A.10 求职准备检查清单
求职准备不是“先学完所有东西”，而是把学习痕迹整理成别人能看懂的项目。
先选一个目标方向
Section titled “先选一个目标方向”| 方向 | 最看重什么 | 准备什么 |
|---|---|---|
| AI / 算法工程 | 模型理解、训练、评估 | ML/DL 项目、指标、实验 |
| LLM 应用工程 | RAG、Agent、后端、产品闭环 | 完整应用、API 设计、日志、评估 |
| 数据分析 / 数据科学 | SQL、统计、可视化、建模 | 分析报告和业务解释 |
| AI 产品 / 技术产品 | 场景判断、需求拆解、评估 | 产品方案、指标、取舍 |
不要同时准备所有方向。
项目故事格式
Section titled “项目故事格式”简历、README 和面试都可以用这个结构：
| 字段 | 要写清什么 |
|---|---|
| 目标岗位 | 这个项目服务于哪个岗位方向 |
| 用户问题 | 你解决或改进的具体问题 |
| 输入和输出 | 输入是什么、输出是什么、谁会使用 |
| 基线 | 最简单的对照方案或原有流程 |
| 技术方案 | 主要系统设计、模型、数据或产品选择 |
| 评估结果 | 指标、测试集、用户检查或可复现证据 |
| 失败案例 | 一个没跑通、效果差或仍有风险的地方 |
| 我的改进 | 看到证据后你具体改了什么 |
较弱写法：
使用 Python 和 LangChain 搭建知识库问答系统。更强写法：
搭建企业知识库问答系统，完成文档切分、向量检索、权限过滤和答案引用追踪；设计评估集对比不同 chunk 策略，降低误召回并提升答案可追溯性。仓库检查清单
Section titled “仓库检查清单”README- 运行方法
- 项目结构
- 示例输入输出
- 截图或演示图
- 指标或评估方法
- 已知问题和下一步
别人打开仓库后，最好 3 分钟内知道项目是什么、怎么跑、你做了什么。
面试前准备这些问题
Section titled “面试前准备这些问题”- 为什么选这个方案？
- 和什么 baseline 比过？
- 失败过什么？
- 怎么评估结果？
- 如果线上出问题，先查哪里？
| 周 | 重点 |
|---|---|
| 第 1 周 | 确定目标岗位，选 2-3 个主项目 |
| 第 2 周 | 改 README、截图、运行说明、简历描述 |
| 第 3 周 | 练项目讲解和基础问题 |
| 第 4 周 | 投递，记录高频问题，根据反馈改项目 |
学完这一页，至少保留这张证据卡：
- 目标角色
- AI 全栈、LLM 应用、数据/ML、Agent 工程师或多模态构建者
- 作品集故事
- 问题、系统、证据、失败、改进和权衡
- 缺口列表
- 缺少项目、解释薄弱、未部署或指标不清晰
- 下一步动作
- 本周更新一个简历/项目/面试材料
- 期望产出
- 可用于面试的作品集故事卡