上次分享了招聘了一个 [完全不会手写代码的程序员]( https://www.v2ex.com/t/1203210#reply150)
这次遇到一个简历全面造假的程序员。
我与他线上面试的时候，他说话语速极快，我们这个岗位没有涉及 Yolo 视觉识别训练，但是我刚好做过此类项目，就与他简单沟通了一下，发现对这块有基础的认识。
后面聊到意图识别，因为他涉及的业务都是单意图的，所以没有涉及也就没纠结。
我问他有没有了解 Harness ，Loop Engineering ，有没有用过 OpenClaw/Hermes ，他不知道 Hermes 是什么，面试完晚上给我发信息，说面试完安装了 Hermes ，并且用了啥啥啥的。
后来给推荐给 CEO ，我的评价是：缺乏 AI 项目经验，主要看中其学习能力。老板喜欢 985/211 。
再后来老板面试他，跟我说，这个人简历全是假的，让我以后面试人去天眼查查一下他的公司。
他和 CEO 面试过程中，承认简历全面造假，没有在他写的工作 5 年的公司工作过一天。
他毕业后干过 2 年销售，然后报课学习 AI ，面试时薪资要的比较高，上一个公司 25k 让他入职了，不到一个月发现他能力有问题开了他。他在我们这里要求 22k ，然后被老板识破，要求 10k 入职。
我们自然拉黑他了，并且向 boss 直聘举报了他。
这个人有个特点，别人的 boss 直聘都有名字，他的名字是“AI 工程师”。
我又一次丢人了，难道以后真的每个人都准备笔试环节？
---以下是简历，已相对脱敏---
姓名：XX
性别：男
求职意向：AI 算法工程师（ RAG & 知识图谱方向）｜深圳｜期望薪资 18-35K
工作状态：离职
工作年限：6 年
教育经历
贵州大学（ 211 ）｜本科
2015.09 - 2019.07
个人优势
具备完整 AI 项目数据落地经验，独立完成全流程数据清洗、标注、预处理，为模型训练提供标准化高质量数据集；
技术栈全覆盖，精通 CV 、NLP 、大模型应用、RAG 、AI Agent 、知识图谱搭建，具备数据工程到 AI 应用端到端落地能力；
主导 / 参与多类 AI 商业化项目，覆盖风控 Agent 、企业 RAG 问答、金融对话系统、工业视觉检测、大数据数仓 ETL ，落地交付经验充足；
适应高强度快节奏工作，长期健身抗压能力强，执行力、责任心突出，主动跟进 AI 前沿技术并持续沉淀技术体系；
持续跟踪大模型、向量检索、Agent 、图谱领域前沿论文与开源方案，定期复盘优化项目技术方案。
专业技能
一、AI 应用与算法技术栈
编程语言与数据处理
熟练 Python 、SQL ；精通 NumPy/Pandas/Matplotlib 数据处理与可视化；精通全流程数据清洗、标注、异常处理。
传统机器学习 & 深度学习
Scikit-learn 全套算法：决策树 ID3/C4.5 、随机森林、SVM 、KNN 、贝叶斯、线性回归、DBSCAN 、K-Means ；
PyTorch 深度学习框架，掌握 CNN/RNN/LSTM/ 前馈网络、反向传播、Transformer 注意力机制；
精通模型评估（混淆矩阵）、梯度下降、最小二乘等优化策略。
大模型、NLP 、RAG 、Agent 、知识图谱
Prompt 工程、BGE-M3 Embedding 、BGE Rerank 重排；
LangChain 、Dify 、RAGflow 快速搭建 RAG 问答系统；
AI Agent （ ReAct 推理框架）、领域知识图谱构建；
LoRA 轻量化微调，Hugging Face / 魔搭社区模型管理；
熟悉 Qwen2.5 、DS-R1 、DS-V3 、GPT 系列等主流大模型；
多轮对话系统开发、上下文状态管理。
模型服务化部署
FastAPI+Swagger 接口开发、Ollama 本地推理、Docker 容器化、Nginx 负载均衡。
向量库 & 开发环境
Milvus 向量数据库； Anaconda/Miniconda 、PyCharm 、VSCode 、Jupyter 。
计算机视觉
OpenCV 图像预处理、YOLO 目标检测模型训练与推理。
二、大数据 / 数据工程技术栈
数据库 / 数仓：MySQL 、Oracle 、Hive 、OpenGauss 、HANA ；精通三范式、星型 / 雪花数仓模型分层设计（ ODS/DWD/DWS/ADS ）；
ETL 全流程开发，批流一体数据处理；
