2025 年大家都在用 AI 改简历，但面试官和 HR 也同样聪明，会用 AI 筛选简历。基于我看过上万份简历的经验，Kevin 想提醒大家，一定要避开 3 个简历常见坑，否则在 AI 时代，你的简历很容易直接被扔进回收站。

第一个坑，就是简历里只描述 “负责 / 参与某项目” 这类流水账式内容，比如 “我负责了某个系统开发”“我负责了这个产品的优化”，这样的表述在招聘官面前等于什么都没说。正确的做法是用数字说话，讲清业务价值。比如把 “使用 Tensorflow 开发模型” 改成 “通过模型量化优化推理流程，将推理延迟降低 70%，节省 30% 云计算成本”；把 “负责推荐系统” 改成 “优化推荐系统 embedding 层，提升推荐准确率 15%，带动日均 GMV 增长 50K”。

第二个简历误区，是你的技术栈和目标岗位严重脱节。最近我和一位 HR manager 交流，他想招聘大模型推理工程师，但收到的很多 data science 方向简历上，写满了 Hadoop、Spark 这类不相关的技术栈，明显是准备不够有针对性。解决方案其实很简单：深度扫描岗位描述，提取关键词，让简历重点匹配这些关键词。比如看到岗位要求 “云原生部署”，就突出 Docker、Kubernetes 的经验；看到要求 “多模态能力”，就重点凸显 image、embedding、model assembling 、cross model retrieval 相关经验。

第三个误区，是项目经历描述缺少逻辑链条，写成流水账，完全看不出你遇到的困难、问题的复杂性，以及你解决问题的创造力。所以写简历经历时，一定要遵循 “业务问题→技术方案→个人贡献→量化结果” 的链路。比如可以这样写：为解决用户冷启动问题，设计了基于元学习的推荐框架，独立完成特征工程和模型调优，最终使新用户次日留存率提升 8%。

按照这样的方式描述，能大幅提升简历的通过率。当前北美求职环境本就十分艰难，团队开发了 AI 简历优化器，希望能帮助大家提升简历竞争力，若感兴趣想要试用，可联系我。拜拜。