第92章 简历优化（2/2）

T厂。中国互联网的顶级殿堂之一。他三十五岁，再次失业六个月，靠着自学和一股狠劲，竟然敲开了那扇门的第一道缝隙。哪怕只是电话初筛，也意味着他的简历没有被系统自动过滤，没有被HR直接扔进“年龄过大”的垃圾桶。

黑暗里，他想起六个月前那个绝望的下午，在星巴克刷招聘软件，投出去的简历石沉大海。想起妻子苏婉深夜端来的那碗汤，说“大不了我养你”。想起自己对着吴恩达的课程视频，一遍遍重看梯度下降公式。

然后他想起那根资金曲线。从七万开始，缓慢爬升，偶尔回撤，但整体坚定向上。就像他这几个月的人生。

第二天早晨七点，林晨准时起床。先打开电脑查看系统状态——昨夜美股交易时段，外汇策略小赚0.8%，系统总资产来到9万元。他做了日常数据维护，然后开始系统性梳理自己的知识体系。

不仅仅是准备面试，更是对自己这几个月学习成果的重新架构。他画了一张思维导图：中央是“AI量化系统”，延伸出五个分支——数据层、特征工程、模型层、策略层、风控层。每个分支再展开具体技术选型、理论依据、实现细节、踩过的坑。

这个过程花了整整一上午。当思维导图完成时，林晨有种奇异的通透感。那些散落在笔记本、代码注释、论文摘要里的知识点，被一根逻辑线串起来了。他不再只是一个“会调用PyTorchAPI”的程序员，而是真正理解这套系统为何如此设计、每个选择背后权衡的构建者。

下午，他做了两件事：第一，把思维导图精简成一张架构图，放进作品集；第二，根据李顾问的提示，开始准备“宏观思考”部分。

AI在金融领域的应用。林晨泡了杯浓茶，对着空白文档思考。他回想起自己最初为什么选择量化方向——不仅仅是为了赚钱，更是因为金融数据是检验AI模型泛化能力的绝佳战场。股价预测是典型的“小样本、高噪声、非平稳”问题，任何在这里有效的模型，其鲁棒性都经过极限测试。

他写下几个观点：

AI不会完全替代人类研究员，但会重新定义研究员的角色——从手动挖掘因子，到设计因子挖掘框架、评估模型有效性、理解模型决策逻辑。

当前AI量化的瓶颈不在于模型复杂度，而在于高质量标注数据稀缺、市场机制建模困难、过拟合风险极高。解决这些需要跨学科知识：金融、计算机、统计、甚至行为经济学。

长期看，AI将推动量化投资从“黑箱策略”转向“可解释策略”，监管压力和客户需求都会朝这个方向推动。

写到这里，林晨停顿了一下。他意识到，自己这几个月积累的，不仅仅是技术能力，还有某种“行业视角”。这是年龄和经历给的礼物——一个二十五岁的天才算法工程师可能写出更优雅的模型代码，但未必能理解金融市场深处的博弈逻辑和人性弱点。

傍晚五点，手机再次响起。是一个固定电话，号码显示来自“鹏城南山区”。

林晨深吸一口气，接听。

“您好，是林晨先生吗？我是T厂金融科技部的招聘专员，收到您的简历，想跟您约个时间做电话初筛，大概三十分钟，聊聊您的项目经验和职业规划。您看明天上午十点方便吗”？

声音干练，语速适中，标准的互联网大厂HR腔调。

林晨稳住呼吸：“方便的。明天上午十点，我准时等您电话”。

“好的。我们会重点聊聊您的量化系统项目，请提前准备一下。另外，请确保通话环境安静。那明天联系”。

电话挂断。

林晨握着手机，在书房里站了好一会儿。窗外，夕阳正把天际线染成橙红色，远处腾讯滨海大厦的玻璃幕墙反射着暖光。

他走到客厅，妻子苏婉正在陪乐乐搭积木。看到他的表情，苏婉抬起头：“有消息了”？

“嗯。T厂，明天电话面试”。林晨说，声音里带着克制住的激动。

苏婉眼睛一亮，放下积木走过来，握住他的手：“太好了！我就知道你能行”！

乐乐也跑过来抱住林晨的腿：“爸爸要上班了吗”？

林晨弯腰抱起儿子：“爸爸要去试试看。成不成还不知道，但至少有机会去试试了”。

那天晚上，一家三口吃了顿简单的火锅。林晨没怎么聊面试的事，反而说起乐乐幼儿园的趣事，说起老家乡下亲戚要翻修房子。但餐桌下的手，一直微微攥着。

睡前，林晨最后检查了一遍邮箱和招聘平台。发现又有两家公司查看了他的简历，其中一家是知名的外资量化基金。平台站内信里，还有另一个猎头的留言，询问他是否对某AI独角兽的算法岗位感兴趣。

他把这些信息记录下来，没有立刻回复。先集中精力过T厂这一关。如果初筛通过，后面还有至少两轮技术面、一轮总监面、一轮HR面。每一关都是硬仗。

关灯躺下时，苏婉在黑暗里轻声说：“别想太多，正常发挥就好。你现在的能力，比六个月前强了十倍都不止”。

林晨“嗯”了一声，握住她的手。

他知道自己强了。但职场竞争从来不是绝对值的比拼，而是相对位置的争夺。在T厂那样的地方，每个候选人都是顶尖的。他的优势在于跨界经验——十年工程功底加上AI量化实战。他的劣势也在于跨界——没有正统的AI学术背景，没有大厂算法团队经验。

成败的关键，在于他能否让面试官相信：这个三十五岁、半路出家的程序员，用四个月时间野蛮生长出来的AI系统，不是玩具，而是一个真正有洞察、有潜力、有商业价值的作品。

而证明的方式，不是靠华丽的术语堆砌，而是靠对每个技术细节的透彻理解，对每个设计选择的清晰解释，对每个失败教训的坦诚剖析。

代码可以骗人，但逻辑不会。

人更不能。