AI 工作流专栏 27：简历、面试与远程求职全攻略

本文是《从零成为 AI 工作流工程师》系列的收官篇。前面的内容覆盖了岗位认知、全栈基础、Prompt 工程、RAG 检索、Agent 编排与工程化，这一篇解决最后一公里的问题：简历怎么写、面试怎么答、远程岗位怎么投。全文直接对标一份典型的「远程 AI 工作流工程师，月薪 20k 到 40k」的 JD，把每一项技能要求翻译成简历亮点和答题话术，读完就可以开始投简历。

一、先认清风向：2026 年 AI 工程师求职市场

市场现状

好消息：

• AI 工作流工程师是最缺人的方向之一，岗位增长远快于人才供给
• 远程岗位多，且有明显的薪资溢价，普遍比坐班高 20% 到 40%
• 会全栈又懂 AI 的人极少，竞争远没有饱和

坏消息（别被鸡汤骗了）：

• 「调过 ChatGPT API」已经不够了：2026 年的面试官默认你会这个，他们真正想看的是工程化能力和落地深度
• 水项目一眼看穿：面试官每天看 10 份「套壳 ChatBot」简历，没有差异化就直接筛掉
• 大厂卷、创业公司挑：大厂看重学历背景，创业公司看重你能不能干活

结论：你的核心竞争力，是「有真实落地的项目、有工程化深度、会用 AI 工具放大产出」这三者的组合。

应该投哪些岗位

搜索关键词（按命中率排序）：

• AI 工作流工程师 / AI Workflow Engineer（最精准）
• AI 应用工程师 / AI Application Engineer
• LLM 工程师 / LLM Engineer
• 大模型应用开发
• AIGC 工程师
• 全栈工程师（JD 里提到 AI 或 RAG 的）

避免投：纯「算法工程师」和「NLP 工程师」，这类岗位偏研究、通常要求顶会论文，不是本文的目标赛道。

二、简历：每一行都对标 JD

简历的本质，是让面试官在 30 秒内相信「这个人能干活」。

简历结构

项目经验放最上面、占最大篇幅，其次是技术技能清单、工作经历和教育背景。面试官的 30 秒基本只看前两块。参考结构：

姓名 | AI 工作流工程师 | 求职意向：远程
联系方式：邮箱 | GitHub | 个人博客 | 在线 Demo

核心技能（对标 JD 关键词）
- 语言：Python（精通）/ JavaScript
- 前端：React / Next.js / Tailwind
- 后端：FastAPI / Node.js
- AI：LangChain / LlamaIndex / RAG / Agent / Prompt 工程
- 大模型：OpenAI / Claude / DeepSeek / 通义（多模型集成经验）
- 向量库：pgvector / Qdrant / Pinecone
- 数据库：PostgreSQL / MySQL / Redis
- 工程化：Docker / CI/CD / Prometheus / Langfuse
- AI 工具：Cursor / Claude Code / GitHub Copilot（日常 AI 编程）

项目经验（倒序，最强的放第一）

  企业级 AI 知识库系统 | GitHub | Demo | 2026.03 至今
  技术栈：React + FastAPI + PostgreSQL + pgvector + Redis + Docker + Langfuse
  - [RAG 引擎] 自研文档处理流水线（解析、切片、BGE-M3、HNSW 检索、Rerank），召回率 62% 提到 87%
  - [工程化] 模型路由 + 语义缓存，单次问答成本降低 65%（从 0.03 元降到 0.01 元）
  - [安全] 输入护栏（防 Prompt 注入）+ 输出 Moderation + 高风险 HITL 审核
  - [可观测] Langfuse 全链路追踪 + Prometheus 监控 + RAGAS 评估 + Golden Set 回归
  - [部署] Docker Compose + GitHub Actions CI/CD

  AI 研究助手（Agent）| GitHub | 2026.02
  ...

