用 ChatGPT 改简历：让真实经历更清楚，不替经历加戏 - AIPlan

改简历最常见的失误，是让模型"按 JD 优化"却不给它你的真实素材，结果它把"参与"改成"主导"，把"3 人小组"改成"跨部门团队"。这类改写能过简历筛选，过不了面试第 2 轮。可用的做法是：先建一张经历事实表，只让模型在事实范围内重组表达。 一个可量化标准：改完之后，简历上每一个数字你都应该能回答"这个数怎么算出来的"。答不上来的，删掉。 先建经历事实表，不先给 JD 顺序很重要。先让模型把你的原始经历拆成事实，再拿 JD 去匹配。反过来做，它会按 JD 的措辞往回填你的经历。 提示词第一步： 这是我原始的项目经历（约 400 字）。请拆成一张表，列为：项目名、时间范围、团队规模、我的角色、我做的具体动作（动词开头）、可量化结果、数据来源。拆不出来的列写"未说明"，不要补。 "数据来源"这一列是这套方法的核心。它逼你区分三种数字：系统里能查到的（订单量、响应时间）、自己算出来的（转化率变化）、记不清的（"大概提升了 30%"）。第三类要么核实，要么改写成定性描述。 一张典型的表长这样： 项目 时间 团队 我的角色 动作 结果 来源 补货模型重建 2025.03-2025.06 5 人 数据侧负责人 重建预测模型、改 2 家供应商结算周期 缺货率 12%→6.5% 周报 客服工单分流 2025.08 3 人 参与者 设计 6 类分流规则 首次响应 4h→1.5h 工单系统 第 2 行的"参与者"就是不该被改写成"主导"的地方。模型看到"参与"，往往自作主张升级动词，因为那样看起来更有竞争力。 匹配 JD 时只做提取，不做生成 第二步让模型从 JD 里提取硬性要求，再和事实表做交集： 这是 JD 原文。请提取 10 条要求，分三类：必须满足（硬技能、年限）、加分项、职责描述。然后对照我的事实表，逐条标注：有直接证据、有间接证据、无证据。只标注，不要改写。 "只标注"这一步能挡住 90% 的编造。标注完你会看到一张诚实的地图：有直接证据的通常 4 到 6 条，无证据的 3 到 4 条。无证据的那几条，要么在简历里不提，要么用一句"正在学习 XX"诚实带过。 提示词里加一句约束： 无证据的条目不要出现在简历里，也不要用"熟悉""了解"这类词模糊带过。 经历句式的 4 段结构 一条项目经历压成 2 到 3 行，每行一个动作加一个结果。可用的句式： 【动词】+【对象】+【方法/范围】+，【结果数字】+【时间】 对照： 写法 问题 负责补货模型的优化工作 没有动作、没有结果 通过数据分析和模型优化，有效提升了补货准确率 三个空词，零信息 重建补货预测模型，把 3 个仓的缺货率从 12% 降到 6.5%（6 周） 可用 第 3 条之所以可用，是因为它包含 4 个可核对项：3 个仓、12%、6.5%、6 周。面试官追问"怎么降的"，你有得答。 让模型按这个句式逐条重写，并要求它在每条后面标注用了事实表里的哪几行。标注对不上的，就是它自己加的。 动词表：哪些词必须慎用 慎用词 为什么 替换 主导 暗示你是决策人 负责 / 牵头（并说明范围） 搭建 暗示从 0 到 1 重构 / 接入 / 配置 助力 无具体动作 直接写做了什么 全面负责 边界不清 写清负责的 3 项 深度参与 等于没说 写具体动作 这张表可以直接贴进提示词："以下 5 个词不要出现在简历里：主导、搭建、助力、全面负责、深度参与。" 模型对这类否定式约束执行得不错，比让它"写得更真实"有效。 一页纸的版面规则 简历超过 1 页，招聘方实际读到的内容反而更少。国内 3 到 8 年经验的岗位，一页足够。版面按这个配比： • 基本信息 3 行（姓名、联系方式、城市） • 求职意向 1 行 • 工作经历 2 到 3 段，每段 3 条 • 项目经历 2 段，每段 2 到 3 条 • 教育背景 2 行 • 技能 3 到 5 项 超过这个量，先砍项目经历里最早的那段。