算法与 AI 岗位简历准备：先分清方向，再写证据

同样写 AI，岗位需要的证据可能不同

先看具体职责、学历条件和工作内容，再判断是否适合自己。下面的分组用于阅读岗位要求，不代表所有公司都使用相同的岗位名称。

一个项目至少回答四个问题

虚构练习示例：课程问答项目中负责文档检索与离线评估；建立带出处的问题集，按来源划分验证范围，对比两种切分方案，并记录答非所问与引用不匹配的案例。这里描述的是工作与验证方式，不包含可照抄的性能数字。

• 解决什么问题：输入是什么，输出给谁用，什么算完成任务。
• 你负责什么：数据整理、模型训练、检索、评估或服务中的哪一部分。
• 如何验证：数据如何划分，基线是什么，结果用什么指标或人工规则判断。
• 还有哪些失败：在哪些输入上效果不好，分析与改进做到了哪一步。

写数字时，把比较条件一起留下

准确率、召回率、延迟和成本对应不同问题。说明样本数量、任务范围、模型或配置版本以及比较基线；只有在同一评估条件下比较，数字才有明确含义。

如果做的是调用模型 API 的应用，就写应用设计与评估，不写成从零训练大模型。如果只在本地验证，就写本地验证，不把它描述为生产部署。未实际测量的结果不补写。

按职责选择岗位，再安排面试准备

先核对学历、届别、工作地点和岗位职责。准备一个能够深入解释的项目，围绕数据、基线、失败案例与个人贡献练习回答；涉及保密项目时使用可公开的概括。