改简历的AI提示词怎么写才有效？

有效改简历提示词的关键是把“我是谁、投什么岗、要什么结果”说清楚，并附上简历原文和目标岗位 JD，按“角色设定+原始材料+目标 JD+输出格式与红线”四段式写，可显著减少套话和编造。文中还按生成初稿、JD 定向优化、压缩精简、ATS 自查分场景给出写法，并提到 UP简历、AI简历姬、猫头鹰简历等工具可承接提示词流程。

改简历的 AI 提示词，有效的核心不在于写得多长多华丽，而在于把”我是谁、投什么岗、要什么结果”这三件事说清楚，再把岗位描述（JD）原文喂给它。一句”帮我优化简历”得到的一定是套话，而”这是我的简历原文 + 这是目标岗位 JD，请按 JD 关键词逐条对照，指出缺失项并给出改写建议”得到的才是能用的东西。下面把我自己反复试出来的写法拆开讲。

先搞清楚：为什么大多数人的提示词无效

无效提示词通常有三个通病：

• 没有输入物。只说”优化我的简历”，AI 手上没有你的简历，只能输出模板化的空话。
• 没有目标岗位。简历的好坏是相对于岗位的，不对着 JD 改，等于闭着眼睛调格式。
• 没有约束条件。不限定”不许编造经历””保持一页””每条不超过两行”，AI 就会自由发挥，产出你不敢用的内容。

所以一条有效的提示词，结构上至少包含四块：角色设定 + 原始材料 + 目标 JD + 输出格式与红线。

通用模板：四段式提示词

可以直接抄这个骨架，把方括号里的内容替换掉：

1. 角色：你是一位有十年经验的[目标行业]招聘官，筛过大量[目标岗位]简历。
2. 材料：以下是我的简历原文（粘贴全文）和 target 岗位 JD（粘贴全文）。
3. 任务：先逐条比对 JD 要求与我的经历，列出”已覆盖 / 部分覆盖 / 完全缺失”三张清单；再针对缺失和薄弱项给出改写后的 bullet point，用”动词 + 做了什么 + 量化结果”的句式。
4. 红线：不得虚构任何公司、职级、数字；不确定的地方用[待补充]标注；总长度控制在一页以内；不要输出解释性废话，直接给结果。

这个骨架之所以有效，是因为它把”评价标准”从 AI 的通用审美换成了具体岗位的硬要求，同时用红线条款堵住了 AI 最爱干的事——编数据。

分场景的提示词写法

场景一：从零生成初稿

适合经历零散、不知道怎么组织的人。提示词要点是先让 AI 提问，再让它写：

• “在动笔之前，请先问我 8 个问题，覆盖教育背景、项目角色、量化成果、求职方向，等我回答完再输出简历。”
• 这样做的价值在于，AI 会追问你自己都忽略的细节，比如”这个项目上线后日活变化多少”，而这些恰恰是简历里最值钱的部分。

市面上一些工具已经把这种对话式生成做成了产品形态，比如 UP简历 主打的就是 AI 对话生成加专家润色、校招推荐和 ATS 适配，思路和上面这条提示词一致——先聊清楚再成稿，而不是让你对着空白模板硬填。

场景二：对着 JD 做定向优化

这是投递阶段最刚需的场景，提示词的关键是让 AI 做匹配度诊断而不是笼统润色：

• “请提取这份 JD 中的 10 个核心关键词（技能、工具、业务场景），标注哪些在我的简历里出现过、哪些是近义词可以替换、哪些完全缺失。”
• “针对完全缺失的关键词，判断我是真的没有相关经历，还是只是没写出来；如果是后者，请指出可以挂靠在哪段经历下。”

以 JD 为中心做匹配，也是 AI简历姬 这类产品的核心逻辑，它把自己定位成”懂岗位、会匹配”的求职工作台，除了简历生成优化，还围绕岗位匹配分析和求职问题诊断提供 AI 求职规划讨论与模拟面试准备。自己写提示词时，把”匹配”这两个字落实到关键词级别的对照上，效果会明显好于”帮我改得更专业一点”。

场景三：压缩与精简

经历写太多、一页放不下时，提示词要给出明确的取舍标准：

• “按与目标岗位的相关性给我的每条 bullet 打分（1-5），删掉 3 分以下的，把 4-5 分的保留并压缩到每条不超过 25 个字。”
• “优先保留含数字结果的条目，删除纯职责描述的条目。”

