1简历全是 SCI，HR 为什么不回？
有同学找我改简历——2 篇 SCI、3 个课题、1 个国奖，简历漂亮得能挂墙上。
投了 20 家大厂医疗 AI，0 回复。
他不服气："我学历好、论文多、技术也不差，凭什么？"
2你会的 HR 听不懂，HR 要的你不会说
这不是学历问题，是语言问题。
你写"分析了 MIMIC-IV 的 ECG 数据"——你觉得自己在炫技，HR 心里想："所以呢？跟我岗位有啥关系？"
HR 要的是："处理 4 万条心电记录做特征工程，支撑风险模型。"同件事，两种语言。
3你卡在"翻译"，不在"技术"
很多人误以为是"我技术不够"，于是疯狂刷课、刷题、刷项目——方向错了。
你卡住的不是技术能力，是语言转换能力：
- 学术语言 → 产品语言
- 过程描述 → 结果描述
- "我做了什么" → "我创造了什么价值"
4医学语言 vs 产品语言 · 一张表看懂
这不是玄学，是有对照规则的。同一个经历，换个说法，HR 的理解度从 10% 涨到 90%。
📄 资料包 ① · 医学语言 ↔ 产品语言对照表（15 组）
左列是你简历里常写的"学术原话"，右列是改完后 HR 一眼就懂的产品语言。照着右列改即可。
| # | 🩺 医学语言（原话） | 💼 产品语言（改后） |
|---|---|---|
| 1 | 分析了 MIMIC-IV 的 ECG 数据 | 处理 4 万条心电记录做特征工程，支撑风险分层模型 |
| 2 | 负责 HRV 数据分析 | 设计风险分层 feature，覆盖目标用户的心血管预警场景 |
| 3 | 用 Python 跑统计 | 搭建数据分析 pipeline，把原始信号转成可上线的产品 feature |
| 4 | 发了 1 篇 SCI（IF 5.2） | 主导完整研究闭环：问题定义→数据→建模→验证→论文产出 |
| 5 | 做了一项队列研究 | 从 0 到 1 设计并落地一个数据驱动的验证方案，样本量 N=2000 |
| 6 | 用 SPSS/R 做回归分析 | 构建风险预测模型，输出可解释的特征权重供业务决策 |
| 7 | 参与临床查房 | 深度访谈临床用户，提炼真实需求转化为产品功能定义 |
| 8 | 读过 200 篇文献 | 系统调研领域现状，输出竞品分析与技术选型报告 |
| 9 | 跟导师做课题 | 在导师指导下独立负责子模块，从需求到交付全程闭环 |
| 10 | 用机器学习做诊断 | 设计辅助诊断 feature，准确率 X%，已接入医生审核流程 |
| 11 | 标注了医学影像 | 搭建标注 SOP，医生双盲标注 + 抽审，产出 N 条高质量训练集 |
| 12 | 做了个 demo 给老师看 | 独立完成 MVP 原型，完成需求验证并获得导师认可 |
| 13 | 处理了缺失值和异常值 | 设计数据清洗 pipeline，提升数据可用率至 X%，支撑模型训练 |
| 14 | 跑通了某个模型 | 端到端跑通模型推理链路，延迟从 X ms 优化到 Y ms |
| 15 | 负责实验室设备管理 | 统筹硬件资源调度与维护，保障 N 人团队的研发效率 |
改写三原则：① 加数字（样本量/准确率/用户数）② 加动作动词（设计/搭建/主导）③ 落到业务结果（支撑/覆盖/提升）。
5分析 HRV ≠ 设计风险 feature
举个最典型的例子。你说"我分析了 HRV 数据"——HR 听到的是："这人在实验室干活，跟我产品岗无关。"
但你改成"我设计了一个风险分层 feature，覆盖心血管预警场景"——HR 立刻懂了："这人能做产品 feature。"
同一段经历，命运完全不同。
6AI 是你最好的翻译官
你不需要自己苦想怎么改——把原话丢给 AI，让它翻译。
Claude / GPT / 豆包都行。关键是prompt 怎么写。下面这个模板，我改了 30 份简历验证过，直接复制用。
📄 资料包 ② · AI 翻译 prompt 模板（复制即用）
把你的简历经历填进【】里，丢给 Claude/GPT，一次能拿到 3 版改写供挑选。
使用技巧：先喂 JD 再喂经历，AI 会自动对齐 JD 关键词；3 版里挑 B 版最安全，C 版面试时口语补充。
73 步把经历翻译成产品语言
不要一上来就大改。按这 3 步走，一个晚上就能改完一份简历：
① 列项目
把所有经历倒出来
② 拆四要素
问题-动作-结果-验证
③ 换关键词
对照 JD 改词
📄 资料包 ③ · 3 步操作清单（含具体操作）
照着这三步走，不漏项、不跑偏。建议配一杯咖啡，一个晚上改完。
| 步骤 1 列项目 |
目标：把所有经历倒出来，不挑不筛。 具体操作： ① 开一个表格，列三栏：项目名 / 你的角色 / 你做了什么（原话照抄） ② 把课题、论文、实习、比赛、甚至课程大作业都列上 ③ 这一步只管"倒"，不管"改"——数量越多越好，目标 15-20 条素材 |
| 步骤 2 拆四要素 |
目标：把每条经历拆成"问题 → 动作 → 结果 → 验证"。 具体操作：每条经历问自己 4 个问题： ① 问题：解决的是什么问题？（如"心电图信号噪声大") ② 动作：我具体做了什么？（如"设计滤波 pipeline"） ③ 结果：产出了什么？（如"信噪比提升 30%"） ④ 验证：怎么证明有效？（如"在 2000 条测试集上验证"） |
| 步骤 3 换关键词 |
目标：对照目标 JD，把学术词换成产品词。 具体操作： ① 把目标 JD 复制下来，高亮所有动词和名词关键词（如"feature""pipeline""闭环""落地"） ② 回到步骤 2 的四要素，把你的词替换成 JD 的词 ③ 用资料包②的 AI prompt 跑一遍，对比人工改的版本，取最优 ④ 每个岗位单独存一版，不要一份简历投天下 |
验收标准：改完后给一个非医学专业的朋友看，他能在 10 秒内说出"这人能干嘛"——就过关了。
8关键词不是造假，是解码
有人担心："把'读文献'改成'竞品调研'，是不是造假？"
不是。造假是虚构没做过的事；翻译是用对方听得懂的话，讲你真做过的事。
你确实读了 200 篇文献做调研——这跟"竞品分析"在能力上是同一件事，只是术语不同。换词不等于编故事。
9转行不是学新技能，是学新语言
这是我最想告诉你的一句话：
转行最大误区，是以为自己缺技术。于是刷课、刷题、刷项目，绕了一大圈。
真相是——你缺的是语言。你有的医学经历、研究能力、数据能力，本身就是产品能力，只是没被翻译出来。
学会翻译，你的存量立刻变资产。不用从零开始。
10今晚就动手改一份
别收藏吃灰。今晚就打开简历，挑最弱的 3 条，用今天给的对照表 + AI prompt 改一遍。
改完发我看，我帮你点评。一份翻译过的简历，能让你多拿 3 个面试。
本期资料包 · 领取关键词：翻译对照
以上 3 份资料已内嵌本页（15 组对照表 / AI 翻译 prompt 模板 / 3 步操作清单），可直接阅读使用。
📥 获取可编辑版本：
小红书/B站搜索本期视频，评论区留「翻译对照」即可领取完整可编辑模板。
📌 本期配有演示文稿（横版 BlockFrame / 竖版 BoldPoster，键盘翻页）