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
- 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。
- 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。
- 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。
- 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 |
- 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。
- 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。
- 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。
- 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 |
- 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。
- 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。
- 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。
- 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 |
- 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。
- 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。
- 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。
- 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
- 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。
- 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。
- 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。