5 年前的项目，除非和 JD 高度相关，否则不占版面。 让模型做删减时给一个明确指标： 当前简历 1.8 页。请压到 1 页（约 800 字）。规则：优先删 5 年前的项目、删没有数字的条目、删和 JD 无关的技能。每删一条告诉我删了什么。 提交前的 7 项检查 • 每个数字能否说出算法（不能就删） • 时间是否连续，空档超过 6 个月有没有说明 • 公司名、职位名和离职证明是否一致 • 有没有出现"我们"（简历里只写"我"） • 联系方式是否可点、邮箱是否常用 • 文件名是否为 姓名-岗位-年限.pdf • 导出后在不同设备上打开一次，看排版是否错位 第 4 项用搜索就能查：搜"我们"，逐处改成"我"或删掉。这一项改完，简历的可信度会明显不同。 第 6 项常被忽略。HR 下载 30 份简历，文件名是"简历.pdf"的那份，回头找的时候最难找。 PDF 与隐私 简历里包含手机号、邮箱、住址（有些还写身份证号）。上传给模型改之前： • 手机号写成 138****0000 • 邮箱可以保留，但如果是工作邮箱，注意离职后是否失效 • 身份证号、家庭住址、紧急联系人一律不写进简历 ChatGPT 的数据控制项在 设置 → 数据控制，可以看到与管理对话是否用于改进模型相关的设置（截至 2026 年 10 月 18 日核对）。如果简历里有不便外传的内容，用临时对话处理更稳妥，文件与隐私的处理方式里有更细的说明。 还有一条实操建议：改完的版本不要覆盖原文件。保留 v1 原始、v2 按岗位 A、v3 按岗位 B 三个文件，投不同岗位时直接取用。 投递前先练一轮面试 简历改完不是终点。简历上的每个数字，都会在面试里被追问一次。改完当天用这份简历做一轮模拟面试，重点问那 3 个你自己都觉得有点虚的条目： 这是我的简历。请针对"缺货率从 12% 降到 6.5%"这一条，连续追问 3 层：数字怎么算、你个人做了什么、换个条件还成立吗。 答不上来的条目，回到简历里改软，别硬撑。一次练一题、重点练追问的模拟面试方法可以直接接上这一步。 一封配套的求职信 简历之外，很多岗位还要一段 150 到 200 字的自我介绍或求职信。写法上，"我为什么适合"不如"我能解决你 JD 里第 3 条提到的问题"。让模型做这个映射： 从 JD 里挑出 1 个最具体的问题，从我简历里挑 1 条最相关的经历，写成 120 字的开头段。不要用"贵公司""平台"这类词，直接说事。 写邮件的结构与语气，商务邮件的事实表与核对方法可以对照看，两者都遵循"先说对方要什么"。 用量与频率 改一份简历，从事实表到三版定稿，大约 5 到 7 轮对话。求职期通常 1 到 2 个月，期间投 20 到 50 个岗位，每个岗位都要微调。这类"多轮小幅改写"最消耗耐心。 ChatGPT 的剩余额度在 设置 → 用量 查看，Plus 与 Pro 同时受 5 小时窗口与周窗口限制（截至 2026 年 10 月 18 日核对）。一周只改 1 到 2 次的，免费版够用；集中求职期每天都要改、还要上传 JD 原文和旧简历做对照，包月比逐次买 API 省心，115.50 元覆盖整个求职月。账上已有生效中的 Plus 就先别下单，这类订阅不能叠加——商品页的条件说明写得很直白。 简历的边界很清楚：它只能把真实经历写清楚，不能替你补经历。改完之后如果发现某类经历确实缺，该做的是去补那段经历，不是回去改措辞。 参考资料资料核对日期：2026-10-17 • Text generation • Data controls in ChatGPT | OpenAI Help Center 延伸阅读• 用 ChatGPT 模拟面试：一次练一题，重点练追问 • 用 ChatGPT 写商务邮件：先说清楚要对方做什么 • 上传文件给 AI 前，先删掉任务不需要的信息