Hadoop 生态：HDFS 、MapReduce 、YARN ；调度工具 Azkaban/ADMS/LTS ；
Linux Shell 脚本、SQL 深度调优、增量任务自动化。
三、运维与中间件
Windows/Linux （ Ubuntu/CentOS ）； Kafka 、Redis 、Elasticsearch ； Git 版本管理；阿里云 ECS 云服务器。
四、办公工具
Word/Excel/PPT 全套 Office 办公软件
工作经历
深圳市思无涯科技有限公司
AI 工程师｜ 2021.08 - 2025.11
负责 NLP 、大模型 RAG 、AI Agent 、CV 算法项目全流程研发、模型微调、系统部署上线
数据工程师｜ 2019.07 - 2021.08
负责大数据数仓搭建、批 / 实时 ETL 管道开发、数据调度、特征工程
项目经历
项目六：智能金融风控 Agent 系统（ Agent & 知识图谱）｜ 2024.07-2025.11
岗位：AI 应用开发工程师
项目背景：原有问答系统仅支持被动问答，客户需要可自主规划、调用工具完成复杂风控分析的智能 Agent ，用于用户交易风险自动评估。
工作内容
Agent 框架搭建：基于 LangChain ReAct 推理模式搭建智能体，使用 DBSCAN 聚类挖掘异常交易模式，搭建风控领域知识图谱辅助决策；
多工具封装：SQL 数据查询工具、机器学习风险模型 API （随机森林 / 线性回归 / ID3 决策树）、RAG 风控知识库检索工具；
任务自主规划：Agent 自动拆解风险评估流程：拉取交易数据→模型风险打分→检索风控规则→生成分析报告；
部署优化：Docker+FastAPI 服务化，Ollama 本地部署 Qwen2.5/DS-R1 双大模型动态调度，保障数据隐私并降低推理成本。
项目成果
公司首套自主任务执行型 AI Agent 产品，覆盖 5 类复杂风控分析场景；
人工 15 分钟风控分析报告，Agent1 分钟自动输出，业务效率大幅提升；
实现产品从问答交互向自主任务智能协作升级，形成标准化 Agent 解决方案。
技术栈：Python 、SQL 、Scikit-learn 、LangChain 、AI Agent 、RAG 、知识图谱、Qwen2.5 、DS-R1 、Ollama 、FastAPI 、MySQL 、Docker
项目五：企业知识智能问答平台（ RAG 核心开发）｜ 2023.08-2024.07
岗位：AI 应用开发工程师
项目背景：企业海量文档分散形成知识孤岛，搭建统一 RAG 智能问答平台实现文档快速检索答疑。
工作内容
知识库构建：PDF/Word/TXT 文档解析、文本分段，BGE-M3 向量化存入 Milvus 向量库；
RAG 全链路开发：向量相似度检索→BGE Reranker 精排→Prompt 组装大模型生成回答；
平台落地：Dify/RAGflow 低代码搭建 Web 前端，FastAPI 后端服务，Docker+Nginx 容器负载均衡；
项目成果
接入 10 万 + 企业文档，问答准确率＞ 90%，平均响应 3 秒内；
标准化 RAG 产品对外交付客户，大幅降低企业内部知识查询成本。
技术栈：Python 、Prompt 、BGE-M3 、BGE Reranker 、RAG 、LangChain 、Qwen2.5 、GPT 、Dify 、RAGflow 、Milvus 、FastAPI 、Docker 、Nginx
项目四：智能金融风控多轮对话系统（ NLP & 大模型微调）｜ 2022.05-2023.08
岗位：AI 算法工程师
工作内容
传统 NLP：SVM / 贝叶斯训练金融意图分类模型，识别贷款、举报、查利率等业务意图；
领域微调：收集金融风控数据集，LoRA 微调 DS-V3/DS-R1/Qwen2.5 基座模型，Hugging Face / 魔搭管理实验；
多轮对话管理：基于 Transformer 注意力机制设计对话状态跟踪，支持上下文连贯咨询；
云端部署：FastAPI 封装模型服务，Docker 部署阿里云 ECS 。
项目成果
简单金融咨询自动化解决率 85%，减少大量人工客服；
微调领域模型专业问答准确率较通用模型提升 25%；
稳定支撑线上金融 APP 日均万次对话请求。
技术栈：Python 、Scikit-learn 、PyTorch 、Transformer 、LoRA 、大模型微调、多轮对话、FastAPI 、阿里云 ECS 、Docker
