AI Engineer 简历的项目部分：写六个不如写透两个
匠人学院（JR Academy）是项目制 AI 工程实战平台（澳洲），我们在 AI Engineer Bootcamp 的后 12 周 P3 阶段专门带学员改简历，改得最多的一段永远是项目经历——不是因为学员没做过东西，是因为写法把做过的东西写没了。
最典型的症状：简历上挂着六个项目，每个三行，读完记不住任何一个。
筛选阶段留给一份简历的时间以秒计。六个项目在这个时间尺度里不是"更丰富"，是"六个都没看清"。
第一件事：砍数量
两个能被追问十分钟的项目，胜过六个只能被追问三十秒的。
判断标准不是项目大小，是深度：面试官顺着这个项目往下问三层，你答得下去吗？
- 第一层：你做了什么（所有人都答得出）
- 第二层：为什么这么选（一半人开始含糊）
- 第三层：你试过的更简单方案在哪里不够（这里能答出来的很少）
能撑到第三层的项目，写进简历；撑不住的，要么补做深，要么删掉。删掉不可惜——它本来也不会给你带来一次对话。
每条 bullet 的三段式：约束 → 决策 → 可验证结果
简历上项目部分最常见的写法是罗列技术栈：
使用 Python、LangChain、OpenAI API、FAISS 构建了一个智能问答系统，实现了文档检索和自然语言回答功能。
这句话的问题不是写得不好，是它对每一个投递者都成立。它没有传递任何关于"你"的信息。
换成三段式：
约束：文档不能离开本地环境（合规要求），单次问答成本上限设为 X，p95 延迟目标 Y 秒 决策：先用纯向量检索，专业缩写召回不到 —— 那些词在向量空间里离普通名词更近；改成关键词 + 向量双路召回，再用 reranker 收口 结果：召回问题从"缩写全丢"变成"能命中"，方案与取舍写在 repo 的 DECISIONS.md 里
三段的作用各不相同：约束证明这不是照抄教程（教程没有约束）；决策是面试官唯一真正想听的；结果给一个可以点开验证的东西。
⚠️ 第三段有个红线：没有真实测过的数字不要写。写"准确率提升 40%"而答不出这 40% 怎么测的、测试集多少条、谁标的，在技术面里是负分——它会让面试官怀疑前面两段也是编的。宁可写"具体改善写在 repo 里"，也不要编一个漂亮数字。
六个必须能答上来的追问
写完项目部分，拿这六个问题自己过一遍。这也是技术面里出现频率最高的六个：
- 你怎么知道这个回答是好的？评测集多少条，谁标的？
- 换一个模型或一个参数，你多久能跑出"变好还是变坏"的结论？
- 一次请求成本多少钱？你算过吗？
- 它答错的时候，你从哪一层开始查？说得出顺序吗？
- 你有没有推翻过自己的第一版方案？为什么推翻？
- 如果数据不能离开本地环境，这套还能跑吗？改哪里？
六个里答不上四个，说明这个项目还不够格写进简历的第一顺位。
三种直接判死的写法
一、纯技术栈罗列。 "熟悉 LangChain / RAG / Agent / Prompt Engineering" —— 这行字在筛选端等于空白，因为它跟其他几百份完全一样。技术栈应该出现在 Skills 区，不该占据项目描述的位置。
二、形容词堆砌。 "高效的""智能的""强大的检索系统" —— 形容词不携带信息。把每一个形容词删掉，看剩下的句子还剩什么，通常会发现只剩技术栈罗列。
三、无法验证的数字。 前面说过，这里再强调一次：数字必须能回答"怎么测的"。可验证的数字是加分项里最重的一个，编的数字是减分项里最重的一个。
澳洲本地的三个差异
在澳洲投 AI 相关岗位，项目部分有三个本地特有的注意点：
一、把数据边界写进去。 金融、医疗、政府相关的项目，数据能不能出本地环境是先决条件。你的项目里如果处理过这个约束（哪怕是自己给自己加的），一定要写——这是本地招聘方最关心而多数申请者完全没提的一点。
二、工作权限单独一行，别藏在项目里。 签证状态放在简历顶部联系方式附近，一行写清。招聘方在筛选阶段就要判断这件事，让他们找，等于给自己减分。
三、GitHub 链接要能直接打开看到东西。 空 repo、只有 README、最后一次 commit 在两年前，这三种情况下放链接是负分。宁可不放。
一个可以直接套的模板
项目名 —— 一句话说清它解决什么问题（不写技术栈）
· 约束：[成本 / 延迟 / 数据边界 / 数据质量，至少一条真实约束]
· 关键决策：[你在两个方案之间选了一个，以及为什么]
· 推翻过什么：[第一版方案哪里不行]
· 产出：[可点开的链接 —— repo / 部署地址 / 决策记录]
「推翻过什么」这一行是很多人不敢写的，怕显得自己走过弯路。恰恰相反：能说清自己推翻过什么，是最强的真实性信号。照抄教程的人没有可推翻的东西。
没有项目的人怎么办
如果你现在一个能撑住三层追问的项目都没有，先别改简历，改简历解决不了这个问题。
给自己造一个有约束的项目就行：定一个每千次调用的成本上限，定一个 p95 延迟目标，再假设有一批数据不能出本地环境。在这三条约束下把一个小系统做出来。
约束是自己加的没关系——面试官问的是"你怎么在约束下做决策"，不会问"这个约束是谁给的"。
课程结构可以参考 AI Engineer Bootcamp 的大纲顺序：Foundation → Context Engineering → RAG → Capability → Agent Core → Multi-Agent → Memory → Harness Engineering → Model Layer → Observability & Evals，10 个 phase、290 节课、68 个交互式 Lab、59 场直播，公开可查。最后一个 phase 单独排了 27 节 Evals，对应的正是上面六个追问里的前两个。
匠人学院是项目制 AI 工程实战平台（澳洲），采用 P3 模式（Project + Production + Placement）。P3 的第三个 P 就是这件事——项目做完之后，还要能把它讲成一次让人愿意继续问下去的对话。
先删到两个。然后把这两个写透。
想系统学这部分内容？
- 📘 课程路径：匠人学院 AI Engineer Bootcamp —— 12 周技术课程 + 12 周 P3 职业孵化，后半段专门带项目交付与求职
- 🐍 地基不牢先补：Python 学习方向
- 💬 想让人看看你的简历：Bootcamp 报名与咨询
- 📖 同主题延伸：为什么 AI 课程学完依然找不到工作
