简历撰写指南
简历的目标只有一个：让面试官在 30 秒内判断"这个人值得见"。
一、AI PM 简历的核心结构
[个人信息] 姓名 · 手机 · 邮箱 · LinkedIn/个人网站（可选）
[一句话定位] 「X 年产品经验，主导 [核心方向] AI 产品，曾帮助 [具体结果]」
[工作经历] 逆时间顺序，每段 3-4 条，STAR 结构 + 数字量化
[项目经历] 独立项目 / 副业 / 开源，突出 AI 技术应用（无则省略）
[教育背景] 学校 · 专业 · 毕业年份（工作 3 年以上可放最后）
[技能] 技术：AI 相关技术栈
工具：产品工具 + 数据工具页数要求：1 页（工作经验 < 5 年）/ 最多 2 页（工作经验 5 年以上）
二、一句话定位怎么写
这是简历最重要的一句话，决定面试官的第一印象。
公式
[年限] + [细分方向] + [代表成就/差异化]示例对比
| 差的写法 | 好的写法 |
|---|---|
| "有 AI 产品经验的产品经理" | "3 年 AI 产品经验，主导企业知识库产品从 0 到 DAU 2 万" |
| "热爱 AI 的产品经理" | "从运营转型 AI PM，已独立用 Dify 搭建 RAG 原型并上线内测" |
| "了解 LLM 技术的 PM" | "AI 基础平台 PM，设计过 Agent 评估体系，覆盖 200+ 企业客户" |
三、工作经历：量化的正确方式
STAR 结构 + 数字
每条经历 = 做了什么 + 怎么做的 + 结果是什么（数字）
❌ 差的写法：
负责 AI 客服产品的需求规划和迭代
✅ 好的写法：
主导 AI 客服产品迭代，优化 RAG 召回策略后人工转接率从 38% 降至 14%，CSAT 提升至 4.3/5
AI PM 经历的量化维度
| 维度 | 可量化的指标 |
|---|---|
| 规模 | DAU、MAU、覆盖用户数、处理请求量 |
| 质量 | 满意度（👍率/CSAT/NPS）、准确率、完成率 |
| 效率 | 人工转接率降低 X%、处理时长缩短 X 分钟 |
| 增长 | 功能渗透率 X%、留存提升 X%、DAU 增长 X 倍 |
| 商业 | ARR、客单价、续约率、成本节省 X 万 |
| 速度 | 从 0 到 1 上线周期 X 周、迭代频率 X 次/月 |
没有数字时怎么办：
- 用相对变化代替绝对值："提升 35%" 比 "从 20% 到 27%" 更直观
- 用规模感替代："覆盖 XX 公司全量员工（X 万人）"
- 用行业对比："人工转接率 14%，低于行业均值 22%"
四、AI 相关项目经历怎么写
即使没有正式 AI PM 工作经验，也可以通过项目经历证明能力。
有效的项目类型
| 项目类型 | 说明 | 可写进简历 |
|---|---|---|
| 用 Dify/Coze 搭的产品原型 | 即使没上线，也证明动手能力 | ✅ |
| 用 Claude/GPT API 写的小工具 | 证明技术认知 + 执行力 | ✅ |
| 参与的公司 AI 功能（非 PM 岗） | 侧面证明 AI 项目经历 | ✅（说清楚角色） |
| 分析竞品的深度文章 | 证明行业洞察 | ✅（附链接） |
| 只是"使用过" AI 产品 | 无法证明产品能力 | ❌ |
项目经历写法示例
好的写法：
AI 面试辅助工具（个人项目）
用 Claude API + Dify 搭建知识库问答原型，集成 JD 解析和押题生成功能，内测 30 人，满意度 4.6/5，累计生成 500+ 份押题报告
五、技能部分关键词清单
AI 技术类（按重要性排序）
核心：RAG · Agent · Prompt Engineering · Fine-tuning · Function Calling
进阶：向量数据库 · 多模态 · Context Engineering · MCP · RLHF
框架：LangChain · Dify · Coze · LlamaIndex
模型：GPT-4o · Claude · Qwen · DeepSeek（写用过的）产品方法论类
AI 评估体系 · Human-in-the-loop · 数据飞轮 · AB 测试
北极星指标 · 冷启动 · 产品化路径 · 降级方案设计工具类
产品：Figma · Axure · 飞书 / Notion
数据：SQL · Python（基础）· Mixpanel / GrowingIO / 神策
AI：Dify · Cursor · Claude Code写技能的原则：只写真正用过的，面试时随时可能被追问细节。
六、常见简历错误
错误 1：堆砌 AI 关键词但没有支撑
"熟悉 RAG、Agent、Fine-tuning、多模态、向量数据库……"
面试官看到这种写法会直接追问："说说你在 RAG 项目里遇到的最大挑战？"
答不上来 = 简历造假的信号。
只写真正用过的技术，宁可写少不写滥。
错误 2：职责描述代替结果描述
"负责产品规划、需求分析、跨团队协作、上线管理"
这是所有 PM 都做的事，没有差异化。每一条都要有具体的结果。
错误 3：时间线混乱
公司、职位、时间段要清楚：
字节跳动 · AI 产品经理 2023.06 – 2025.03
阿里巴巴 · 产品经理 2021.07 – 2023.05错误 4：没有针对 JD 做定制
同一份简历投所有岗位 = 效率最低的策略。
每次投递前：把 JD 里的核心要求和你的经历做对应，调整经历的排序和侧重点。
七、简历自查清单
□ 一句话定位是否清晰，30 秒能让人记住
□ 每条经历是否有量化结果（至少 80% 有数字）
□ AI 技术关键词是否都能展开说细节
□ 格式是否整洁（字体一致、间距统一、不超页数）
□ 有没有错别字（用工具检查一遍）
□ 是否针对目标 JD 做了定制化调整
□ 联系方式是否完整正确八、进一步优化
简历写完后，推荐用 AI 简历润色器 对每段经历的表达做优化——重点是让语言更有力、数字呈现更清晰。