01技能与工具
接近简历体现 RAG、Agent 工作流、Prompt Engineering 与模型评测经验。
简历 88要求 95
下一步：Agent 方案取舍与复杂工具链经验还需要更集中地呈现。
岗位分析工作台
从一份简历和一份岗位开始。
放入一份文本型 PDF 简历，再粘贴完整岗位描述。分析结果仅在本次浏览中展示。
01载入简历上传 PDF，或复用已保存版本
02填写岗位粘贴 JD，或选择目标岗位
03生成材料查看诊断、优化简历与面试准备
材料工作台
我的求职材料
分析过的简历和岗位会自动归档。下次可以直接复用，也能给同一份简历增加新版本。
0 份简历0 个岗位
简历支持多版本
正在读取已保存简历...
目标岗位保留岗位原文
正在读取已保存岗位...
简历来源
支持可复制文字的 PDF，最大 10 MB、20 页。
分析后会保存为新简历
原始 PDF 只在当前浏览器内解析，服务端只接收提取后的文字。
岗位描述
建议粘贴完整 JD，包括职责与任职要求。
岗位分析报告
AI 产品经理岗位分析样例
当前展示示例报告。上传简历并输入岗位后，这里会替换为你的真实分析结果。
示例内容
岗位适配与材料优化报告示例候选人 · AI 产品经理 · 远望科技
分析完成核心经验与岗位职责较匹配，RAG 项目是当前最有说服力的加分项。
技能与项目匹配度较高；评分扣分主要来自量化成果不足及部分 AI 经历呈现不够集中。
这个分数说明了什么？
评分综合能力证据、岗位要求和业务相关性。简历没有写到的内容，会被标记为“尚未体现”，而不是直接判定为不具备。
优先动作：AI 经历被分散，招聘方难以快速识别。
技能与工具88
职责与经验84
行业与业务78
资格与背景76
简历已经证明
- 有企业级 SaaS 产品从需求到上线的完整经验。
- RAG 知识库项目直接对应岗位优先项。
- 跨算法、研发、设计和销售的协作经历完整。
下一步要补强
- AI 经历被分散，招聘方难以快速识别。
- 项目结果缺少使用率、留存或效率数据。
- Agent 与工作流经验没有呈现方案取舍。
能力匹配
实线是简历证据，虚线是岗位要求。两条轮廓越贴合，说明这组匹配越稳定。
简历匹配岗位要求
分数衡量材料证据与岗位要求，不构成招聘结论。
02职责与经验
接近有企业级 SaaS 产品从需求、方案到上线的完整负责经验。
简历 86要求 92
下一步：需要补充产品决策权限和跨团队推动范围。
03行业与业务
接近企业客户、知识库和 AI 产品落地场景与岗位方向一致。
简历 84要求 88
下一步：目标公司的具体业务场景仍缺少针对性表达。
04项目复杂度
接近主导企业 RAG 知识库从 0 到 1 的产品定义与交付。
简历 78要求 86
下一步：需要说明项目规模、协作团队和关键约束。
05成果与影响力
待补强目前有上线结果，但缺少使用率、留存或效率数据。
简历 62要求 84
下一步：补充可核验的业务指标，建立动作与结果之间的证据链。
06教育/硬性条件
满足简历中的教育背景满足岗位列出的基础要求。
简历 82要求 70
下一步：若岗位有额外证书或语言门槛，需要在材料中明确回应。
优先改这 5 处，收益最高。
按优先级处理即可。每条都给出问题、修改方向和可直接参考的写法。
工作经历
问题：AI 知识库项目位于第二段经历，招聘方容易先看到传统 SaaS 项目。
建议：前置最相关的 AI 经历，并在标题中直接体现 RAG 产品负责人角色。
参考表达负责企业级 RAG 知识库从 0 到 1 的产品定义与交付，覆盖 3 个核心业务场景。
项目结果
问题：“完成上线并服务多个客户”信息量不足，无法判断产品价值。
建议：至少补充使用规模、问答准确率、人工处理时长或续费转化中的一项。
参考表达上线 6 个月覆盖 [填写客户数] 家客户，知识检索准确率提升 [填写数据]，人工处理时长下降 [填写数据]。
技能栏
问题：通用工具与 AI 技能混在一行，关键能力不够醒目。
