简历逐条改写（一次只改一段经历）

这个方法解决什么

让模型一次只处理一段经历，保留事实，写清楚动作、对象、方法和结果，并自然使用与 JD 一致的专业词。逐条改写让求职者能在每一步做"改写前后比对"，防止"参与"被升级为"负责"、"协助"被升级为"领导"，或被凭空添加百分比、营收和团队规模。

适用场景

• 用 AI 改写简历时希望保留对每段经历的人工控制权。
• 简历与多个 JD 共用同一份事实底稿，需要分岗位产出多个版本。
• 担心 AI 把整份简历一次性升级而无法回滚的人。

操作步骤

1. 输入一段经历的事实底稿和该段对应的 JD 关键词。
2. 让模型重写为 3—5 条 bullet points，并明示"不得引入事实底稿之外的内容"。
3. 比对改写前后版本，标记被升级的动词、被添加的数字、被改写的团队规模。
4. 对每条 bullet 单独回查"动作—对象—方法—结果"四要素是否清楚。
5. 通过这段后再处理下一段，最终再整体做版式、拼写、长度、可读性检查。

容易出现的失败

• 一次性让 AI 改完全部简历，错误跨多段累积。
• 没有保留改写前版本，导致回查困难。
• 让 AI 引入事实底稿之外的内容（获奖、客户、营收、规模）。

关联任务、工具与风险

• 上游方法：简历事实底稿（让 AI 不能补写未经核实的经历）、简历—JD 证据映射。
• 风险：AI 改简历时的虚构经历与虚构数字风险、AI 简历模板化套话与关键词堆砌导致文本雷同风险。

来源边界

"逐条改写"是作者原文步骤；"动作—对象—方法—结果"四要素检查属于整理性扩展。