腾讯的招聘团队最近热炒了个“降 AI 痕迹”的政策，说白了就是别动不动就把公司写成百科全书。
那会儿看到岗位描述，我第一反应是“这该死的大模型生成的废话忒多”，结局一转头面试官问“你写这个简历的时候，是不是在瞎扯？”那一刻我才明白，真正的专业简历，得把那些虚头巴脑的套话藏起来，把对业务的直觉摸出来。 腾讯那会儿总爱用那种“起初、其次、最终”的排比句，读起来像在念教科书，彻底没味儿。目前我改得狠，直接搞起“流水账”式的写法，段落长短不一，像极了咱们日常聊天时的搭讪，有点散，有点碎，但信息密度更高。
比如写项目经验，我不爱用“本岗位需独立搞定”这种公文腔，直接说“我那个核心模块，是跟着业务线一步步修出来的”。 举个例子，要是一个岗位是“算法优化”，那会儿我会写：“通过引入新的损失函数，显著提升了模型的收敛速度，并在大规模数据上实现了准率突破。”这听着像论文结论。我改成：“上次那个用户流失难题，就是靠调整那个 Attention 机制给摸出来的。我把数据切分了几百份，每次跑一轮，发现某几个梯度更新的地方特别敏感，便把那个 Dropout 给加了，结局测试集上准率直接从 82% 提到了 86%，比上次快了几个小时。别看代码量没咋变，但思路确实理顺了。”这种写法，邻居阿姨看了都懂，实打实讲业务，数据也具体，这就叫真话。 关于技术栈，咱们哪位都清楚，全是那些头秃的词汇堆砌挺好办显得 AI 味重。
故此我启动学着用口语词，就连间或犯点错。比方说写架构设计，别说“微服务架构具有极高的扩展性，赞成水平垂直扩展”，直接说“那几套服务就是分头走的，业务量大的时候，我们直接把流量摊到两台就连四台机器上跑，极速扩容，根本不用等集群搭建好。”讲数据库，别说“读写分离能有效提升并发处理本事，是数据库调优的核心手段”，直接说“这玩意儿就是专门为查数据设计的，写数据走主库，读数据走从库，查的时候主库加个锁，读的时候从库直接拿，数据查得特别快，哪怕高峰期来了，那个库也扛得住，毕竟那几亿数据你要是塞进去，查询必崩。” 数据真性也是门技术活，得讲究个“恰当举例”。目前大量简历喜爱把数字写得比实际高，要么用不清楚的“大幅”、“显著提升”，这种显得不够严谨。我提倡把数据“坐实”，哪怕小一点，也要写活。
比如写业绩，别说“业绩增长惊人”，直接说“去年那个双十一活动，为了凑那个满减额度，我后台跑了一大堆计算，最终把转化率提升了 3.5 个百分点，下降的转化率也压住了，净增了 2.1 个百分点。别看中间折腾了半小时，但最终确实多卖了 12 万单，这单量在咱们公司算是小爆款。”这种写法，数据具体到个位数，过程也清楚，既避免了 AI 那种千篇一律的修饰，又显得极实际上在。 还有一点挺关键，就是适当重复。别总想着用“总结”、“结语”来收尾，那些词忒假了。我改的写法，就是把观点反复拉扯，用不同的句式表达同一个核心逻辑。
比如讲产品思维，不是一次说完，而是分三次说：一次讲“用户如何想的”，一次讲“我们自己如何想的”，一次讲“最终如何做了”。
这种重复，不是为了啰嗦，是为了把逻辑串得更紧，让面试官认定你思索挺立体，而不是一个机器人背下的标准答案。 最终，我不排斥口语词。
有时候认定“那个”、“这个”、“大约”、“确实”如此个词，反而显得更有人情味。AI 写简历恨不得每个词都替换成“该”、“此”、“旨在”，结局读起来像判决书。咱们招聘是要找能干活的人，不是找写报告的人。
故此，准那些不完美，准有点啰嗦，但绝对不准那些高高在上的教条。愿我们都能写出那种“有血有肉、接地气、懂业务”的简历，让面试官一眼看到你的真功夫，而不是被算法生成的模板骗那会儿。毕竟在腾讯，拼的不是词汇量，拼的是解决实际难题的本事，而真，才是最贵得吓人的密码。