Python 工程师的技能栏，最常见的问题是"把会的关键词全列上"——Django、Flask、FastAPI、pandas、numpy、MySQL、Redis、Docker、Linux、Git……一长串，却看不出你到底擅长什么、用到什么程度。
技能栏的目标不是"证明我会得多"，而是"让面试官 3 秒判断匹不匹配岗位"。
❌ 反面：技能栏写成名词购物清单，从语言列到工具密密麻麻，却看不出主攻方向与熟练度，面试官扫一眼无法判断匹配度，ATS 也难提取关键能力。
✅ 正面：按"语言→框架→存储→工程工具"分层，只列真实用过的，并标注熟练度与项目用量（如"FastAPI 熟练，主导 3 个微服务"），让强项一眼可见。
区别就在"分层 + 标度"，而不是"罗列"。
很多人的技能栏像购物清单，从框架列到数据库，毫无重点。招聘方既看不出你主攻哪个方向，也判断不了熟练程度。技能栏应该是"你能力的目录"，不是"你见过的名词合集"，结构清晰比数量多重要得多。
把技能按它在项目中扮演的角色分组，比按字母罗列清楚：语言（主力语言与脚本）、框架 / 运行时（Web 与异步）、存储 / 中间件（库与队列）、数据 / AI（处理与建模）、工程化（容器与 CI）。这个结构让不同方向的面试官都能快速定位你的强项。
与其写"精通""熟悉"这种模糊词，不如用程度 + 真实用量：
| 程度 | 含义 | 写法示例 |
|---|---|---|
| 熟练 | 主导过生产项目 | FastAPI（熟练，主导 3 个微服务） |
| 常用 | 日常使用但非主导 | Redis（常用，缓存与限流） |
| 了解 | 看过 / 练过，未上生产 | Kubernetes（了解，部署过 Demo） |
"了解"不是缺点，诚实标注反而加分；"精通"才是高风险词，除非真能讲透源码。
- 语言：Python 3.10+（熟练）、SQL（熟练）、Shell（常用）
- 框架：FastAPI / Django（熟练，主导 5 个微服务）、uvicorn、Celery（异步）
- 存储：MySQL / Redis（熟练）、MongoDB（常用）、Kafka（消息）
- 工程：Docker / K8s / Git / GitHub Actions / Prometheus + Grafana
- 测试：pytest、locust（压测）
后端清单突出"服务与稳定性"：异步运行时、消息队列、监控，都是后端岗的硬指标。
- 语言：Python（熟练）、SQL（熟练）
- 数据：pandas / numpy（熟练）、PySpark（常用）、DuckDB（了解）
- 可视化：Tableau / Superset / matplotlib（常用）
- 治理：dbt（模型）、Great Expectations（质量）、Airflow / Prefect（调度）
- 统计：sklearn（常用）、假设检验（基础）
数据清单突出"指标体系与自动化"：调度、质量、可视化，比单纯列 pandas 更有说服力。
- 语言：Python（熟练）
- 框架：PyTorch（熟练，主导训练）、sklearn（常用）
- 部署：vLLM / Triton / BentoML（推理）、Ray / DeepSpeed（分布式）
- 数据：Spark / SQL（常用）、特征平台（设计过）
- 工程：Docker / K8s / MLflow（实验追踪）
AI 清单突出"训练与落地"：从建模到推理部署全链路，区分"会调包"和"真懂工程化"。
同一套技能，投不同岗位要重排：投后端把 Web 框架、存储、并发放前面；投数据分析把 pandas / numpy / 可视化前置；投 AI 把 PyTorch / 推理部署 / 特征工程前置。用見效简历模板时，可针对 JD 调整技能顺序，让匹配度更高的词出现在前三行。
证书是硬门槛或强加分项，建议单列并写清名称与等级（如"中级软件设计师""某云开发者认证 Associate"）。开源贡献不算技能名词，但能证明技能真实可用，放在"项目 / 其他"栏，写清你维护或贡献的项目、合并的 PR 数、解决的问题类型，比"熟练"更有力。
外企或国际化团队可单列"英语 CET-6 / 可读英文技术文档"；投大厂校招，算法能力是硬指标，可写"LeetCode 300+ 题，熟悉常见数据结构与动态规划"；普通业务开发这两项不必前置，把篇幅留给工程能力。
技能栏写的能力，最好在工作经历里能找到对应证据：写了 FastAPI 熟练，经历里就该有 FastAPI 项目与数字；写了 pandas 常用，经历里就该有数据分析产出。技能与经历对不上的，面试官默认注水。
一整段堆砌关键词且无分层，面试官看完不知道你擅长什么；顺序混乱把了解级技术放最前，匹配度高的反而藏后面；中英混排不一致（Python / python 混用）显得不专业。分层、标度、按 JD 排序，能避开大部分排版坑。
写"Python 3.10+ 类型注解"比"会 Python"更具体；写"Django 4.x""FastAPI 异步 + Pydantic v2"体现你跟进了生态，也方便面试官追问。
技能栏不是薪资决定因素，却是"面试机会"的决定因素：匹配度高的关键词出现在前三行，ATS 与 HR 才会把你放进面试池；标注熟练度让面试官预估你的产出，谈薪更有依据；把"工程素养"类技能（测试、性能、DevOps）写清，比多会一个框架更让人放心。
每学到一个能上生产的技能就更新进去，每完成一个项目把用到的技术标上"主导 / 常用"，别等离职才补。平时随手记，简历永远是最新的，面试官问起也能讲清来龙去脉。
写技能栏前，先把目标 JD 里的关键词圈出来，再对照自己的真实用量决定放不放、放第几行。匹配度高的写前面并标熟练度，弱相关的后置或省略。这样既能过 ATS，又让用人经理一眼看到你的核心价值，比盲目堆名词有效得多。
校招阶段，技能栏可以突出你学过的课程相关技术与练手项目用的框架，让面试官看到潜力；社招阶段，技能栏要突出主导过的生产与量化结果，弱化学过的但未上生产的。同一个人的技能栏，在不同阶段侧重点本就不同，别一份用到老。
手动排版技能栏容易格式乱、层级不清。用見效简历的技能分栏，按层填写并标熟练度，能自动生成整洁的分层结构，你只需专注内容与真实用量。写完后对照 JD 微调顺序，匹配度更高。
技能栏写得好，前提是真有这些能力。与其花时间美化措辞，不如把没上生产的库去练熟、把了解级的技术用到一个小项目里。能力到位，技能栏自然有底气，面试官一问也答得上来。
选择一个专业模板，10 分钟完成你的简历