Jeff Su 用 ChatGPT 完成求职材料准备的五步工作流
背景和目标
创作者 Jeff Su 在 2023 年发布的中文视频里提出一个观点：把 ChatGPT 放在求职准备的五个连续节点上，而不是只让它"润色一下简历"。这五个节点分别是了解公司文化、分析职位描述、根据职位描述改简历、写求职信、准备面试。整套工作流的目的是让已有可核实经历的求职者，能快速为不同岗位产出多个材料版本。
输入与条件
- 目标公司名称及公开资料（官网、招聘页、价值观材料）。
- 完整职位描述（JD）。
- 求职者现有简历。
- 一份经过脱敏的事实底稿：做了什么、用什么工具、服务谁、结果如何、哪些数字有证据。
- 在模拟面试阶段还包含求职者自己的口语版回答草稿。
提交给通用模型前应做占位符脱敏：公司名、项目名、未公开客户、内部数据、姓名/电话/邮箱/身份证号等。
过程
- 固定事实底稿，提示模型只能引用清单内的事实，不得补写未提供的经验。
- 研究公司：让模型按"产品/业务、文化、目标岗位可能关心的能力、仍需人工核验的问题"分组输出，回到官方资料核对。
- 拆解 JD：把 JD 分为必需条件、加分条件、主要职责、重复关键词和可能的面试主题。
- 做证据映射：建立 JD 要求、简历证据、缺口的三列表，缺口标记为"待补"，不进入 AI 改写。
- 逐条改写简历而非一次性整份覆盖。
- 用已经核实的事实生成求职信，删除空泛赞美与过度承诺。
- 一次性一题模拟面试，按清晰度、证据、岗位相关性给反馈。
- 最终人工对照原简历、证明材料和 JD，检查动词、数字、时间、技能熟练度、版式与拼写。
产物或结果
- 公司文化与业务重点摘要。
- JD 中的核心职责、关键词、硬技能与软技能清单。
- 现有简历与岗位要求的匹配项及缺口。
- 针对该 JD 调整后的简历摘要和经历要点草稿。
- 与岗位相关的求职信初稿。
- 可能的面试问题及回答反馈。
限制
- 来源没有公开完整简历前后版本、投递数量、面试率或录用对照，因此无法证明该方法提高了某具体比例的录用率。
- AI 输出存在四类典型失败：模板化套话、把关键词频次当成招聘优先级、补写数字/职责或扩大影响范围、生成"听起来合理"但本人无法解释的过程。
- 2023 年的工具状态不视为 2026 年仍然不变，使用者需重新核验模型/服务的数据保留、训练使用、企业版与个人版差异与删除设置。
- 模型给出的"标准答案"和"可能面试题"不能替代本人语言，也不等同于该公司的真实题库。
相关教程和工具
来源