这段描述能不能被追问出下一步。

简历不是自传，不需要把做过的事全写出来；它是给别人的一份「提问清单」——你写下什么，对方才有机会问到什么。写满名词的简历等于告诉对方「我没什么好问的」；写满动作、结果和判断的简历，等于把最好的问题递到了对方手里。

顺带一句：一条能被追问三层的检索链路，比五条只有名词的「熟悉各种框架」有用得多。

《LangChain + LangGraph + MCP 智能体开发实战》视频课：第 7 章是交稿前的自查。如果你自查之后发现自己缺的不是写法而是「没东西可写」，这套课从私有化部署一路讲到 Agent 全流程，可以按自己的进度挑一节先跑通一个小闭环。放在资料包里，扫码即可获取：

附表 A：本文引用事实与出处对照表

附表 B：术语速查表

写在最后：这篇用到的资料

写这篇文章时，把相关的官方文档和源码又翻了一遍，顺手也整理了几份配套的东西：

• 大模型学习路线图：从零基础到能自己动手做 Agent，按阶段说明每一步该学什么、哪些可以先跳过
• 《LangChain + LangGraph + MCP 智能体开发实战》视频课：7 个模块，从私有化部署、Embedding+RAG 到 MCP+Agent 全流程
• AI 大模型知识库（在线可查）：Agent Skills 从入门到落地、Claude Skills 完全指南等专题，按目录浏览即可
• 640 套 AI 大模型行业报告 + 经典 PDF 书籍：看行业落地案例和别人怎么做的时候用得上
• 大模型零基础到精通教学视频：跟着敲一遍，比只读文档快得多

资料是我自己整理的，放在下面这个码上，扫码即可获取：

添加时备注「AI」，优先通过。

资料按「先路线、再动手、最后查漏」的顺序整理好了，建议先看学习路线那一份，照着它挑一条适合自己当前基础的路径再往下看。