ai写简历提示词有哪些,常见问题和做法(先分清:你要的是「改一句话」还是)

办公与行业

拆解 AI 写简历提示词的几类写法,给出挑选、组合与验收的判断标准,避免生成一堆漂亮但没用的空话。

用 AI 改简历,很多人卡在同一个地方:提示词写得太笼统,生成出来的句子全是「具备良好的沟通能力和团队协作精神」,看着顺眼,投出去没人回。这篇不讲大道理,直接把写简历时常用的几类提示词拆开,告诉你每类适合什么场景、什么情况下不好使、拿到输出后怎么判断能不能用。

先分清:你要的是「改一句话」还是「重写一段经历」

很多人打开对话框第一句就是「帮我优化一下简历」,然后等着模型给出一版金光闪闪的成品。结果拿到的往往是一堆「具备良好的沟通能力」「熟练运用各类办公软件」——不是模型笨,是它压根不知道你要干什么。同一句「优化」,可能是把某句话改得通顺点,也可能是把一段经历重新排结构,也可能是从零写一段你还没写的东西。这三种需求的提示词,长度和信息量能差出好几倍。

需求类型你手上有什么提示词要给什么模型该产出什么
措辞润色已有完整句子,只是读着别扭原句 + 岗位 + 希望的语气/侧重点同一意思的 2-3 个改写版本,事实不变
结构重组有零散素材,但顺序乱、重点埋了全部原始素材 + 岗位 + 想突出的能力重排后的段落结构,并说明为什么这么排
从零起草只有岗位 JD,自己还没落笔岗位职责 + 你做过的具体事 + 输出格式一段可填空的草稿,标出哪里需要你补事实
混合型部分段落能改、部分要新写分开说,哪段润色、哪段重写分块交付,别混在一起

差别在哪?润色类提示词通常几十个字就够,因为你已经把事实喂进去了,模型只做语言层面的替换;重组类要你把项目背景、职责、结果都摊开,提示词可能几百字;从零起草最费劲,因为模型没有你的素材,只能靠你提供的岗位信息去搭骨架,然后反过来问你缺什么。需求越靠后,提示词越长、越像一份brief,而不是一句指令。

  • 提示词里有没有出现目标岗位或岗位方向——没有的话,模型只能按「通用好简历」的模板写,套话率极高
  • 有没有给出你的原始事实:做过什么、在什么场景、大概什么量级的变化(量级不用精确,说清方向即可)
  • 有没有说清输出格式:要几个版本、多长、分点还是成段、要不要保留原句
  • 三个要素里缺两个以上,基本可以判定这版输出用不了,改提示词比改结果更省时间
  • 缺一个的话还能救:补上缺的那一项重发一次,通常比在错误输出上手动改快
  1. 先给自己的需求归个类对着上面那张表看:你手上有没有现成的句子?有就是润色,有零散素材就是重组,只有岗位没素材就是从零起草。归类错了,后面提示词怎么写都别扭。
  2. 把三要素凑齐再发岗位、原始事实、输出格式,至少写进两个。比如「我要投XX方向的产品岗,这是我原来写的一段:……,请在不加新事实的前提下改得更具体,给两个版本」。发之前扫一眼,缺哪项补哪项。
  3. 拿到结果先做事实核对模型改写时可能会顺手「补」一些你没写过的数字或成果。逐句对照你的原始素材,凡是你没提供过的内容一律删掉或改成你真实的情况,别直接拿去投。
  4. 发现素材不够就停手如果模型反复只能吐出空话,说明不是提示词的问题,是你这段经历本身没有可写的东西。这时候该去翻项目记录、找同事对一下当时的数据,而不是继续换措辞调提示词。

角色锚定型:先让模型站在招人那一边看

角色锚定型的思路很简单:别让模型当「通用写手」,让它坐到招人那一侧的椅子上。写提示词时把身份写具体,比如「你是某电商公司招后端开发的用人经理,正在筛这一批简历」,比「你是资深猎头」有用得多,因为具体岗位的具体人,取舍标准才清楚。

光给身份还不够,再补一句这个岗位最看重什么,比如「这个岗位最看重线上故障排查经验和跨团队协作」,模型才知道哪些经历往前放、哪些一笔带过。这句话最好从目标岗位的招聘描述里摘,不要自己编。

