AI 时代数据开发的简历怎么写？AI 相关经历怎么体现？
面试怎么回答
我会先盘点已经做过的 AI 相关工作，比如为算法团队提供特征和样本、维护特征平台或标签系统、处理评论工单这类文本数据、用 AI 工具提效、参与智能问数或知识库项目。写法上不写空泛的熟悉大模型，而是讲清楚做了什么和效果：数据链路的部分写具体，比如解析切分方案、每日增量向量化的规模、建了多少条评测集、混合检索让召回提升了多少；AI 的部分写真实、有评测和数字。没有正式项目时，用 AI 提效也可以写，但要写清楚审查规则和交付周期的变化。技能栏只写能讲清楚的。完全没经验就做一个重点放在数据处理和评测上的个人项目，面试时如实说明。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
现在投数据开发岗位，面试官几乎都会问一句「你在 AI 方面有什么经验」。有的同学简历上硬加了一行「熟悉大模型」，一问就露馅；有的同学其实做过相关的事，却没有写出来。这题帮你理清怎么真实而有力地在简历中体现 AI 相关经历。
先盘点：你可能已经做过的 AI 相关工作
很多工作和 AI 相关，只是你没有这样描述过：
- 为推荐、风控、算法团队提供特征数据、样本拼接；
- 做过用户行为日志、埋点的数据链路，这些数据后来用于模型训练；
- 搭建或维护过特征平台、标签系统；
- 处理过文本数据（评论、工单、搜索词）；
- 用 AI 工具提高过自己的开发效率（写 SQL、写文档、排查问题）；
- 参与过智能问数、知识库问答、报表自动解读之类的项目。
写法：讲清楚你做了什么、效果是什么
不好的写法
- 「熟悉大模型、RAG、Agent」—— 没有证据；
- 「参与 AI 知识库项目」—— 看不出你做了什么。
好的写法
- 「负责知识库问答系统的数据链路：设计 PDF 和表格的解析与切分方案，实现文档的增量向量化（每日 5 万份），建立 300 条检索评测集，混合检索使 Recall@10 从 70% 提升到 86%。」
- 「基于数仓元数据搭建智能问数原型：整理 50 个核心指标的语义层定义，用 Text2SQL 覆盖 6 类高频取数需求，在真实问题集上执行准确率 85%，试点部门临时取数工单下降 30%。」
- 「用大模型批量生成 3000 张表的字段注释，设计人工审核流程，核心表注释覆盖率从 40% 提升到 95%。」
要点：数据工作的部分要写具体（这是你的优势），AI 的部分要写真实，有评测、有数字。
用 AI 提效怎么写
如果没有正式的 AI 项目，「用 AI 提效」也可以是亮点，但要具体：
- 「引入 AI 编程助手辅助 SQL 开发和代码审查，制定了 AI 生成代码的审查规则，团队需求平均交付周期缩短 20%。」
技能栏怎么写
- 写你真正用过的：「RAG 数据链路（文档解析、切分、混合检索、评测）」比「熟悉大模型」更有说服力；
- 写你能讲清楚的，每一项都可能被追问。
没有经验怎么办
- 用业余时间做一个小项目：用公司的数据场景（或者公开数据）做一个智能问数或知识库原型，重点放在数据处理和评测上；
- 面试时如实说明是个人项目，讲清楚你的设计思考和遇到的问题。