更新于

用 AI 写简历完整教程（中文）

AI工具求职Prompt小白入门

用 AI 写简历这件事，很多人做错了第一步：直接甩一句”帮我写一份软件工程师简历”，然后把 AI 生成的内容原样复制粘贴。结果往往是一份读起来很”AI”、内容空洞、和目标岗位毫不匹配的简历——HR 一眼就能看出来。

AI 在写简历这件事上真正擅长的，不是”编造经历”，而是把你零散的真实经历，重新组织成招聘方想看到的语言。这篇文章给出一套可以直接照抄的分步流程，把 AI 当成一个能不断追问细节、帮你打磨措辞的编辑，而不是一台自动生成器。

一、开始之前：先做好素材整理

AI 写不出你没告诉它的信息。如果你直接让 AI”编”一段工作经历描述，大概率会得到千篇一律的套话（“负责xx模块的设计与开发，具备良好的团队协作能力”），因为它没有任何具体细节可用。

在打开对话框之前，先花 15-20 分钟整理一份”原始素材清单”，哪怕是流水账也没关系：

  • 每段经历做了什么具体的事（越细越好，比如”把接口响应时间从 800ms 优化到 200ms”，而不是”优化了性能”）
  • 用了什么技术/工具
  • 遇到了什么问题，怎么解决的
  • 有没有可以量化的结果（用户量、性能提升百分比、节省的成本、团队规模）

这份清单不需要写得漂亮，AI 的工作正是把它变漂亮。素材越具体，AI 产出的质量差距越大。

二、分步 Prompt 模板：不要一次性让 AI 写完整份简历

一次性丢给 AI “帮我写份简历”，得到的往往是结构合理但内容空洞的通用模板。更好的做法是把简历拆成几个部分，逐段打磨。

2.1 第一步：把经历改写成 STAR 结构

把你的原始素材逐条丢给 AI，用这个 Prompt：

我要把下面这段工作经历改写成简历里的一条 bullet point，
用 STAR 法则（Situation-Task-Action-Result）组织，
但只需要写出 Action 和 Result 部分，控制在一行以内，
动词开头，避免"负责""参与"这类弱动词，量化结果如果我没提供就留空不要编造：

原始经历：[粘贴你的流水账描述]

关键在最后一句”如果我没提供就留空不要编造”——这是防止 AI 幻觉出虚假数据的关键指令。很多人吃过亏就是因为 AI 会”善意地”帮你编一个看起来合理的数字，面试时被追问细节直接露馅。

2.2 第二步：针对目标岗位做关键词匹配

如果你已经锁定了具体的招聘 JD（Job Description），把 JD 原文和你的经历一起丢给 AI：

这是目标岗位的 JD：
[粘贴 JD 全文]

这是我的一条工作经历（已经过 STAR 改写）：
[粘贴上一步的结果]

请指出：
1. 这条经历里哪些技能词和 JD 要求重合，帮我在措辞上更贴近 JD 的原词
2. JD 里提到但我这条经历没体现的关键能力，是否有其他经历可以补充体现
不要改变经历的事实，只调整措辞和强调重点。

这一步的价值是让简历里的词汇尽量和 JD 原文对齐——不是为了”骗过”筛选系统，而是因为招聘方筛简历时确实会用 JD 里的关键词做心理或系统层面的匹配，用词一致能显著提高被注意到的概率。

2.3 第三步：整体润色和精简

单条经历改好后，把整份简历草稿一起丢给 AI 做最后一轮通读：

请通读这份简历草稿，检查：
1. 各条经历之间的动词是否重复（如果多条都用"提升""优化"开头，帮我换成更多样的表达）
2. 是否有信息冗余或可以合并的条目
3. 整体篇幅是否超过一页 A4（软件工程师简历建议控制在一页，5 年以上经验可以到一页半）
不要新增没有依据的内容。