项目三：工业零部件缺陷视觉检测系统（ CV 算法）｜ 2021.08-2022.05
岗位：AI 算法工程师
工作内容
图像预处理：OpenCV 灰度化、降噪、图像增强，完成工业缺陷数据集标注；
模型实验：对比 KNN 、CNN 、LSTM ，最终选用 YOLO 检测框架，PyTorch 训练，梯度下降优化，混淆矩阵评估精度；
服务封装：FastAPI+Swagger 生成检测 API ，Docker 交付产线服务器。
项目成果
缺陷检测 mAP=99.2%，召回率 98.5%，单图检测＜ 100ms ；
产线检测效率提升 300%，漏检率大幅下降，落地标准化工业视觉方案。
技术栈：Python 、PyTorch 、YOLO 、OpenCV 、FastAPI 、Docker 、Anaconda 、Jupyter
项目二：金融交易实时 ETL 管道（大数据实时流处理）｜ 2020.06-2021.08
岗位：大数据工程师
工作内容
Kafka 搭建实时数据流，CDC 同步业务交易数据；
Pandas 窗口计算实时风控特征，数据双写 Redis （实时查询）、ES （业务检索）；
Shell 脚本自动化运维，Docker 容器集群部署，Nginx 统一网关。
项目成果
千万级日交易处理，端到端延迟秒级，实现事中实时欺诈拦截，挽回业务损失。
技术栈：Kafka 、Redis 、Elasticsearch 、ETL 、Shell 、Python 、Docker 、Linux
项目一：电商用户行为数据仓库搭建（数仓开发）｜ 2019.07-2020.06
岗位：大数据工程师
工作内容
梳理 MySQL/Oracle 业务源表，星型 / 雪花模型分层 ODS/DWD/DWS/ADS 数仓；
HDFS+Hive 存储计算，MapReduce 离线清洗，Azkaban 调度 ETL 增量任务；
SQL 深度调优，FastAPI 输出数据服务支撑 BI 用户画像报表。
项目成果
数十 TB 企业级数仓落地，报表查询性能提升 80%，为推荐系统提供标准化数据底座。
技术栈：MySQL 、Oracle 、Hive 、Hadoop 、Azkaban 、Shell 、数仓建模、SQL 调优
资格证书
CET-4 、计算机二级（ Office ）、C1 驾照
这次遇到一个简历全面造假的程序员。
我与他线上面试的时候，他说话语速极快，我们这个岗位没有涉及 Yolo 视觉识别训练，但是我刚好做过此类项目，就与他简单沟通了一下，发现对这块有基础的认识。
后面聊到意图识别，因为他涉及的业务都是单意图的，所以没有涉及也就没纠结。
我问他有没有了解 Harness ，Loop Engineering ，有没有用过 OpenClaw/Hermes ，他不知道 Hermes 是什么，面试完晚上给我发信息，说面试完安装了 Hermes ，并且用了啥啥啥的。
后来给推荐给 CEO ，我的评价是：缺乏 AI 项目经验，主要看中其学习能力。老板喜欢 985/211 。
再后来老板面试他，跟我说，这个人简历全是假的，让我以后面试人去天眼查查一下他的公司。
他和 CEO 面试过程中，承认简历全面造假，没有在他写的工作 5 年的公司工作过一天。
他毕业后干过 2 年销售，然后报课学习 AI ，面试时薪资要的比较高，上一个公司 25k 让他入职了，不到一个月发现他能力有问题开了他。他在我们这里要求 22k ，然后被老板识破，要求 10k 入职。
我们自然拉黑他了，并且向 boss 直聘举报了他。
这个人有个特点，别人的 boss 直聘都有名字，他的名字是“AI 工程师”。
我又一次丢人了，难道以后真的每个人都准备笔试环节？
---以下是简历，已相对脱敏---
姓名：XX
性别：男
求职意向：AI 算法工程师（ RAG & 知识图谱方向）｜深圳｜期望薪资 18-35K
工作状态：离职
工作年限：6 年
教育经历
贵州大学（ 211 ）｜本科
2015.09 - 2019.07
个人优势
具备完整 AI 项目数据落地经验，独立完成全流程数据清洗、标注、预处理，为模型训练提供标准化高质量数据集；
技术栈全覆盖，精通 CV 、NLP 、大模型应用、RAG 、AI Agent 、知识图谱搭建，具备数据工程到 AI 应用端到端落地能力；
主导 / 参与多类 AI 商业化项目，覆盖风控 Agent 、企业 RAG 问答、金融对话系统、工业视觉检测、大数据数仓 ETL ，落地交付经验充足；