建议：拆成“AI 产品能力 / 产品方法 / 协作工具”三组，优先展示 RAG、Agent 与 Prompt Engineering。
参考表达AI 产品：RAG、Agent 工作流、Prompt Engineering、模型评测；产品方法：需求洞察、指标体系、敏捷迭代。
项目经历
问题：简历只写“使用 RAG”，没有体现如何定义边界、评估方案和权衡成本。
建议：用“业务问题 → 方案取舍 → 协作推进 → 结果”重构项目段落。
参考表达针对知识更新频繁与答案可追溯需求，对比纯 Prompt 与 RAG 方案后，推动检索链路与评测集落地。
个人摘要
问题：开头的个人摘要仍然偏通用，没有直接回应目标岗位。
建议：将摘要聚焦到企业级 AI 产品、RAG 落地和跨团队交付三项能力。
参考表达5 年 B2B SaaS 产品经理，聚焦企业级 AI 产品定义与落地，具备 RAG 知识库从 0 到 1 的完整经验。
一封只写真实经历的求职信。
求职信只使用简历中可以确认的信息，缺失内容保留占位符。
尊敬的远望科技招聘团队：
您好！我关注到贵司正在招聘 AI 产品经理，希望将我在企业级 SaaS 与生成式 AI 产品方面的经验，应用到更复杂的业务场景中。
过去 5 年，我持续负责企业客户产品的需求洞察、方案设计和上线迭代。近期，我主导了企业 RAG 知识库从 0 到 1 的产品定义，与算法、研发和交付团队共同完成方案落地。这段经历让我能够把模型能力翻译成清晰的产品边界，并通过评测与业务指标持续验证产品价值。
远望科技对 AI 产品落地深度和客户价值的关注，与我的工作方式非常契合。我擅长在不确定性中梳理关键问题，推动跨职能团队形成共识，并对最终业务结果负责。我也期待将自己在智能知识库与工作流场景中的经验，带到贵司的产品团队。
感谢您花时间阅读我的申请。期待有机会进一步介绍我的项目经验，以及我对企业级 AI 产品落地的思考。
张晨
[请填写联系方式]
提前准备这 10 个问题。
问题结合岗位要求与简历经历生成，回答保留事实边界。
你如何定义一款企业级 AI 产品的成功？
产品判断回答思路：先定义业务目标，再区分模型指标与产品指标。结合 RAG 项目说明如何同时关注检索准确率、任务完成率和客户节省的工时。
讲一个你从 0 到 1 推动产品落地的项目。
项目深度回答思路：按业务问题、方案取舍、团队推进和上线结果展开，重点说明如何把模糊的 AI 需求拆成可交付场景。
你如何评估 RAG 与 Agent 方案的适用边界？
技术理解回答思路：从任务确定性、知识更新频率、工具调用需求、可追溯性和成本五个角度比较，并说明知识问答场景为何选择 RAG。
你制定过哪些 AI 产品质量或效果指标？
数据与评估回答思路：区分离线评测与线上指标，例如召回率、答案可用性、人工转接率、任务完成时间和留存，并说明指标如何推动迭代。
当算法团队说需求无法实现时，你怎么推进？
跨团队协作回答思路：先澄清约束来自数据、模型、成本还是工期，再回到用户价值共同拆分 MVP，并重新定义验收口径。
讲一次结果没有达到预期的项目。
复盘能力回答思路：选择真实偏差，说明当时依据、发现问题信号、采取的动作和最终沉淀，不要虚构反转结果。
你如何推动销售、交付和研发形成一致目标？
影响力回答思路：把客户承诺转成可衡量需求，建立优先级规则和决策机制，让不同角色看到同一组业务结果。
如果让你设计一个企业知识库产品，你会从哪开始？
方案设计回答思路：先确认高频场景、知识来源、用户权限和验收方式，再设计“问题发现、检索、生成、反馈、评测”的最小闭环。
你如何判断用户反馈应该进入产品路线图？
需求判断回答思路：综合出现频次、业务影响、战略匹配、实现成本和替代方案，而不是只按客户级别或声音大小排序。
为什么选择这个岗位和这家公司？
岗位动机回答思路：把个人方向、已有能力与公司业务连接起来，重点说明企业级 AI 落地为何吸引你，并补充一个希望深入了解的问题。