工作经历（简写，突出 AI 相关）
  某公司 | 全栈工程师 | 2022 至今
  - 主导核心项目，用 AI 工具将开发效率提升一倍以上

教育背景
  某大学 | 某专业 | 2018 至 2022

写简历的 5 个铁律

1. 量化一切：不写「提升了性能」，写「P99 延迟从 3.2s 降到 800ms」；不写「做了 RAG」，写「召回率从 62% 提到 87%」。数字是简历的灵魂。
2. 动词开头：用「主导、设计、实现、优化、降低、提升」，不用「参与了、负责了」，后者显得被动。
3. 对标 JD 关键词：JD 写什么你就用什么词（RAG、Function Calling、Guardrails、HITL），方便 HR 和 ATS 简历筛选系统命中。
4. 每条 1 到 2 行：别写长段落，条目之间用空行分隔，方便扫读。
5. 附 GitHub 和 Demo：AI 岗位「项目能跑 = 真会」，一个在线 Demo 链接胜过 1000 字描述。

对标 JD 逐项翻译

把这份 JD 的每条要求翻译成简历语言：

关键洞察：JD 里每一句话都是简历的一个 hook。JD 不是要求清单，而是「你应该写什么的提纲」。

三、面试：高频题与答题模板

AI 工作流工程师的面试通常分 4 轮：技术面（基础加项目深度）、系统设计面、经理面、HR 面。

技术基础高频题

LLM 基础

• 问：大模型为什么会幻觉？怎么减少？
  • 答：本质是「预测下一个 token」只管通顺不管真假。减少手段：RAG 提供依据、低温度、要求引用来源、让模型说「不知道」、Guardrails 后置过滤、HITL 兜底。多重叠加，没有银弹。
• 问：Token 是什么？怎么估算成本？
  • 答：最小处理单位，1 个中文字约等于 1.2 到 2 个 token。成本等于输入加输出 token 再乘单价，面试时最好现场算一笔账。
• 问：温度参数怎么选？
  • 答：精确任务（代码、抽取）用 0 到 0.2，对话用 0.3 到 0.5，创意任务用 0.7 以上。

Prompt 工程

• 问：你的 Prompt 怎么写的？怎么保证稳定？
  • 答：五段结构（角色、任务、上下文、格式、约束），用 Few-shot 引导格式，用 Golden Set 评估并做 A/B 测试择优，再做版本化管理。
• 问：什么是 Prompt 注入？怎么防？
  • 答：用户输入覆盖系统指令。防御手段：分隔符隔离指令和数据、输入过滤、改用结构化输入（JSON）、工具最小权限、输出审核。

RAG

• 问：RAG 的完整流程？
  • 答：建库（解析、切片、Embedding、入库），查询（问题 Embedding、检索、拼 Prompt、生成）。讲清楚这几步是基本功。
• 问：你的 RAG 召回率是怎么提上去的？
  • 答：用你项目的真实数据讲故事：切片优化（chunk_size 从 1000 调到 500）、混合检索（向量加 BM25）、Rerank（bge-reranker）、查询改写。
• 问：为什么用 pgvector 不用 Pinecone？
  • 答：业务数据和向量统一管理、事务一致性、自部署数据不出境、运维只维护一套。Pinecone 适合全托管省心，但贵且数据出境。
• 问：chunk_size 怎么定？
  • 答：经验值 300 到 800 token，按文档类型调。太短丢上下文，太长检索精度下降，要用 A/B 测试定。

Agent

• 问：Agent 和 Function Calling 的区别？
  • 答：Function Calling 是单次工具调用，调什么由你预先决定；Agent 是 LLM 自主决策循环，自己决定调几次、调哪个，核心是 ReAct。Agent 更强但更不可控，所以要加 HITL。
• 问：Agent 怎么避免死循环和烧钱？
  • 答：最大步数限制（max_iterations）、单次 token 预算、递归深度限制、关键操作 HITL 审批、超时熔断。

