简历里怎么写AI技能：非技术岗和算法岗的写法、示例，以及研究到底说了什么

AI技能要写在两个地方：技能栏列出真正用过的工具，工作经历里写清任务、怎样检查结果、改变了什么。只写“熟练使用AI”没有说服力；用过几次聊天机器人就写“精通”或“AI专家”，面试一问就露馅。如果招聘信息没有提到AI，写一两行真实内容就够了，不必把它放在最显眼的位置。

一行写清四件事

工具、任务、检查、变化。其中“检查”是很多示例漏掉的部分，它恰恰说明你知道工具会出错。下面是虚构示例：

修改前：熟练使用AI工具和ChatGPT，学习能力强，拥抱变化。

修改后：用通义千问起草客户方案初稿，发送前人工核对价格和条款，把方案准备时间从三天缩短到一天。

没有数字也不要编。可以写工作量：每份月报、20份合同、5人团队。编造的百分比，面试官一问“怎么算出来的”就说不清了。只试过几次的工具，要么放在技能栏，要么不写。可以这样判断：如果面试官让你现场演示，你能在一分钟内说清楚怎么用吗？

非技术岗位示例

以下示例和数字都是虚构的，请换成你自己的结果。

• 财务：用 Excel Copilot 起草月度差异说明，并逐项核对总账。
• 市场：用生成式工具写活动文案初稿，人工修改后做 A/B 测试。
• 客服：在删除个人信息后，用公司批准的工具给 500 条投诉分类，并抽样检查。
• 人事：用 AI 工具起草职位描述，并检查有没有歧视性表述。
• 电商运营：用 AI 工具写商品描述初稿，上架前核对规格和宣传用语。
• 学生：用 AI 工具整理论文资料，再逐条查证原始出处。

工具名称照招聘信息写。国内岗位可能提到通义千问、文心一言、DeepSeek、Kimi、豆包，也可能提到 Copilot 或 ChatGPT。只写你真正用过的。

算法和技术岗位

这类岗位只列工具名不够。一篇 CSDN 文章的建议值得参考，虽然它来自培训机构，要带着判断去看：

• 技术栈分类写：框架（PyTorch、Transformers、LangChain）、模型、工程工具（Docker、Kubernetes）。
• 项目按目标、方法、结果和指标来写，不写“参与AI项目”这样的空话。
• 重深度不重数量，选几个真正做过的项目。
• 不熟悉的技术写“了解”，不要写“精通”。
• 指标要有依据。面试可能会问微调、推理和部署上的具体取舍。

写在哪里

• 工作经历：最重要，因为它说明你在真实工作中用过。
• 技能栏：能讲清楚的工具，按岗位要求排序。详见简历技能怎么写。
• 个人总结：只有当AI是岗位核心时才写一句。
• 证书：课程、机构和年份，详见证书怎么写。证书不能代替实际使用。
• 职位：没担任过，就不要写“提示词工程师”。

数据安全

如果简历让人觉得你把客户数据放进了公开工具，可能反而减分。有行业文章指出，一些公开工具的服务条款默认会使用用户输入来训练模型，具体情况要看条款。请先看公司规定，只写公司允许的做法。如果属实，可以加半句：“使用公司采购的企业版”或“删除个人信息后处理”。也不要为了显得厉害，把旧项目的机密细节写进去。

研究到底说了什么

常被引用的数字有 PwC 的 56% 和 Lightcast 的 28% 工资溢价，但它们来自商业机构，比较的是招聘广告，不能证明简历加一行就能涨薪。两项实验更接近这个问题，结论却不同：

• Stephany、Teutloff 和 Leone（2026）：英国、美国和德国的 1,725 名招聘人员评价假想候选人。AI技能让面试机会提高约 8 到 15 个百分点，证书只带来中等的额外提升。
• Firpo、Niemann 和 Danilov（2025）：向英国入门级岗位投递 1,185 份真实申请。在招聘信息没有要求时加上AI资质，对面试邀请总体没有显著影响，只有工程和市场岗位出现了正向结果。

这些研究都不是在中国做的。稳妥的做法是：岗位需要而且属实才写，不要指望它弥补相关经验的不足。

要避免的说法

• 没有任何成果的“AI专家”“AI爱好者”。
• 列出十二个只试过一次的工具。
• 只是用了模型，却说“开发了一个AI”。
• 把短期课程写得像工作经历。
• 把向聊天机器人提问叫做“提示词工程”。团队共用的提示词库才是证据。

面试前准备

准备三个回答：哪项工作变了，你还要亲自检查什么；工具什么时候出过错，你怎么发现的；什么内容绝不会放进工具。至于简历本身是否用AI写成，是另一个话题，可以看ChatGPT还是简历生成器。

CV Analyz 能做什么

优化时，系统不会添加你没写的技能，也不会根据职位、学历或证书去推断技能。工具名称保持原样。所以请自己写清工具、任务和结果；如果原文件没有，可以写在补充内容栏里。

来源：Stephany, Teutloff, Leone, 2026。