写法效果差别
你是资深猎头视角泛,容易给出放之四海皆准的套话
你是某类岗位的用人经理会按岗位硬性要求删减、排序
加上一句岗位最看重什么取舍有依据,改动能落到具体句子上
要求它逐条说明改动理由方便你判断角色设定到底起没起作用
  • 看输出里有没有出现只有这个岗位才会关心的判断,比如「这段经历和岗位要求的排查能力对不上」
  • 看它有没有删或压掉某些内容,只换措辞说明没真正代入
  • 看改动理由能不能对上你给的那句「最看重什么」
  • 如果三条都落空,先把身份和岗位重点写得更具体再试一次

还有一条边界:如果目标岗位的招聘描述本身写得很虚,角色设定再具体也推不动,此时先把岗位要求拆成几条硬指标再喂给模型。改完的版本可以拿去对照站内 简历提示词指南(/guides/resume-prompt) 里的检查项过一遍,别只看读起来顺不顺。

事实注入型:把「你做过什么」喂进去,别让它猜

让模型改写简历时,最容易出问题的做法是给一句「帮我润色下这段经历」就放手不管。模型不知道你具体干了什么,只会按岗位关键词去补细节,最后写出来的内容读着顺,一问就露馅。正确做法是先把「我做过什么」整理成一段原始素材,再交给它改写。

  • 做了什么:具体任务、负责的范围,别写「参与项目」这种空话
  • 服务谁:面向什么用户、客户或内部哪个团队,规模大概多少
  • 用什么方法:工具、流程、协作方式,能说清的就写清
  • 结果如何:尽量给可核对的量级或变化方向,数字以你自己掌握的为准
  • 缺口在哪:哪些信息你记不清了,先标出来,别让它替你填

素材给到之后,提示词里要写死一条约束:不得新增我未提供的事实,信息不足就反问我,不要自行补充。这句话能挡掉大部分编造。模型追问时,你能答的答,答不上来的就从简历里删掉。下面是一个可复用的提示词结构,把括号里的内容换成你的素材即可,别整段照抄。

下面是我的真实经历素材:{做了什么/服务谁/方法/结果}。请据此改写为简历条目,要求:1. 只使用我提供的事实,不得新增任何数字、工具名、职责范围;2. 缺少关键信息时先向我提问,不要自行补全;3. 每条不超过两行,动词开头;4. 输出后单独列出你做了哪些推断。

输出之后别急着用,逐条核对每个数字和动作:你亲口说过的,留下;你没提过的,删掉或改回真实情况。判断标准很简单:这条内容被面试官追问时,你能不能讲出对应的具体事情。讲不出来的,就是模型编的。

结构型:让每条经历按「动作—方法—结果」排好

结构型提示词的核心思路,不是让 AI 帮你把经历写得更漂亮,而是让它先把每条经历摆进同一个模子里。你给它的指令里要明确两点:每条经历都用同一个开头动词,句式长度控制在同一量级。不这么要求,输出的东西经常一半是「负责某某模块」,一半是「主导某某改造」,读起来像两个人写的。判断标准很直白,看「负责」和「主导」是不是混着出现,混了就说明结构没对齐。

提示词里要写死的约束为什么要写不写会怎样
每条经历统一用动词开头,同一段经历内不换动词层级让读者一眼分清主次「负责」和「主导」交替出现,贡献度看着忽高忽低
单条描述控制在相近字数,必要时明确上限避免一条三行一条半行最亮眼的经历被最短的句子埋掉
输出三列表格:原始描述、改写版本、改动理由方便你逐条判断改得对不对只给改写结果,改错了你也看不出来
改写不得新增原始材料里没有的事实防止 AI 补出你没干过的事面试被追问细节时对不上
  1. 先交给它原始素材把简历里这几条经历的原话贴进去,不要提前润色,越原始越好。同时说明这是哪类岗位,让它知道该往哪个方向收。
  2. 把结构约束单独列成一段写明「所有条目动词开头」「同一层级用同一动词」「每条字数接近」,不要夹在别的需求里一起说,否则它只顾着改措辞。
  3. 要三列表格,不要成稿要求它逐条给出原始描述、改写版本、改动理由三列。改动理由这列最有用,你能看出它是真的重组了结构,还是只换了几个词。
  4. 自己过一遍再定稿挑出改动理由站不住的那几条,退回让它重写或者你手改。结构化改写最容易在理由那一栏露馅。