工程化

• 问：你怎么监控 AI 应用的质量？
  • 答：三支柱：Langfuse 看链路（每次调用的 prompt、输出、token、耗时），Prometheus 看指标（QPS、P99 延迟、错误率），RAGAS 加 Golden Set 看质量（忠实度、相关性）。
• 问：怎么降本？
  • 答：模型分级路由（简单问题用小模型）、语义缓存、Prompt 精简、Batch API、流式早停。给具体数字，比如成本降了 65%。
• 问：Guardrails 怎么做的？
  • 答：输入侧（注入检测加 PII 脱敏）加输出侧（Moderation API、事实核查、schema 校验），再加兜底策略（拒绝、转人工、降级）。

系统设计题（必考）

典型题：「设计一个企业 AI 客服系统」。答题模板：

1. 澄清需求（1 到 2 分钟）：多少并发？多少文档？多语言？合规要求？预算多少？
2. 高层架构（3 到 5 分钟）：画分层图（前端、网关、后端、RAG 引擎、LLM、数据层、监控层）。
3. 核心模块深挖（10 分钟）：RAG 的文档处理流水线、向量库选型、检索优化；护栏的输入输出过滤与 HITL；成本的模型路由与缓存；监控的 Langfuse 与告警。
4. 瓶颈与权衡（3 分钟）：延迟怎么降（流式加缓存）、成本怎么控（路由）、可用性怎么保（多模型降级）。
5. 总结（1 分钟）：MVP 怎么做、后续怎么演进。

关键是边画边讲，主动说「这里我会在 X 和 Y 之间权衡，因为如何如何」，展示工程判断力，而不是背答案。

软技能题

• 问：为什么从原岗位转 AI？
  • 答：讲真实动机，比如「看到大模型的落地机会」「想离产品更近」，别装。
• 问：怎么跟上 AI 这个快速变化的领域？
  • 答：日常用 Cursor 和 Claude Code、订阅几个信息源、动手做项目。别假装什么都懂，可以说「我关注新东西，但先把基础打牢」。
• 问：远程工作你怎么保证效率？
  • 答：异步沟通（文档化）、定期同步、自己有稳定工作流，强调自驱。

四、远程岗位怎么投

国内远程渠道

• Boss 直聘 / 拉勾：搜「AI 远程」「LLM 远程」
• V2EX（v2ex.com）：求职节点，远程岗位多
• ElecV2（eleduck.com）：专注远程
• 即刻：AI 圈子，经常有内推
• Twitter/X 中文圈：关注 AI 创业者，他们经常发招聘

海外远程渠道（薪资翻倍，强烈推荐）

• LinkedIn：把 profile 改成英文，地点设为全球，Open to Work 选 Remote
• We Work Remotely（weworkremotely.com）：最老牌的远程招聘网站
• RemoteOK（remoteok.com）：聚合远程岗位
• Wellfound（原 AngelList Talent）：创业公司专属，远程岗位多
• Y Combinator Work at a Startup：YC 系创业公司
• Himalayas（himalayas.app）：体验好、筛选细

海外远程的四个关键：

1. 英文简历加英文 LinkedIn（可以用 AI 辅助写，但别有机翻味）
2. GitHub README 写英文，项目 README 做成双语
3. 时区：亚洲时区投美国公司可能被要求重叠 4 小时，欧洲公司时区更友好
4. 收款：提前办 Wise 或 Payoneer

曲线救国渠道

• 开源贡献：给 LangChain、LlamaIndex、Dify 等项目提 PR，简历加分明显
• 写技术博客（英文，发 Medium、dev.to 或自己的博客）：建立行业可见度
• Twitter/X 经营：分享你的项目，被创始人看到
• Cold email：看到喜欢的 AI 产品，直接邮件创始人「我用你们产品做了什么，想加入」

投递技巧

• 广撒网不如精投：每天针对 JD 修改简历、精投 5 家，比群发 50 家有效
• 附 Cover Letter：远程岗位尤其看重，写清「为什么选你、你能带来什么」
• 第一时间投：岗位发布 24 小时内投递命中率高，创始人会先看早的
• 拿到面试立刻准备：JD 的每一条准备一个故事