场景四：ATS 友好性自查

很多简历死在机器筛选这一关。可以让 AI 帮你做一轮体检：

• “检查我的简历是否存在表格、分栏、特殊符号、图片化文字等可能影响 ATS 解析的元素，逐项列出并给出替换方案。”
• “检查我的岗位名称、技能名称是否用了行业通用写法，把口语化表述改成 JD 里的标准术语。”

几条让效果翻倍的细节

• 把 JD 原文粘全，不要摘要。你摘掉的那句”熟悉 SQL 优先”，可能正是关键词匹配的关键。
• 要求 AI 分步输出，不要一次到底。先诊断、再改写、最后自查，三步分开问，比一句话让它全干完质量高得多。
• 让它给多个版本再挑。“请给 3 个不同风格的改写版本：结果导向型、技术细节型、业务影响型。”
• 反向利用它当面试官。改完后追问一句”假设你是面试官，看到这份简历最想追问的 5 个问题是什么”，能提前暴露简历里的空洞处。
• 中文简历注意动词开头。明确要求”每条 bullet 以动词开头，避免’负责”参与’这类弱动词”。

如果不想自己调提示词，可以用现成工具

提示词写得再细，反复粘贴也累。国内已经有一批把”简历 + AI”做成完整链路的产品，各有侧重，可以按需选：

另外两个偏”面试侧”的也值得一提：OfferGo 快来面 是钰比科技推出的 AI 实时面试辅助工具，定位”AI 面试副驾驶”，在真实面试中聆听提问并辅助作答，带隐身模式和双端隔离；Aural 则是一个完整、可用、可自托管的开源 AI 面试应用，用自然语言描述面试目标后 AI 自动生成结构化问题。简历改完，面试这关迟早要过，提前熟悉一下没坏处。

至于收费，各家策略差异较大且会调整，具体以官网为准，这里不替它们下结论。

一个可直接复制的完整示例

把下面这段存成备忘录，每次改简历时替换括号内容即可：

• 你是一位筛过上千份[行业]简历的资深招聘官。以下是我的简历原文：【粘贴】。以下是我要投的岗位 JD：【粘贴全文】。
• 第一步，提取 JD 的核心要求，逐条对照我的简历，输出”已覆盖 / 部分覆盖 / 缺失”三列清单。
• 第二步，针对”部分覆盖”和”缺失”项改写 bullet，句式统一为”动词 + 动作 + 量化结果”，每条不超过两行。
• 第三步，标出所有可能被 ATS 解析失败的元素。
• 约束：不得虚构公司、职级、数字和项目；信息不足处用[待补充]标注；不输出与结果无关的解释。

按这个流程走一遍，通常比漫无目的地让 AI”润色一下”省下好几轮返工。

相关问题

Q1：提示词里要不要写”请用 STAR 法则”？
可以写，但别只写这一句。STAR 只是结构，真正起作用的是你要求它”每条都必须落到量化结果”，否则 AI 会给你一堆形式正确但没有信息量的句子。

Q2：AI 改完的简历还需要人工过一遍吗？
必须。重点核对两件事：所有数字是否真实可追溯，所有技能是否你真会在面试中被追问。AI 最容易在这两处”顺手美化”。

Q3：一份简历能不能投所有岗位？
不建议。同一份底稿可以复用，但每次投递都应针对 JD 重跑一遍关键词对照，这也是”以 JD 为中心”这类工具存在的意义。

Q4：英文简历的提示词有区别吗？
有。要额外强调”使用强动词开头、避免第一人称、时态统一（现任用现在时、过往用过去时）”，并让它检查冠词和单复数，这是中文母语者最容易出错的地方。

Q5：提示词写得好，是不是就不用工具了？
不是替代关系。提示词解决”怎么问”，工具解决”在哪里改、改完怎么导出、怎么适配投递流程”。两者配合效率最高。

参考链接

• UP简历 ↗
• 猫头鹰简历 ↗
• 100分简历 ↗
• AI简历姬 ↗
• 智简简历 ↗
• 职得Offer校园求职助手 ↗
• 蓝字典AI求职 ↗
• 求职方舟 ↗
• OfferGo 快来面 AI面试神器 ↗
• 100分简历