第1章 岗位能力画像与简历优化模板
本章帮你建立岗位能力全景认知，同时掌握简历关键词布局与成果量化表达。面试官筛选简历第一眼看的不是项目多寡，而是能力匹配度与成果可衡量性。下文先拆解能力画像，再给出可直接套用的简历模板与面试问答。
1.1 岗位能力画像详解
面试官通过能力画像判断候选人能否独立承担仿真闭环。下表中「精通」为面试加分项，「掌握」为必备项。
| 能力维度 | 必备项 | 加分项 | 面试占比 |
|---|---|---|---|
| 算法基础 | 路径规划（A*、RRT）、控制理论（PID、MPC） | Lattice Planner、EM Planner、决策PTA | 30% |
| 工程能力 | C++11/14、Python、ROS2、Linux | 性能优化、多线程、Docker、CI/CD | 25% |
| 仿真工具 | CARLA、SUMO、场景编辑器、评价指标 | VTD、Prescan、OpenSCENARIO、Log仿真 | 25% |
| 业务理解 | 传感器模型、决策规划流程、功能安全 | ODD定义、corner case挖掘、MIL/SIL/HIL | 12% |
| 软素质 | 问题定位、跨团队协作、技术文档 | 仿真体系建设、工具链开发、新人指导 | 8% |
💡 岗位对标参考： 百度Apollo、华为ADS、小鹏XNGP、蔚来NAD 的规划仿真岗JD关键词高度重合，重点抓 "场景设计·评测闭环·自动化测试"。
1.2 简历结构模板
推荐「总-分-量」三段式结构，HR平均浏览一份简历仅15秒，前1/3区域必须展示核心匹配度。
- 顶部（10s 定匹配）：姓名 + 目标岗位 + 关键词标签（如「路径规划仿真 · 场景测试 · 自动化评测」）+ 工作年限 + 学历
- 中部（核心技术栈）：分类罗列技能，格式为「工具/框架: 熟练度+项目佐证」。示例：
CARLA: 主导搭建城区仿真平台，支持200+场景并发测试 - 底部（项目经验 STAR）：每个项目包含 Situation / Task / Action / Result，结果必须带量化指标
⚠️ 常见扣分点： 简历出现「熟悉……了解……」等模糊词且无佐证；项目描述只有职责没有成果；缺少仿真工具版本号（如 CARLA 0.9.13）。
1.3 关键词清单
将以下关键词按「高频·中频·长尾」三层植入简历，可显著提升 HR 筛选命中率与 ATS 系统得分。
| 层级 | 关键词示例 |
|---|---|
| 高频（必含） | 路径规划、行为决策、仿真测试、场景设计、CARLA、ROS2、C++、Python、SIL/HIL、评价指标 |
| 中频（加分） | OpenSCENARIO、VTD、SUMO、LogSim、MIL、PNC、RSS、ODD、corner case、覆盖率、自动化流水线 |
| 长尾（亮点） | Lattice Planner、EM Planner、ILQR、Reinforcement Learning、Transformer-based 决策、数字孪生、云仿真 |
🏆 关键词组合示例： "基于 CARLA 0.9.13 + ROS2 Foxy 搭建城区规划仿真平台，设计 300+ OpenSCENARIO 场景，实现 MIL 闭环测试，场景覆盖率达 92%。"
1.4 成果量化句式
量化公式：动作 + 工具/方法 + 规模 + 可测量结果。下面给出 6 个可直接替换的句式模板。
| 量化维度 | 句式模板（斜体为替换位） |
|---|---|
| 场景覆盖 | 设计 ×× 类参数化场景，覆盖 ×× 种工况，场景覆盖率从 ××% 提升至 ××% |
| 测试效率 | 搭建自动化仿真流水线，单轮测试耗时从 ××h 降至 ××min，迭代效率提升 ×× 倍 |
| 缺陷发现 | 通过回归仿真拦截 ×× 个规划模块缺陷，减少实车测试事故率 ××% |
| 算法性能 | 优化路径规划模块，平均求解耗时降低 ××%，成功通过率从 ××% 提升至 ××% |
| 平台建设 | 从0到1搭建 ×× 仿真平台，支撑 ×× 名算法工程师每日 ×× 次提交验证 |
| 团队协同 | 制定仿真 ×× 规范，推动 ×× 个上下游团队统一场景格式，减少联调返工 ××% |
📐 量化技巧： 没有精确数据时用范围表述（如「100+ 场景」「90%