技术简历优化第12期 - 211本科+百度后台

第12期的简历优化实战案例是河海大学本科 + 百度后台研发背景的同学，求职岗位后台研发。

这次案例工作量相对轻松，因为同学参考了我之前的案例笔记，做了一版优化。简历已有名企实习 + 热门 AI 项目经历 + 运用STAR法则去书写，是一份90分的简历。现在一起看下我们如何锦上添花。

原简历：

🧩结构优化

1. 移除自我评价："自我评价"是技术简历的大坑❌。主观评价无法验证，移除
2. 简化个人信息：个人信息只留姓名、邮箱、电话、求职岗位，其他信息技术面试不关注，移除

🎨排版设计优化

1. 增加项目间距：项目之间都预留足够空间，增加区分度方便面试官捕捉信息
2. 统一时间描述：统一所有的时间格式为 yyyy.mm - yyyy.mm

📝专业度描述优化

因为原简历就是在STAR法则进行书写，写法上已经是最佳实践，所以我们要做是“二次润色”：

1. 打磨技术细节，对每个工作项重新例举出技术点，再进行筛选
2. 打磨量化指标，寻找更直观的指标
3. 打磨任务概述，重构成动宾结构短语，一定要带动词

例子一

原文：“大模型评测平台开发：基于清华大学的HumanEval-X，在代码生成、代码翻译等任务中集成了多模型、多参数、多语言的评测能力。”

润色思路：补充开发框架和润色任务概述。

润色后：“开发大模型评测平台：为了提高eb系列模型的代码领域能力评测效率，利用Flask框架开发自动化评测平台，基于清华大学的HumanEval-X，在代码生成、代码翻译等任务中集成了多模型、多参数、多语言的评测能力。”

例子二

原文：“支持上下文对话：利用Redis缓存对话上下文，通过用户ID快速查询对话内容，并定期将聊天记录持久化到MySQL，以防止数据丢失。对SQL字段”对话轮次“分组，增加数据库的稳定性和性能。”

润色思路：补充量化指标，并且是要合理的

润色后：“支持上下文对话：利用Redis缓存对话...加速数据库的数据访问速度11%。”

简历优化后：

关注我，下期继续分享更多实战案例，加油！💪