📌 岗位能力画像与简历优化模板
▸ 岗位能力画像五大维度，面试官通过每个维度考察深度
🔍 能力维度拆解表
| 维度 | 考察点 | 典型关键词 | 量化指标示例 |
|---|---|---|---|
| 核心算法 | 检测/分割/跟踪/3D视觉/SLAM等主流方向原理与选型 | YOLOv8, Mask R-CNN, Transformer, 多模态, 自监督 | mAP ↑5%, 推理耗时 ↓40% |
| 系统工程 | 模型压缩、端侧推理、分布式训练、C++/CUDA优化 | TensorRT, ONNX, 量化, 流水线, DevOps | QPS 2000+, 延迟 <30ms |
| 业务思维 | ROI评估、数据闭环、线上A/B实验、产品落地 | OKR, 指标拆解, 降本增效, 用户增长 | 坏账率↓18%, 审核效率↑3倍 |
| 团队管理 | 梯队建设、跨部门协作、技术决策、OKR拆解 | 技术规划, Code Review, mentor, 复盘 | 团队增至12人, 项目准时率100% |
| 面试表达 | STAR法、量化成果、技术深度、问题复盘 | 背景-任务-行动-结果, 指标对比 | 回答框架清晰, 数字佐证 |
📄 简历结构黄金模板
- 个人信息 + 一句话定位（如：8年CV经验，曾任某大厂视觉算法负责人）
- 核心技能关键词（按领域分组，如：目标检测 / Transformer / 端侧优化）
- 工作经历（倒序，每段2-3个项目） → 使用 STAR + 量化结果
- 重点项目（可选，1-2个深度技术拆解）
- 学术/专利/开源贡献（顶会、GitHub star >500等）
- 技术博客/影响力（加分项）
🏷️ 简历关键词清单（按级分类）
📊 成果量化句式模板
- 「主导XX检测模型落地，线上mAP提升6%，推理延迟从80ms降至25ms。」
- 「搭建数据标注与回流管线，人工审核成本降低50%，半年内线上badcase率下降70%。」
- 「带领6人算法团队，3个月内完成3个业务线算法迭代，项目按时交付率100%。」
- 「负责CV算法负责人面试评估，累计筛选简历1000+份，面试通过率控制在15%。」
❓ 面试问答卡片
面试问题：请用一分钟介绍你自己，并说明为什么适合这个岗位。
面试官考察点：表达能力、逻辑结构、与岗位的匹配度、是否提前做过调研。
回答框架：身份定位（X年CV经验）→ 核心能力（算法+工程+管理）→ 代表成果（量化成绩）→ 与岗位的契合点（行业/业务/技术栈匹配）。
示例回答：“我有8年CV经验，近3年任技术负责人。主导过亿级图片审核系统，mAP提升5%、审核效率翻3倍。在目标检测、端侧优化方向有深度积累，非常契合贵司的智能安防业务需求。”
可能追问：你觉得你最大的技术优势是什么？你之前带过多少人？
面试问题：你过去最引以为豪的项目是什么？请详细讲讲技术难点和你的贡献。
面试官考察点：技术深度、问题解决能力、在团队中的角色、量化思维。
回答框架：项目背景（规模/场景）→ 我负责的部分 → 遇到的2-3个核心难点 → 解决思路 + 技术选型 → 最终效果（量化数据）。
示例回答：“某智慧零售项目，需在Jetson Nano上实时检测30类商品。我主导模型选型，对比MobileNetV3和YOLOX-Nano，通过混合精度量化和TensorRT优化，将FPS从10提升到35，mAP保持85%。”
可能追问：为什么选择量化而不是蒸馏？有没有考虑过模型剪枝？
面试问题：你是如何做团队技术规划的？请举例说明。
面试官考察点：管理思维、技术前瞻性、业务对齐能力、OKR拆解能力。
回答框架：业务痛点分析 → 技术路线选择 → 人力资源配置 → 里程碑设定 → 复盘与调整。
示例回答：“去年我们团队负责内容审核，季度目标降低漏报率。我规划了两条线：短期优化现有模型（提升召回率），长期探索多模态审核。分派3人做模型改进，2人研究多模态。三个月后召回率从92%升到96%，多模态原型也完成验证。”
可能追问：如果两条线资源冲突你怎么平衡？如何评估技术规划的价值？