投简历的关键不是多投,而是先读懂岗位、把简历改到对方一眼能看出你匹配,再决定投多少。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先回答岗位的三个问题,再动简历
材料里的观点立正把“简历被认真看”的比例说得很低:他称只有约2%的申请会被认真看,原因常常不是经历不够,而是申请方式不对。他给出的三个必答问题是:岗位的硬条件和避选项你满不满足;这份工作到底做什么、你认不认同;工作环境你喜不喜欢1。这组问题的作用是让简历有靶子,而不是把同一份简历发给所有公司。
简历要帮看的人省时间
材料里的观点董有超从招聘方角度给的建议很具体:一行只写一句话,避免一行半和三四行的长段;把最突出、最特殊的点放在前面,不必死守模板里“教育背景在最上”的顺序;每段经历用背景、你做了什么、结果或获得的认可来组织,bullet 不要太多2,3。他反复强调目标是“以最快的速度向看简历的人证明我挺牛逼的”,简历只是敲门砖,细节留到面试讲2,3。这些是董有超的判断,不是立正本人的主张。
按人群调整投递策略
Ethan 在访谈中把求职者分开看:new grad 更需要量大、新鲜、真实、匹配,可以把 AI 用进真实工作流、做 GitHub 和 LinkedIn、参加 hackathon,并称有像样 GitHub 项目的应届生可能不到3%到5%;mid-to-senior 更看重 relevance,要清楚自己在哪个领域有优势,而不是只盯 title4。立正在另一处课程里也说,有经验的求职者除非紧急,否则不应再海投,每次投递都应针对性修改简历、了解公司5。两处说法针对的人群不同,并不冲突。
材料主要来自美国科技行业求职语境,国内或非技术岗位的筛选习惯可能不同;《如何管理两百份海投? 找工作时候要注意什么心态和…》6中大量发言归属未确认,未用于回答。
出处
- 1如何通过解读Job Description,让自己的简历被认真对待?
立正本人讲申请前要回答的三个岗位问题,以及2%被认真看的说法。
- 2看了才知道,简历竟然应该这么改?
董有超讲简历排版、bullet 数量和用论据代替空话。
- 3看了才知道,简历竟然应该这么改?
董有超讲一行一句、把亮点前置、按背景—行动—结果组织经历。
- 4AI时代,找工作和创业的有效方法|Jobright联创/CTO Ethan对话
Ethan 区分应届生和有经验者的求职策略,并给出应届生可做的具体动作。
- 5第11课(上)|强者成事先做选择:道天地将法·理论篇
可回到原文核对这部分判断
- 6如何管理两百份海投? 找工作时候要注意什么心态和方法?|Data Scientist求职3/3
可回到原文核对这部分判断
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。