适应高强度快节奏工作，长期健身抗压能力强，执行力、责任心突出，主动跟进 AI 前沿技术并持续沉淀技术体系；
持续跟踪大模型、向量检索、Agent 、图谱领域前沿论文与开源方案，定期复盘优化项目技术方案。
专业技能
一、AI 应用与算法技术栈
编程语言与数据处理
熟练 Python 、SQL ；精通 NumPy/Pandas/Matplotlib 数据处理与可视化；精通全流程数据清洗、标注、异常处理。
传统机器学习 & 深度学习
Scikit-learn 全套算法：决策树 ID3/C4.5 、随机森林、SVM 、KNN 、贝叶斯、线性回归、DBSCAN 、K-Means ；
PyTorch 深度学习框架，掌握 CNN/RNN/LSTM/ 前馈网络、反向传播、Transformer 注意力机制；
精通模型评估（混淆矩阵）、梯度下降、最小二乘等优化策略。
大模型、NLP 、RAG 、Agent 、知识图谱
Prompt 工程、BGE-M3 Embedding 、BGE Rerank 重排；
LangChain 、Dify 、RAGflow 快速搭建 RAG 问答系统；
AI Agent （ ReAct 推理框架）、领域知识图谱构建；
LoRA 轻量化微调，Hugging Face / 魔搭社区模型管理；
熟悉 Qwen2.5 、DS-R1 、DS-V3 、GPT 系列等主流大模型；
多轮对话系统开发、上下文状态管理。
模型服务化部署
FastAPI+Swagger 接口开发、Ollama 本地推理、Docker 容器化、Nginx 负载均衡。
向量库 & 开发环境
Milvus 向量数据库； Anaconda/Miniconda 、PyCharm 、VSCode 、Jupyter 。
计算机视觉
OpenCV 图像预处理、YOLO 目标检测模型训练与推理。
二、大数据 / 数据工程技术栈
数据库 / 数仓：MySQL 、Oracle 、Hive 、OpenGauss 、HANA ；精通三范式、星型 / 雪花数仓模型分层设计（ ODS/DWD/DWS/ADS ）；
ETL 全流程开发，批流一体数据处理；
Hadoop 生态：HDFS 、MapReduce 、YARN ；调度工具 Azkaban/ADMS/LTS ；
Linux Shell 脚本、SQL 深度调优、增量任务自动化。
三、运维与中间件
Windows/Linux （ Ubuntu/CentOS ）； Kafka 、Redis 、Elasticsearch ； Git 版本管理；阿里云 ECS 云服务器。
四、办公工具
Word/Excel/PPT 全套 Office 办公软件
工作经历
深圳市思无涯科技有限公司
AI 工程师｜ 2021.08 - 2025.11
负责 NLP 、大模型 RAG 、AI Agent 、CV 算法项目全流程研发、模型微调、系统部署上线
数据工程师｜ 2019.07 - 2021.08
负责大数据数仓搭建、批 / 实时 ETL 管道开发、数据调度、特征工程
项目经历
项目六：智能金融风控 Agent 系统（ Agent & 知识图谱）｜ 2024.07-2025.11
岗位：AI 应用开发工程师
项目背景：原有问答系统仅支持被动问答，客户需要可自主规划、调用工具完成复杂风控分析的智能 Agent ，用于用户交易风险自动评估。
工作内容
Agent 框架搭建：基于 LangChain ReAct 推理模式搭建智能体，使用 DBSCAN 聚类挖掘异常交易模式，搭建风控领域知识图谱辅助决策；
多工具封装：SQL 数据查询工具、机器学习风险模型 API （随机森林 / 线性回归 / ID3 决策树）、RAG 风控知识库检索工具；
任务自主规划：Agent 自动拆解风险评估流程：拉取交易数据→模型风险打分→检索风控规则→生成分析报告；
部署优化：Docker+FastAPI 服务化，Ollama 本地部署 Qwen2.5/DS-R1 双大模型动态调度，保障数据隐私并降低推理成本。
项目成果
公司首套自主任务执行型 AI Agent 产品，覆盖 5 类复杂风控分析场景；
人工 15 分钟风控分析报告，Agent1 分钟自动输出，业务效率大幅提升；
实现产品从问答交互向自主任务智能协作升级，形成标准化 Agent 解决方案。
技术栈：Python 、SQL 、Scikit-learn 、LangChain 、AI Agent 、RAG 、知识图谱、Qwen2.5 、DS-R1 、Ollama 、FastAPI 、MySQL 、Docker
