方法求职与职业发展角色与规则约束提示词把分析任务从模糊的“分析一下这家公司”变成可检查的约束集合。模型默认输出常常带有通用模板和自由发挥；通过显式声明角色与少量关键规则，可以减少模型在关键口径上的偏离。可以采用这个方法
本文目录8可以得到什么适合哪些情况需要准备什么常见做法真实案例与教程限制和检查点相关任务来源用 AI 形成目标公司面试前研究简报 可以得到什么 一份按公司业务板块拆解的公司事实简报，覆盖业务线、产品、客户、收入结构与近期重点。 一份与目标岗位 JD 逐条对齐的事实表，结构为“岗位要求—公司场景—本人证据—待补问题”。 多轮追问后的人工复核清单，便于回到公司官网、财报与招聘页核对。 适合哪些情况 准备商业分析、产品、运营、战略、财务等岗位面试，需要快速建立目标公司基本认知。 在写定制简历和准备模拟面试之前，希望先形成一份客观、可追溯的公司事实材料。 不适合作为证券投资结论，也不能替代审计、估值或专业尽调。 需要准备什么 目标公司的公开报告或可追溯资料（财报、官网新闻稿、监管披露、公开采访等）。 目标岗位 JD 原文、招聘发布日期和职位链接。 一份明确写出分析角色、关键公式与口径的提示词。 一份隐私脱敏规则清单，避免上传身份证号、薪资、前雇主保密信息等敏感内容。 常见做法 把分析角色写入指令，例如“为岗位面试准备公司事实简报”，避免模型误把任务写成投资建议。 把数量有限且必须准确执行的公式或口径直接嵌入提示词，例如“所有结论标明来源日期；找不到证据就写未知；不要推测未公开业务”。 上传公司公开报告作为输入材料。 让模型按公司业务板块拆分，逐块生成分析，而不是一开始就让模型写一篇“全面报告”。 在完成分项分析后，再要求模型汇总报告。 多轮追问：围绕缺失来源、异常数字、概念定义、业务间关系逐项追问；首版只是框架。 人工回到一手材料复核；随后把已核验的公司事实与 JD 逐条对应。 真实案例与教程 案例：废才俱乐部Club GPT 公司研究报告案例。 来源：SRC-CAREER-003：用 GPT 分析上市公司财报并形成公司研究报告。 创作者：废才俱乐部Club。 限制和检查点 模型可能使用过期知识；财报年份、币种、会计口径、业务分部可能被识别错误。 上传材料不完整时，报告语言完整但缺乏证据，必须回到一手材料复核。 首轮框架容易产生空泛结论，需要靠多轮追问完善。 公司公开披露只反映可公开部分，无法证明团队文化、面试题或内部决策。 整理者标注：来源视频未演示 JD 处理或求职产出，事实表与 JD 映射步骤未被作者验证。 隐私脱敏：不要上传含身份证号、手机号、住址、薪资、前雇主保密信息的简历或文档；用概括化材料替代姓名、联系方式、客户名称和内部数字。 不能用模型补写并未参与的项目、夸大职责、捏造业绩数字或伪造对目标公司的“内部了解”。 相关任务 根据 JD 用 ChatGPT 定制简历：根据 JD 用 ChatGPT 定制简历。 从长 JD 中提取核心要求：从长 JD 中提取核心要求。 根据岗位模拟面试：根据岗位模拟面试。 把公司公开资料拆成业务板块：把公司公开资料拆成业务板块。 来源 SRC-CAREER-003：SRC-CAREER-003：用 GPT 分析上市公司财报并形成公司研究报告，观察日期 2026-07-13。