我做了约 6 年数据、产品和业务相关工作，其中 3 年多在互联网大厂，经历过数据科学、数据架构、金融科技产品和国际化数字化项目。后来开始创业，长期做职业规划、求职辅导和交付质量管理，也曾 1V1 面试过上百位求职者。
我在企业招聘和学生辅导两端看到的是同一个问题：企业不知道谁真正适合岗位，学生也经常不知道自己的经历哪里有价值、哪里经不起追问。很多人缺的不是更多标准答案，而是有人帮他把事实、理解、表达和行动重新对齐。
我现在主要做三件事：
- 帮学生理解岗位、补齐能力，并把真实经历讲成经得起追问的证据；
- 把一线交付经验拆成稳定、可复用、可验收的流程；
- 探索 AI 在求职服务、内容生产和个人工作流中的真实应用。
真实材料
→ 目标岗位与能力要求
→ 事实和所有权核验
→ 连续追问与场景验证
→ 具体改进任务
→ 下一轮训练继续验证
这条链路也是我做求职服务和 AI 产品时共同遵守的原则：先把现实问题看清，再决定模型、功能和界面怎么做。
- 靠谱，有担当。 销售阶段就要考虑交付，不把签单或做出 Demo 当作终点。
- 事实比包装重要。 不鼓励学生编数据，也不把 AI 生成的漂亮句子当成真实能力。
- 判断必须有边界。 可以给建议，但不把无法控制的结果说成保证。
- AI 辅助人，不代替人。 模型适合整理、追问和生成初稿，事实判断、岗位取舍和成长仍然需要人负责。
- 数据尽量留在本地。 能在本机完成的处理不上传，确需调用模型时只发送当前任务需要的最少内容。
GitHub 用户名 Amentman 是账号标识；公开姓名统一使用“寂辉 Amant”。