技能 / 核心能力模块专项优化

技能模块的本质

技能模块是「快速筛选」入口——HR 扫一眼判断你是否符合基本条件。 写好的标准：相关、具体、有深度、与经历呼应。

最常见的两个错误：

1. 写了一堆工具名词，像购物清单，没有深度
2. 写了很多技能，但项目经历里完全没有用到

---

改写输出格式

【原版技能模块】
[用户提供的原文]

【优化版】
[分类整理后的技能模块]

【改动说明】
1. ...

【排序建议】
[如何根据目标岗位调整顺序]

---

技能描述的三个层次

差（工具名词堆砌）

熟悉 Python、SQL、Excel、Tableau、PS、AI

中（加上熟练程度）

熟练使用 Python 进行数据分析；熟悉 SQL 查询优化；了解 Tableau 可视化

好（工具 + 你能用它做什么）

数据分析：Python（Pandas/NumPy）完成用户行为数据清洗与分析；SQL 多表关联查询、窗口函数、执行计划优化；Tableau 搭建月度销售数据看板，实现自动化报表推送

---

各职业方向技能写法指南

前端开发

推荐分类结构：

核心语言：HTML5 / CSS3 / JavaScript (ES2022+) / TypeScript
框架与库：React（Hooks/Context/Redux Toolkit）/ Vue 3（Composition API）
工程化：Vite / Webpack / ESLint + Prettier / Git Flow
性能优化：Code Splitting / 懒加载 / 虚拟列表 / Web Vitals 调优
其他：Node.js（基础）/ 熟悉 HTTP & REST / 了解 GraphQL

写法要点：

• 不要只写 「熟悉 React」，写你用 React 做了什么（Hooks / 状态管理 / 性能优化）
• 框架写版本倾向：React 18 / Vue 3（体现知识是否更新）
• 工程化工具写出来体现工程素养
• 排序：与目标 JD 要求最匹配的排最前

---

后端开发

推荐分类结构：

语言：Java（JUC 并发 / JVM 调优）/ Go（goroutine / channel）/ Python
框架：Spring Boot / Spring Cloud / Gin
数据库：MySQL（索引优化 / 事务 / 分库分表）/ Redis（数据结构 / 持久化策略）/ MongoDB
中间件：Kafka（消息可靠性 / 消费者组）/ RabbitMQ / Elasticsearch
基础设施：Docker / K8s（基础运维）/ Linux 常用命令

写法要点：

• 语言不要只写「熟悉 Java」，写你掌握到哪个深度（并发/JVM/设计模式）
• 数据库写出你懂的优化手段（索引/慢查询/分库分表方案）
• 中间件写你用它解决过什么问题（消息削峰/异步解耦）

---

AI / 算法工程师

推荐分类结构：

机器学习：XGBoost / LightGBM / 特征工程 / 模型评估（AUC/NDCG）
深度学习：PyTorch（熟练）/ TensorFlow（了解）/ Transformer 架构
NLP：BERT / RoBERTa 系列 fine-tune / 文本分类 / NER / 信息抽取
推荐系统：双塔模型 / 召回排序架构 / 特征存储（Redis）
大模型应用：LangChain / RAG（向量检索 + BM25）/ Prompt Engineering
MLOps：模型训练调度 / A/B 实验框架 / ONNX 推理优化

写法要点：

• 区分「算法工程师」（模型为主）和「AI 应用工程师」（LLM 应用为主）侧重点不同
• 写清楚你擅长哪个子方向（NLP / 推荐 / CV / LLM）
• 有论文/开源贡献一定放上去

---

全栈开发

前端 + 后端技能均需涵盖，但要突出主要方向（「前端为主，具备后端能力」or 反之），避免让 HR 觉得你什么都会但什么都不精。

---

运营 / 市场营销

推荐分类结构：

数据分析：Excel（透视表/VLOOKUP/数据清洗）/ SQL（基础查询）/ Google Analytics
内容平台：微信公众号 / 小红书 / 抖音 / B站 运营经验
投放工具：巨量引擎（信息流/DOU+）/ 腾讯广告 / 小红书薯条
用户研究：问卷设计 / 用户访谈 / NPS 调研 / A/B 测试
项目管理：飞书 / Notion / Jira 基础使用

