分享一个GenAI工程师简历的避坑指南

3.6年工业界AI系统经验在现在的行情下其实挺尴尬的，刚好在“熟手”和“专家”的边缘。我看过不少这种背景的简历，最容易犯的错就是把简历写成“工具清单”，列一堆用过 LangChain、LlamaIndex 或 Vector DB，但完全没写这些东西在生产环境下是怎么跑起来的。

想在AI Engineer这个岗位上拿到面试，简历里得有几个硬指标：

• 量化指标： 不要写“优化了模型性能”，得写“通过量化/蒸馏将推理延迟从 500ms 降到 120ms，吞吐量提升 3 倍”。
• 工程细节： 重点突出你如何处理幻觉（Hallucinations）以及 RAG 的召回率优化，这比写你调用了多少个 API 要值钱得多。
• 部署实操： 提到大模型部署时，得明确是用的 vLLM 还是 TensorRT-LLM，有没有做过多卡并行或量化压缩。

如果你现在在投递 AI Agent 或大模型相关岗位，建议把重点放在“解决实际业务痛点”的闭环上，而不是单纯展示你会写 Prompt。

至于找机会，现在纯靠投简历大概率进垃圾桶。最有效的路径还是在 GitHub 上贡献一些热门 AI 框架的 PR，或者在技术社区发一些深度的实操分析，让 HR 或技术负责人通过搜索关键词直接找到你。