验收只看一个动作:随便抽一条改写后的经历,十秒内能不能看出你做了什么、影响了谁。看不出来就说明要么动词太虚,要么结果那半句被砍掉了。反过来也要小心,技术岗和研究岗不适合这么压。实验方法、技术栈、指标口径这些细节本身就是筛选信息,为了句式整齐把它们删掉,简历反而变弱。这类岗位用结构型提示词时,只统一开头动词,别强制压缩长度。

批量对比型:一次生成多个版本再挑

同一段经历,与其让模型写一版然后反复改,不如一次让它按不同侧重出三版:一版偏结果,一版偏方法,一版偏协作。三版放在一起,差别一眼能看出来,你再决定往哪个方向打磨。这个做法适合投递量不大、愿意在一份简历上多花点时间的人;急着一批投出去的时候,性价比反而低。

版本侧重提示词里补一句什么适合什么岗位
偏结果同一条经历,重点写做成了什么、带来什么变化业绩导向、销售、运营、项目管理
偏方法同一条经历,重点写怎么做的、用了什么流程或工具技术、研发、分析、流程类
偏协作同一条经历,重点写跟谁配合、推进了哪些跨团队的事产品、项目经理、客户成功
  1. 先把原始素材摊开岗位描述、你的几段经历、每段的结果和做法,原样丢给模型,别先总结。素材薄的话,三版一定像。
  2. 一次要求三个版本明确说:同一段经历写三版,分别偏结果、偏方法、偏协作,每条一句话,不要扩写。看它是不是真按三个方向分开了。
  3. 拿关键词做对照把岗位描述里的关键词列出来,逐版数命中几个。命中多的那版优先,全都没命中的关键词说明你真缺这块经历,别硬编。
  4. 定版后再细改选中一版做底稿,再让模型只改措辞和长度,不要重新生成,免得又跑回雷同的老路。

什么情况下别用这招:一次要投很多家、每份简历都得微调的时候,逐条对比三版的成本太高,固定一套模板加少量改动更省事。另外,原始素材里本来就没什么可写的经历时,三版也拉不开差距,这时更该补经历本身,而不是调提示词。想先看各家模型在同一段提示词下的稳定程度,可以到 站内模型对比页 看当时的记录,再决定用哪个写底稿。

拿到输出后的三道检查

模型给的简历草稿最大的问题不是写得差,而是写得「太顺」,顺到你不会怀疑里面混进了它自己编的东西。拿到输出后别急着往模板里粘,先过三道检查:事实、口径、可读性,最后再做一个关键词对照的收尾动作。四步走完再定稿,能挡掉大部分面试翻车点。

检查项看什么不通过怎么办
事实数字、时间、职责范围是否都能由你自己说清来源模型补的一律删掉,宁可留空也别凑
口径同类指标前后表述是否统一全文统一成一种写法,比例或绝对值二选一
可读性每句话面试时能不能自然说出口说不出口的整句删,不留半句
关键词和岗位描述逐条对得上吗缺口列出来,决定补经历还是改措辞
  1. 事实核对:逐条标来源把简历里每个数字、每段起止时间、每项职责范围圈出来,问自己一句「这个我是从哪知道的」。答不上来的就是模型补的,直接删。删完发现某段变空了,说明那段本来就没料,换一段真实经历顶上,别让模型再帮你「润色」回来。
  2. 口径统一:同类指标只留一种写法通读一遍,看同类成果是不是一处写提升比例、一处写绝对数量、一处写「大幅」。挑一种最能站住脚的写法全文统一。统一完再看有没有前后矛盾,比如前文说负责整块业务、后文只写协助某一环,这种职责范围上的不一致面试官一问就露。
  3. 可读性:出声念一遍把简历念出来,凡是你自己听着别扭、面试时不好意思说出口的句子,整句删掉,不要改成半句留着。念着顺、说着有底气的才留。这一步花不了几分钟,但能滤掉大量模型味的空话。
  4. 关键词对照:拿最终版去撞岗位描述把岗位描述里的要求逐条列出,对着简历找对应证据。对得上的打勾,对不上的单独列一张缺口表,再判断是补一段真实经历、还是把已有经历的措辞往岗位语言上靠。措辞能改,经历不能编。
  • 数字类:任何百分比、金额、人数、时长,先问来源,答不上就删
  • 时间类:起止月份和任职时长要和事实一致,模型最容易把时间段写圆
  • 职责类:写「负责」还是「参与」要经得起追问,别让参与变成主导
  • 口径类:同一份简历里同类成果只用一种计量方式
  • 语气类:念一遍,说不出口的句子整句删
  • 对照类:缺口清单单独记,别在简历里硬填