---

广告 / 创意

推荐分类结构：

创意能力：广告文案（TVC脚本 / 社媒 copy）/ 品牌策略 / 创意提案
效果投放：Meta Ads / 巨量引擎 / Google Ads / ROAS 优化
制作工具：Adobe CC（Premiere / AE / Photoshop）/ Figma（基础）
数据分析：Campaign 效果分析 / 媒介计划制定

---

产品经理

推荐分类结构：

产品能力：需求分析 / PRD 撰写 / 原型设计（Axure / Figma）/ 竞品分析
数据能力：SQL（基础）/ 数据埋点设计 / Mixpanel / 增长漏斗分析
协作工具：Jira / Confluence / 飞书文档 / 蓝湖
方法论：JTBD / 用户旅程地图 / MVP / OKR / 敏捷开发

---

设计（UI / 视觉 / 品牌）

推荐分类结构：

设计工具：Figma（组件库搭建 / 自动布局）/ Sketch / Adobe CC（PS/AI/AE）
设计能力：交互设计 / 视觉规范 / 品牌 VI / 响应式设计
辅助工具：蓝湖（标注交付）/ Zeplin / Lottie（动效）
了解基础：HTML/CSS（走查还原度验证）

---

人力资源

招聘工具：猎聘 / BOSS直聘 / 领英 / ATS 系统（北森 / Workday）
专业能力：岗位分析 / JD 撰写 / 结构化面试设计 / 薪酬测算 / 劳动法合规
数据工具：Excel（人员数据分析）/ HR 数字化（钉钉/飞书 HR 模块）

---

财务 / 审计

财务工具：Excel（财务建模/VBA）/ SAP / 用友 / 金蝶
专业能力：财务报表分析 / 预算管理 / 成本核算 / 税务基础 / 内控审计
证书：CPA（在考/已通过X科）/ CFA（Level X）/ ACCA

---

技能模块排序原则

1. 与 JD 要求最匹配的放最前
2. 你最擅长的放前面（面试官会优先问前几条）
3. 证书 / 语言 放最后（除非是岗位必须项）
4. 每一类技能别超过 5-6 项，宁缺毋滥

---

技能深度的表达方式

用词	含义	使用条件
精通	能解决疑难、能教别人	慎用，要求很高
熟练	独立上手、生产环境使用过	有真实项目经历才用
熟悉	理解原理、用过但不深	了解到原理层面
了解	学过、知道概念	只是了解，没有实操

建议少用程度词，直接写「你能用它做什么」更有说服力。

---

技能与经历一致性检查

写完技能后，逐一对照：

• 每个「熟练」技能，在工作/项目经历里有对应的实践吗？
• 技能里提到的工具，经历里有具体用它解决过什么问题吗？
• 如果不一致 → 要么删掉技能条目，要么在经历里补充使用场景

---

数据分析 / 数据工程

推荐分类结构：

数据处理：Python（Pandas/NumPy/Polars）/ SQL（窗口函数/CTE/执行计划优化）/ Spark / Hive
数据可视化：Tableau / Power BI / 自研看板（ECharts / Metabase）
数据工程：ETL Pipeline / 数据仓库（ODS/DWD/DWS/ADS 分层建模）/ Flink / Airflow / dbt
实验分析：A/B 测试设计与分析 / 显著性检验 / 留存/漏斗/归因分析
BI 工具：Quick BI / 神策数据 / GrowingIO / Google Analytics

写法要点：

• SQL 写你能做到的深度（窗口函数/子查询/索引优化 > 会基础 SELECT）
• Python 写你用它做什么（数据清洗 / 自动化报表 / 建模 / 可视化），而非只写"熟悉 Python"
• 数据工程方向：写清楚数据链路（从哪来到哪去）和你负责的层级（采集/清洗/建模/分析）
• A/B 测试：写是否具备从实验设计到数据分析的全流程能力（避免只写"了解 A/B 测试"）

---

移动端开发（iOS / Android / 跨平台）

推荐分类结构（iOS）：

语言：Swift（语法糖/并发/Combine）/ Objective-C（维护）
框架：UIKit / SwiftUI（适配 iOS 16+）/ CoreData / CoreML
工具链：Xcode / Instruments（性能分析）/ Fastlane / TestFlight

