简历—JD 证据映射

这个方法解决什么

防止模型把缺失能力自动补齐。用一份两列或三列表把 JD 的每条要求与简历中的真实证据逐一对照：存在证据的进入改写，没有证据的标记为"待补项目"或"向招聘方确认"，禁止 AI 自行伪造匹配。

适用场景

• 在让 AI 改写简历前的最后一道事实关口。
• 在求职信中挑选经历片段时，要先确认每段经历确实能证明所要求的能力。
• 在模拟面试前要标记哪些点是"能答"、哪些是"待补"。

操作步骤

1. 以 JD 拆解（把长职位描述分成可匹配的事实清单） 的拆解结果为输入。
2. 建立两列或三列表：JD 要求 / 简历真实证据 / 缺口。
3. 对每条 JD 要求，找简历中真实存在的项目、工具、结果或可验证数字。
4. 没有证据的能力标记为"待补项目/待询招聘方"，不进入 AI 改写。
5. 把映射表作为后续简历改写、求职信例子选择、面试问题回答的唯一事实蓝本。

容易出现的失败

• 直接让 AI"自己挑哪些匹配"，导致缺失能力被自动补写。
• 让 AI 把待补项目填入空段，让简历"看起来完整"。
• 把加分条件与必需条件混为一谈，导致优先级判断错误。

关联任务、工具与风险

• 上游方法：JD 拆解（把长职位描述分成可匹配的事实清单）。
• 下游方法：简历逐条改写（一次只改一段经历）、简历事实底稿（让 AI 不能补写未经核实的经历）。
• 风险：AI 改简历时的虚构经历与虚构数字风险。

来源边界

映射表三列结构来自作者"做证据映射"步骤；要求缺口标记为"待补项目"而非由 AI 自动补写的观点属于整理性扩展，不应误写成作者逐字表达。