简历:写决策和结果,别写职责
大多数简历的死法是写职责:「负责 XX 产品的需求分析和版本迭代,协调研发测试上线」。这种描述放到任何 PM 身上都成立,等于什么都没说。筛简历的人平均给一份简历十几秒,他要找的是「这个人做成过什么」。
AI PM 的简历尤其要写清三类东西:
第一,AI 相关的决策,带上下文。不写「负责智能客服项目」,写「在人工客服成本年增 40% 的背景下,主导 AI 客服上线,定义人机协同策略(AI 处理标准问题、疑难转人工),上线半年 AI 解决率从 35% 做到 62%,客服人力节约 25%」。背景、决策、数字,一句话里全有。
第二,你对效果负责的证据。AI 产品最稀缺的素质是「为效果指标负责」,所以评测集、badcase 分析、准确率提升这类字眼很值钱。「搭建 500 条评测集,建立周度 badcase 复盘机制,三轮迭代把意图识别准确率从 78% 推到 91%」——懂行的面试官看到这句就知道你真干过。
第三,技术协作的深度。不用吹「精通大模型」,写具体:「与算法团队协作完成 RAG 方案选型,负责知识库清洗策略和召回质量评估」。这句话传达的是你能和工程师坐在一张桌子上说话。
作品集:一个能跑的东西胜过十页 PPT
传统 PM 的作品集是 PRD 和数据分析报告,AI PM 的作品集必须有一个「能跑的东西」。原因很简单:AI 工具把做 demo 的门槛打到了地板上,你还拿不出来,只能说明动手能力或意愿有问题。
好在现在做这个东西非常容易:用 Coze 或 Dify 搭一个垂直场景的 AI 助手,配上知识库和工作流;或者用 Cursor 做一个有小巧思的网页工具。我见过让人印象深刻的作品集:一个转行候选人做了「简历问诊助手」,上传简历、选目标岗位,AI 按面试官视角给修改建议——功能不复杂,但他把 prompt 迭代了十几版,记录了每版的 badcase 变化,还找了三十个真实用户试用收集反馈。面试官要看的全在里面了:场景定义能力、prompt 工程、评测意识、用户验证。
作品集贵精不贵多,一个做透的项目胜过五个半成品。
没有 AI 经验怎么办:自己造,并坦白造的过程
转行最大的纠结是「没有相关经验」。但 AI 这个领域的好处是,经验是可以自己造的,成本只是几个周末。上面说的作品集项目,做完你就有了「经验」——不是大厂背书的那种,但足以证明你不是门外汉。
关键是讲述方式要诚实且聪明。不要说「独立完成 AI 产品全案」这种撑不住追问的话,而是说:「我发现自己在 XX 场景下的痛点,用 XX 工具做了这个产品,过程中最大的挑战是 XX,我是这样解决的」。把「个人项目」讲成「产品实践」,重点放在你的思考过程,而不是假装它是个商业项目。面试官对转行者的心理预期本来就不是「带过大项目」,而是「这个人的潜力和自驱力值不值得赌」。
作品集的结构:按决策讲,别按时间讲
不管是文档还是面试口述,用一个固定结构讲项目:问题是什么 → 你做了什么关键决策 → 放弃了什么、为什么 → 结果和复盘。
前两段大多数人都讲得出来,拉开差距的是第三段「放弃了什么」。做过真实产品的人一定有取舍:为了赶上线砍掉了某个功能、为了控制成本把大模型换成小模型、为了准确率牺牲了响应速度。取舍讲得越具体,可信度越高——因为四平八稳、没有代价的方案只存在于作业里,不存在于真实产品里。最后加一段复盘:「如果重做,我会改什么」,展示反思能力,这是资深和初级 PM 最直观的分水岭。
简历投递前的一个检查
把简历里每一句反问自己:这句话换个人写,能不能一字不差地用?能,就重写。「具备良好的沟通能力和团队协作精神」谁都能写,「推动算法、运营、客服三方对齐 AI 解决率的统计口径」只有当事人写得出来。整份简历过一遍这个筛子,通过率会高不少。