简历逐条改写（一次只改一段经历）
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...
筛选结果
任务描述、口语长句、创作者、工具和仓库名称都可以直接搜索。
按当前筛选条件浏览
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...
筛选结果
占位符脱敏（用通用描述替换真实公司、项目与内部数据）
筛选结果
简历事实底稿（让 AI 不能补写未经核实的经历）
筛选结果
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。
筛选结果
一次准备多处复用（同一份事实底稿复用于多个求职任务）
筛选结果
最小必要输入与本地脱敏工作流（AI 求职材料上传前）
筛选结果
JD 拆解（把长职位描述分成可匹配的事实清单）
筛选结果
公司事实与 JD 映射（整理者补充）
筛选结果
BROKE 是一类把任务拆成五段字段组合的结构化提示词写法：
筛选结果
按公司业务结构拆分输入并生成逐块分析
筛选结果
避免模型首轮输出空泛的“全面报告”。如果一开始就要求模型写一篇综合报告，模型倾向于使用通用模板填充段落，而不是真正分项处理。SRC-CAREER-003 的作者明确指出首版通常只是框架，需要继续多轮对话完善。
筛选结果
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。
筛选结果
模型首轮输出常常只是框架，语句完整但深度不足、缺乏证据。SCR-CAREER-003 的作者明确指出首版通常只是框架，需要继续多轮对话完善。本方法用于把“首版框架”逐步推进为可用的研究产物。
筛选结果
研究—生成—筛选—构建—交付（个人作品集建站工作流）
筛选结果
JD 与简历双输入约束 + 语音对话模拟面试
筛选结果
“不得增加事实”提示词约束 + 证据矩阵（AI 求职写作防虚构）
筛选结果
回答驱动的动态追问（模拟面试追问链）
筛选结果
事实栏与建议栏分栏输出（AI 求职材料可控写作格式）
筛选结果
用 30/90 天为周期进行可验证的职业尝试，把长期职业规划拆成可反馈的小步骤，避免一次性投入昂贵课程或长期学习。
筛选结果
延迟评分与动态权重（模拟面试统一复盘）
筛选结果