1. 岗位能力画像与简历优化模板
1.1 岗位能力画像（SVG）
核心能力画像：五个维度覆盖面试高频考察点
1.2 简历结构模板
| 模块 | 关键内容 | 示例 |
|---|---|---|
| 个人概况 | Python年限、微服务项目数、技术栈关键词 | 5年Python，3个微服务项目，FastAPI+K8s |
| 核心技能 | 分类列出技术栈 + 掌握程度 | FastAPI（熟练）、Docker（熟练）、gRPC（了解） |
| 项目经验 | STAR格式：背景-任务-行动-结果 | 重构订单服务，QPS提升40% |
| 成果量化 | 每个项目至少1个可量化指标 | 响应延迟从200ms降至120ms |
1.3 关键词清单
将以下关键词自然嵌入简历，匹配大厂JD筛选：
- 编程语言：Python3、异步编程、协程、类型注解
- 微服务框架：FastAPI、Flask、gRPC、Thrift、消息队列（Kafka/RabbitMQ）
- 分布式：CAP、最终一致性、服务发现（Consul/Nacos）、分布式事务（Saga）
- 容器/云：Docker、Kubernetes、Helm、CI/CD（GitLab CI/Jenkins）
- 数据库：PostgreSQL、Redis、MongoDB、Elasticsearch
- 监控/可观测：Prometheus、Grafana、OpenTelemetry、ELK
- 软技能：跨团队协作、技术方案评审、Code Review
1.4 成果量化句式
| 量化维度 | 常用句式 | 示例 |
|---|---|---|
| 性能提升 | 将[X]从[A]降低到[B]；提升X% | 接口延迟从200ms降至120ms，提升40% |
| 稳定性 | 系统可用性达到99.9%；减少故障X次 | 可用性从99.5%提升至99.95% |
| 效率/成本 | 部署时间缩短X%；节省资源X% | CI/CD流水线由30分钟缩短至8分钟 |
| 规模 | 支持QPS X；日处理X条消息 | 支撑峰值QPS 5000，日处理2亿条 |
1.5 面试问答卡片
面试问题：请描述一个你主导设计的微服务拆分方案，并说明为什么这样拆分？
面试官考察点：领域驱动设计（DDD）理解 / 微服化边界划分能力 / 避免过度拆分
回答框架：业务领域分析 → 确定Bounded Context → 服务拆分原则(业务/数据/团队) → 具体拆分结果 → 拆分后的收益
简短示例回答：“以电商订单系统为例，按DDD拆为订单、库存、支付三个服务。订单服务独立管理状态机，库存服务通过MQ异步同步。拆分后团队能独立迭代，订单服务QPS提升至3000。”
可能追问：1. 如何处理跨服务事务？2. 拆分后数据一致性怎么保证？3. 服务间通信方式为什么选异步？
面试问题：你简历上写的“使用FastAPI构建高并发服务，延迟降低40%”，请详细说明具体实现。
面试官考察点：技术落地细节真实性 / 性能优化思路 / 是否理解异步IO
回答框架：问题背景（旧服务瓶颈）→ 选型原因（FastAPI异步优势）→ 具体优化（协程、连接池、缓存）→ 压测对比 → 量化结果
简短示例回答：“原Flask单线程阻塞，改用FastAPI异步配合uvicorn。核心IO操作切换为async/await，Redis连接池从10扩容到50。压测显示并发从200提升到1200，平均延迟降低40%。”
可能追问：1. 异步编程中常见并发问题？2. 如果遇到CPU密集型任务怎么处理？3. 压测工具和指标？
面试问题：你在团队中如何推动技术方案落地并保证代码质量？
面试官考察点：技术影响力 / 协作沟通能力 / 工程化意识
回答框架：发现问题（旧流程痛点）→ 提出方案（设计文档+评审）→ 逐步推行（小范围试点）→ 沉淀规范（CI Code Review）→ 效果量化
简短示例回答：“发现团队API文档缺失导致联调慢，推动引入OpenAPI规范，配合CI自动生成文档。先在两个服务试点，一个月后扩展至全部服务，联调时间缩短50%。”
可能追问：1. 如果成员不配合你怎么处理？2. 代码Review经常引发争议怎么办？3. 技术方案决策的依据是什么？