推荐分类结构（Android）：

语言：Kotlin（协程/Flow/扩展函数）/ Java（维护）
框架：Jetpack Compose / MVVM / Room / WorkManager / Navigation
工具链：Android Studio / Profiler / Gradle / Firebase

推荐分类结构（跨平台）：

Flutter：Dart / Widget 生命周期 / 状态管理（Provider/Riverpod/Bloc）/ 自定义 Channel
React Native：JSX / 原生模块桥接 / Hermes / CodePush 热更新
uni-app：Vue3 / 小程序端适配 / 条件编译

量化指标参考：

• App Store / Google Play 评分（持续维护成果）
• Crash 率（‰）优化
• 启动时间（冷启动 ms）
• 包体积减少量（MB / %）
• 负责产品的 MAU

写法要点：

• 写版本倾向（SwiftUI 还是 UIKit？Compose 还是传统 View？体现是否追踪最新趋势）
• 跨平台工程师：明确主攻平台（"以 Flutter 为主，具备原生 iOS 基础"），避免让人觉得什么都会但什么都不深
• 性能优化经历一定要量化（从 X 优化到 Y）

---

DevOps / 云原生 / SRE

推荐分类结构：

容器化：Docker（多阶段构建/镜像优化）/ Kubernetes（Deployment/Service/HPA/网络策略）
CI/CD：GitHub Actions / GitLab CI / Jenkins / ArgoCD / Helm
云平台：AWS（EC2/S3/RDS/Lambda）/ 阿里云（ECS/OSS/RDS/ACK）/ 腾讯云
监控告警：Prometheus + Grafana / ELK Stack / SkyWalking / PagerDuty / 阿里云 ARMS
基础设施即代码：Terraform / Ansible / Pulumi
网络与安全：Nginx / Kong / VPC / WAF / SSL 证书管理

写法要点：

• 区分 DevOps 工程师（关注 CI/CD 流水线/自动化）和 SRE（关注稳定性/SLA/容量）
• 写清楚你维护的系统规模（服务数量/QPS/团队规模）
• 稳定性数据最有说服力：SLA 99.9% → 99.99%；将故障恢复时间从 X 分钟降至 Y 分钟
• 国内云平台（阿里云/腾讯云/华为云）经验同样有价值，不必只写 AWS

---

2025 AI 应用层工具

本段针对 AI 应用工程师（LLM 应用方向），区别于算法工程师（模型训练方向）。

推荐分类结构：

LLM 调用与管理：OpenAI API / Claude API（Anthropic SDK）/ 通义千问 / 文心一言 / 硅基流动
提示工程：Prompt Engineering / Few-shot / Chain of Thought / 系统 Prompt 设计
RAG 工程化：LangChain / LlamaIndex / 向量数据库（Chroma/Qdrant/Weaviate/Milvus）/ 混合检索（BM25 + 向量）
Agent 框架：LangGraph / CrewAI / AutoGen / Dify / Coze 工作流
MCP 协议：MCP Server 开发 / MCP Client 集成 / Tool Use / Function Calling 设计
工程化与部署：LiteLLM / vLLM / Ollama（本地部署）/ FastAPI 封装 / 流式输出（SSE/WebSocket）
评测与监控：LangSmith / PromptFlow / 自定义评测（人工+自动）/ 成本与延迟监控

写法要点：

• 区分「会调 API」和「有工程化落地经验」——后者价值高得多，要写清楚你搭建了什么系统
• RAG 方向：写清楚 chunk 策略 / 检索方案 / 重排（Reranker）/ 评测指标，而非只写"用了 LangChain"
• Agent 方向：写清楚解决了什么业务场景（不是"做了个聊天机器人"），工具调用设计，多 Agent 协作方案
• MCP：如有 MCP Server 开发经验（含工具暴露/资源读取），明确写出，2025 年市场认知度已较高
• 本地部署（Ollama/vLLM）经验：写清楚部署的模型和场景（隐私合规/成本控制）
• 评测经验：HR 和技术面试官都会关注"你怎么衡量 LLM 应用效果"，这是高含金量项