简历要写Token使用量和AI工具落地经验

以前面试，HR和业务方问你的问题基本就那几个，做了几年产品，带过多大的团队，做过什么项目，上线过什么功能。但最近我发现一个变化，开始有人问你用过哪些AI工具，用AI落地过什么场景，甚至有人会问你大概消耗了多少Token。

这个变化挺有意思的。

我自己的感受是，AI使用深度正在成为产品经理的一个新评估维度。不是说你会不会用ChatGPT或者DeepSeek，而是你用了多深，用AI真正解决过什么问题，产出过什么可交付的成果。

说到Token这个事，我自己消耗的量远超最初的预期。

刚开始用的时候觉得1000万Token是个很大的数字，后来发现真正拿AI干活的时候，1000万Token能干的事情真不多。一个稍微复杂点的功能从需求讨论到方案输出到原型生成，跑下来就是几百万Token起步。让我意识到Token使用量，它背后能反映你跟AI协作的深度。

Token使用量是怎么跑起来的

很多人可能觉得，用AI不就是问个问题拿个答案嘛，能消耗多少Token？我一开始也是这么想的。

拿我自己的prd-skills技能举例。

我在Claude里搭了一套从需求输入到方案输出的工作流，一个功能做下来，要先把需求背景喂进去，然后跟AI反复讨论方案细节，讨论过程全部留痕，确认方案后让AI输出完整的PRD文档，最后还要生成HTML原型。这一套跑下来，一个稍微复杂点的功能，100万Token都不够用。

但真正吃Token的还不是这些。是上下文和记忆。

你跟AI聊一个复杂项目的时候，前面聊过的背景信息、业务规则、技术约束，AI都需要在上下文里保持住。聊着聊着上下文就满了，我经常搞到上下文受限，不得不用/compact压缩一下再继续。压缩完再展开，又是一轮Token消耗。更离谱的是AI在开发测试环节的报错循环，写一段代码，跑一下报错，把错误信息贴回去让AI改，改完再跑再报错，这个循环下来Token消耗是惊人的。

我前段时间搭个人知识引擎系统，从架构设计到功能开发到调试上线，搞了好几天，估摸消耗了2亿Token。

2亿，这个数字说出来可能有人觉得夸张，但你真正用AI从零搭一个系统就知道，这个量级才是真正在用AI干活的体感。

Token用量，反映的是你跟AI协作的深度。

很多人使用AI还停留在问答模式，不是说问答模式不好，而是这个阶段的AI使用经验，写进简历里分量是不够的。

把AI当搜索引擎用不算落地经验

这块需要注意一下，很多人说自己会用AI，但你仔细一聊就会发现，他们只是把百度换成了DeepSeek。问一句答一句，查个概念，翻译个文档，总结个会议纪要。

我不是说这些没用，有需求就有市场，这些场景确实能提升效率。但如果你把这个写进简历里说自己有AI落地经验，面试官稍微追问两句你就接不住了。

真正的落地是什么？是你用AI完成了一个完整的工作流，解决了一个具体的业务问题，产出了可交付的成果。

我给你对比一下两种用法的差异。

搜索式用法，遇到问题问AI，拿到答案就走，下次遇到类似问题再问一遍。这跟你用百度搜索没有本质区别，只是搜索结果质量更高了。

工程式用法，你把AI嵌入到你的工作流程里，让它参与需求分析、方案设计、原型生成、代码开发、测试验证的全过程。你跟AI之间不是一问一答的关系，而是持续协作的关系。

后者才值得写进简历。

简历上应该怎么写AI落地经验

说到具体怎么写，我觉得核心就是把三件事讲清楚。

第一，你用AI做了哪些场景。不要笼统地说我会用AI，要说具体的场景。用Dify搭过什么工作流，用N8N做过什么自动化流程，用Claude Code写过什么代码、搭过什么系统，用AI生成过图片、视频还是文章。每一个都是可以写进简历的实际经验。

第二，解决了什么问题。你搭的这个工作流，是解决了数据查询效率低的问题，还是解决了需求文档产出慢的问题，还是解决了测试覆盖不全的问题。问题要具体，不能说我用AI提升了工作效率，这话等于没说。

第三，提升了什么效率，需要有量化数据。以前写一份PRD要两天，现在用AI协作半天搞定。以前搭一个原型要一周，现在用Claude Code两天出可交互的HTML原型，这些数字面试官是能感知到的。

顺着这个再说一个我踩过的坑。做系统的时候尽量用同一个大模型，而且要用最新版本。我之前为了省钱混着用不同模型，结果上下文能力不一样，目前DeepSeek只有128k上下文，很快就用完了，得压缩后再来继续，容易流失关键信息。

不同模型理解和处理问题能力差距也很大，同样的需求有的模型很快就处理好了，有的模型搞几个小时还在那瞎折腾。

来回折腾浪费的时间和Token远比省下的钱多。不要贪便宜用老版本，模型能力差一代，输出质量差的不是一点半点。

给大家一个简历写法的具体示例。不要写我会用ChatGPT，这跟写我会用Word一样没有信息量。

要写，我用Claude Code搭建了个人知识引擎系统，消耗约2亿Token，实现了个人知识的结构化存储和智能检索，将知识查找效率提升了多少倍。

场景、问题、效率，三个维度写清楚，这才是一条有分量的简历经验。

这个趋势对产品经理意味着能力升级

回到更大的视角来看，产品经理的能力评估维度确实在发生变化。

以前看你画原型的能力，Axure用得熟不熟，交互细节想得全不全。看你写PRD的能力，文档结构清不清晰，边界条件考虑得周不周到。这些能力依然重要，但评估标准在变，不是看你能不能做，而是看你能不能用AI把这些事情做得更快更好。

我自己现在在公司已经没有手动画原型了，不是说画原型这个技能不重要，而是我找到了更高效的方式。用AI生成HTML原型，速度快，可交互，还能直接给开发看效果，这个变化对我来说是实实在在的效率提升。

不要小看任何一个工具。Dify背后是工作流编排的思维，N8N背后是自动化的思维，Claude Code背后是用自然语言驱动开发的思维，每一个工具都代表一种新的工作方式。你掌握的不只是工具本身，而是工具背后的那套协作模式。

我做了这么多年产品，越来越觉得一件事，工具的变化速度永远比你想象的快，但底层的产品思维和解决问题的能力是不变的。AI不会取代产品经理，但会用AI的产品经理会取代不会用的。这话虽然被说烂了，但它确实在发生。

别人还在讨论AI取代谁，你应该已经在用AI干活了。

Token使用量和AI工具落地经验，正在成为产品经理的新硬通货，这个趋势不可逆。

简历上写Token使用量不是炫耀，是证明你真的在用AI解决实际问题。它代表的是你跟AI协作的深度、你处理复杂任务的能力、你对新工具的掌握程度。

在找工作的同学我建议大家就去盘一下自己用AI做过的事情，按场景、问题、效率三个维度整理出来，写进简历里。哪怕你现在的经验还不多，也可以从今天开始有意识地积累，每做一个AI相关的项目就记录下来。

以前面试问你几年经验，现在问你消耗了多少Token，用过哪些AI工具。这个变化已经在发生了，各位产品经理们别等到被问的时候才开始准备喔。

—— END ——

如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～

欢迎加入我的知识星球，一起学习成长。

点击关注 “产品经理方法论”，

快速成长的方法论