项目五：企业知识智能问答平台（ RAG 核心开发）｜ 2023.08-2024.07
岗位：AI 应用开发工程师
项目背景：企业海量文档分散形成知识孤岛，搭建统一 RAG 智能问答平台实现文档快速检索答疑。
工作内容
知识库构建：PDF/Word/TXT 文档解析、文本分段，BGE-M3 向量化存入 Milvus 向量库；
RAG 全链路开发：向量相似度检索→BGE Reranker 精排→Prompt 组装大模型生成回答；
平台落地：Dify/RAGflow 低代码搭建 Web 前端，FastAPI 后端服务，Docker+Nginx 容器负载均衡；
项目成果
接入 10 万 + 企业文档，问答准确率＞ 90%，平均响应 3 秒内；
标准化 RAG 产品对外交付客户，大幅降低企业内部知识查询成本。
技术栈：Python 、Prompt 、BGE-M3 、BGE Reranker 、RAG 、LangChain 、Qwen2.5 、GPT 、Dify 、RAGflow 、Milvus 、FastAPI 、Docker 、Nginx
项目四：智能金融风控多轮对话系统（ NLP & 大模型微调）｜ 2022.05-2023.08
岗位：AI 算法工程师
工作内容
传统 NLP：SVM / 贝叶斯训练金融意图分类模型，识别贷款、举报、查利率等业务意图；
领域微调：收集金融风控数据集，LoRA 微调 DS-V3/DS-R1/Qwen2.5 基座模型，Hugging Face / 魔搭管理实验；
多轮对话管理：基于 Transformer 注意力机制设计对话状态跟踪，支持上下文连贯咨询；
云端部署：FastAPI 封装模型服务，Docker 部署阿里云 ECS 。
项目成果
简单金融咨询自动化解决率 85%，减少大量人工客服；
微调领域模型专业问答准确率较通用模型提升 25%；
稳定支撑线上金融 APP 日均万次对话请求。
技术栈：Python 、Scikit-learn 、PyTorch 、Transformer 、LoRA 、大模型微调、多轮对话、FastAPI 、阿里云 ECS 、Docker
项目三：工业零部件缺陷视觉检测系统（ CV 算法）｜ 2021.08-2022.05
岗位：AI 算法工程师
工作内容
图像预处理：OpenCV 灰度化、降噪、图像增强，完成工业缺陷数据集标注；
模型实验：对比 KNN 、CNN 、LSTM ，最终选用 YOLO 检测框架，PyTorch 训练，梯度下降优化，混淆矩阵评估精度；
服务封装：FastAPI+Swagger 生成检测 API ，Docker 交付产线服务器。
项目成果
缺陷检测 mAP=99.2%，召回率 98.5%，单图检测＜ 100ms ；
产线检测效率提升 300%，漏检率大幅下降，落地标准化工业视觉方案。
技术栈：Python 、PyTorch 、YOLO 、OpenCV 、FastAPI 、Docker 、Anaconda 、Jupyter
项目二：金融交易实时 ETL 管道（大数据实时流处理）｜ 2020.06-2021.08
岗位：大数据工程师
工作内容
Kafka 搭建实时数据流，CDC 同步业务交易数据；
Pandas 窗口计算实时风控特征，数据双写 Redis （实时查询）、ES （业务检索）；
Shell 脚本自动化运维，Docker 容器集群部署，Nginx 统一网关。
项目成果
千万级日交易处理，端到端延迟秒级，实现事中实时欺诈拦截，挽回业务损失。
技术栈：Kafka 、Redis 、Elasticsearch 、ETL 、Shell 、Python 、Docker 、Linux
项目一：电商用户行为数据仓库搭建（数仓开发）｜ 2019.07-2020.06
岗位：大数据工程师
工作内容
梳理 MySQL/Oracle 业务源表，星型 / 雪花模型分层 ODS/DWD/DWS/ADS 数仓；
HDFS+Hive 存储计算，MapReduce 离线清洗，Azkaban 调度 ETL 增量任务；
SQL 深度调优，FastAPI 输出数据服务支撑 BI 用户画像报表。
项目成果
数十 TB 企业级数仓落地，报表查询性能提升 80%，为推荐系统提供标准化数据底座。
技术栈：MySQL 、Oracle 、Hive 、Hadoop 、Azkaban 、Shell 、数仓建模、SQL 调优
资格证书
CET-4 、计算机二级（ Office ）、C1 驾照
Select Language