AI 可以帮你更快组织简历，但它不应该替你“制造亮点”。真正有说服力的简历，来自可复述的工作场景、清晰的个人动作和可核验的结果。先把素材做实，再让 AI 负责结构和表达，才能避免读起来漂亮、追问就露怯的问题。
先建立经历事实库
不要一开始就让 AI 写整份简历。先按项目或岗位列出：业务背景、你的职责、具体动作、协作对象、结果证据、可公开范围。结果没有精确数字时，写“减少了几步”“提前完成了哪个节点”“被谁采用”，同样比空泛形容词可靠。
下面是我的经历素材。请先只做事实整理：区分背景、我的动作、协作内容和结果；标出缺少证据或可能夸大的地方。不要新增任何经历、数据、工具或职位名称。
用岗位描述建立匹配表
| 岗位要求 | 经历里的证据 | 需要补充的事实 |
|---|---|---|
| 跨团队协作 | 与运营、设计共同确定交付节奏 | 协作人数与自己的决策范围 |
| 数据分析 | 整理周报并定位异常 | 数据来源、结论如何影响动作 |
| 项目推进 | 维护里程碑与风险清单 | 最终交付与复盘结果 |
把目标岗位描述和事实库一起提供给 AI，要求它只选择有证据支持的内容，输出“可直接写进简历”和“建议面试时补充”两栏。这样关键词匹配不会牺牲真实性。
改写时锁住三个尺度
一条好描述通常由“动作 + 对象/范围 + 结果或影响”组成。例如，不写“负责内容运营”，而写“依据用户反馈整理选题优先级，建立周度复盘表，帮助团队减少重复选题”。之后让 AI 给出两版长度：一版适合一页简历，一版用于项目经历或面试展开。
需要整理更多办公材料时，可参考ChatGPT 网页端的资料归纳流程；生成提示词前，先学习如何用约束把写作任务说清楚。
最后做一次“追问演练”
让 AI 针对每条项目经历模拟三轮追问：你具体做了什么、数据如何得出、遇到阻碍怎么处理。答不上来的地方，不是让 AI 补，而是回到事实库删改或补证据。简历的目标不是通过一次筛选，而是让后续面试经得起展开。