这套检查有个适用边界:如果你投的是海投、岗位描述本身就写得含糊,关键词对照那一步收益不大,重点放在事实和口径上就行。反过来,投的是明确写了硬性要求的岗位,第四步的缺口表就值得多花时间。另外,模型改稿后一定重新过一遍前三道,它每改一次都可能顺手补进新东西。想省事的话,改写前后的版本都存着,方便回查哪句话是哪来的。

下一步检查完简历,提示词本身也值得复盘:哪些说法让模型少编了、哪些反而引来一堆空话。可以到站内指南中心翻提示词相关文章对照着调,下一次生成就能少返工。

用什么工具跑,以及哪些内容不能直接贴

挑工具不用纠结哪个最火,就看三件事:能不能一次把整份简历喂进去、能不能在同一会话里保持上下文、导出的东西好不好再编辑。三条里缺一条,后面改起来就会很别扭。

看什么合格的样子不合格会怎样
整份简历一次喂进粘贴或上传后结构完整,分节不乱得分段拆开发,模型看不到前后关系,改出来前后打架
多轮上下文同一会话里接着提要求,它记得刚才改过哪儿每轮都要重贴简历,改到第五版时你自己都分不清哪版
导出格式方便再编辑能给回可复制的纯文本或带分节的稿子只给一大段不带结构的输出,还得手工拆回简历模板

如果只是想先跑通流程,用你日常已经在用的对话工具就行,先用脱敏版试一轮,看它能不能读出你的岗位和职责,再决定要不要换更顺手的。换工具的成本主要在重贴和重调提示词,不在工具本身,所以第一次别急着办任何付费的事。

脱敏版
把手机号、身份证号、住址门牌这类可定位到人的信息替换或删掉的版本
内部代号
公司内部项目名、系统名、客户代号,对外没有意义的都算
多轮上下文
同一会话里模型能记住前面几轮你说过的要求和已改过的段落
  1. 先做一份脱敏版手机号、身份证号、住址门牌换成占位符;现公司的内部项目代号换成「某业务系统」这类泛称。做完自己读一遍,确认搜不到能定位到你的信息。
  2. 拿脱敏版跑第一轮整份贴进去,让它先复述你的岗位、年限和主要职责。复述不准,说明它没吃进结构,先别让它改。
  3. 再决定贴多少不确定某个平台怎么存数据,先去站内看隐私与合规说明,再回过头决定贴脱敏版还是只贴结构。

常见问题

提示词写得越长越好吗?

不是。长度要为信息密度服务,真正有用的是岗位信息、你的原始事实、输出格式这三块。堆一堆「你是资深 HR」之类的修饰,但没给素材,输出照样是空话。宁可短一点,把已做过的事写清楚。

把我整份简历贴进去让它重写,行不行?

可以,但要加两条约束:不许新增你没提供的事实,不确定的地方标出来问你。另外整份贴进去容易让模型把不同段落的措辞统一成一种腔调,反而看不出你的差异,建议分段处理。

为什么生成的内容看起来很专业却没人回?

多半是内容对不上岗位。专业腔调不等于匹配度,招聘方看的是你的经历和这个岗位的关系。拿到输出后要拿岗位描述逐条对,对不上的地方要么改措辞要么承认确实缺这块。

不同类型岗位的提示词要换吗?

要换,但换的是重点不是格式。偏执行的岗位多强调具体动作和产出,偏研究的岗位要保留方法和细节。判断标准是:把这份简历给同岗位的从业者看,对方能不能看懂你在做什么。

改完还需要自己再动一遍吗?

基本都需要。模型给的是初稿,事实核对和语气调整得你自己来。凡是面试时说不出口的句子就删掉,这是最省事的验收标准。

本文依据各平台公开文档与官方公告整理,只做中文归纳;具体做法、参数与限制以官方文档为准。