三、常见误区：这几件事 AI 帮不了你，也不该让它帮

3.1 让 AI 编造经历或夸大数据

这是最常见也最危险的误区。AI 生成内容时有天然的”填空”倾向——如果你的原始素材里没有具体数字，它很可能自己编一个看起来合理的百分比。任何数字类描述，都要回头核实是不是你自己提供的原始信息，面试环节被追问细节答不上来，比简历平淡更致命。

3.2 千篇一律的”AI 味”措辞

如果你发现简历里反复出现”赋能""抓手""闭环""高质量完成”这类空洞词汇，大概率是 AI 默认风格的产物。解决办法很简单：在 Prompt 里明确要求”避免使用抽象的管理黑话，用具体的技术动作描述”，效果立竿见影。

3.3 完全照搬 AI 生成的自我评价段落

“自我评价”这一段是重灾区，AI 写出来的往往是任何人都能套用的正确废话（“具备较强的学习能力和团队协作精神”）。这段建议要么删掉（对技术岗位来说价值不大），要么让 AI 基于你简历里已有的具体经历，反推出 2-3 句真正有区分度的总结，而不是泛泛而谈。

四、ATS 关键词优化：机器筛选这一关怎么过

不少公司的招聘流程里有 ATS（Applicant Tracking System，申请人跟踪系统）做第一轮自动筛选，用关键词匹配决定简历是否进入人工阅读。优化要点：

检查项说明
关键词覆盖JD 里反复出现的技术名词（如具体的编程语言、框架、方法论）尽量在简历里原词出现，而不是用同义词替代
格式简洁避免用表格、文本框、图标承载关键信息，部分 ATS 解析不了这些元素，会导致信息丢失
文件格式优先投递 PDF（保证排版不错乱），除非 JD 明确要求 Word 格式
标准化标题用”工作经历""教育背景""技能”这类标准标题，不要用有创意但 ATS 识别不了的自定义标题

可以让 AI 帮你做最后的 ATS 检查：把 JD 和简历一起丢给它，让它列出 JD 中出现但简历里缺失的高频关键词，你再判断这些词是否真实适用于你的经历。

五、如果你想批量投递不同岗位：用 API 自动化这套流程

如果你在同时投递多个方向的岗位（比如既投后端也投算法岗），针对每个 JD 手动走一遍上面的流程会很耗时。这种场景其实可以用 API 脚本化：把”STAR 改写""关键词匹配""ATS 检查”这三步分别做成三个 Prompt 模板，写一个小脚本批量调用模型 API，针对不同 JD 自动生成对应版本的简历草稿，你只需要人工做最后的事实核对和微调。

import openai

def tailor_resume_bullet(raw_experience, jd_text):
    prompt = f"""
    这是目标岗位 JD：{jd_text}
    这是我的工作经历：{raw_experience}
    请按 STAR 法则改写，贴近 JD 用词，不要编造数据。
    """
    response = openai.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": prompt}],
    )
    return response.choices[0].message.content

这类小工具国内直接调用 OpenAI/Claude 官方 API 经常遇到网络不通或者 Key 无法直接支付的问题，用 YoTradeApi 这样的 API 中转可以省去这部分折腾，专注在 Prompt 逻辑本身。关于国内开发者接入这类 AI 工具的付款和网络问题，也可以参考 国内开发者 AI 工具付款全攻略。

六、最后一步：人工通读，找回”你的声音”

AI 改写完的简历，投递前一定要自己完整读一遍，确认：

  • 每一句描述你都能在面试时脱口而出具体细节，没有任何”AI 编的部分”
  • 整体语气和你本人的表达习惯不会差异过大（面试时反差太大会显得简历不真实）
  • 没有遗漏你认为最重要但 AI 判断”不够亮眼”而删掉的经历

AI 是很好的编辑和润色工具，但简历最终代表的是你自己，最后的把关必须由你来做。

七、相关阅读

如果你想把这套简历改写流程自动化成批量处理脚本，用 YoTradeApi 中转调用 OpenAI/Claude API 可以免去国内网络和支付的折腾，专注打磨 Prompt。

相关阅读