五、谈薪、背调与入职避坑

谈薪

1. 尽量让对方先出价：「贵司这个岗位的预算范围是？」
2. 被逼先说就报区间：「基于我的经验和市场行情，我期望 28 到 35k」，区间下限是你的真实期望
3. 基于市场价值报价：参考 Levels.fyi、脉脉、看准网
4. 远程岗位谈月薪：别谈年薪，远程经常没有年终奖
5. 海外远程报美元月薪：中级参考 4k 到 8k 美元，高级 8k 到 15k 美元

对标这份 20k 到 40k 的 JD，报价策略：经验少（刚转 AI）报 22 到 28k；有两年以上全栈加完整项目报 28 到 35k；资深全栈加多个 AI 项目，报 35 到 40k 争取上限。

背调

• 简历别造假：公司、时间、学历、薪资都能查，AI 圈很小，造假等于自杀
• 项目要能证明是你做的：GitHub 提交记录、在线 Demo
• 提前和前同事打好招呼，背调会联系他们

入职前确认

• 远程合同：是劳动合同还是劳务合同？社保公积金怎么处理？
• 工时：核心工作时间几点到几点？是否要求重叠美国时区？
• 设备：自己带电脑还是公司发？
• 试用期：多久？薪资打折吗？转正标准是什么？
• 保密与竞业：有没有？范围多大？

六、入职后 90 天怎么快速立足

• 前 30 天：别急着改代码。把项目跑起来、读懂核心代码、理解业务、搞好同事关系。多用 Cursor 和 Claude Code 帮你快速理解陌生代码库。
• 第 31 到 60 天：主动接一个端到端的完整小功能，用你的 AI 工作流经验高效交付，让团队感受到「你来了之后效率不一样」。
• 第 61 到 90 天：主导一个小项目，或主动提出一个 AI 改进建议（比如「我们的客服可以加 RAG」），建立起「AI 专家」的标签。

七、心态：被拒是常态

• 投 50 家，回复 5 家，面试 3 家，offer 1 家，这是正常命中率，别因为被拒怀疑自己。
• AI 行业招聘极快也极慢：有的 3 天发 offer，有的面 5 轮拖 2 个月。同时投多家，别押注一家。
• 第一次面试会很烂，很正常。把每次面试当练习，面完立刻复盘「哪题没答好、下次怎么答」。
• 项目大于学历，学历大于简历话术：真本事在 GitHub 和 Demo 里，不在简历的形容词里。

八、小结与四周冲刺清单

核心结论：

1. 简历核心是项目：用实战项目加量化数字，逐条对标 JD 关键词。
2. 面试分基础、系统设计和软技能三类：每类都有答题模板，用 STAR 结构，结果落数字。
3. 远程岗位渠道多：国内有 V2EX、即刻，海外有 LinkedIn、We Work Remotely、Wellfound。海外远程薪资翻倍，强烈推荐。
4. 谈薪：尽量让对方先出价，被逼先说就报区间。
5. 入职 90 天：先观察，再交付，后主导。
6. 被拒是常态：坚持投，每次复盘。

四周冲刺清单：

• 第 1 周：把学习笔记整理成 GitHub 仓库；完成一个完整实战项目并部署上线（带 Demo 链接）；写出对标 JD 的简历 v1。
• 第 2 周：注册英文 LinkedIn、Wellfound、We Work Remotely；每天精投 5 家（国内海外各一半）；准备 20 道高频面试题的答案。
• 第 3 到 4 周：模拟面试（找朋友互面或对着镜子讲项目）；持续投递、接受真实面试、每次复盘；根据反馈优化简历和答题。
• 1 到 3 个月：拿到 offer，谈薪，入职。

最后送三句话：

1. 知识不等于能力，能力等于知识乘以项目实践。
2. 简历的核心是项目，项目的核心是落地深度。
3. AI 时代最大的红利，属于「会工程又懂 AI」的人。

去拿你的 offer 吧。