简历事实底稿（让 AI 不能补写未经核实的经历）

这个方法解决什么

求职者在使用 AI 之前，先把"自己做过什么、用什么工具、服务谁、结果如何、哪些数字有证据"整理成一份唯一的事实清单，并明确告诉模型只能引用清单内的项目。这让后续的简历改写、求职信、模拟面试都建立在同一份可核验的事实之上，避免模型为了"句子完整"补数字、补职责或扩大影响范围。

适用场景

• 任何把通用 AI 用于简历改写、求职信或模拟面试的求职者。
• 需要把同一份个人事实用于多个岗位投递的人。
• 习惯以"事实清单"作为 AI 输入的工作方式的人。

操作步骤

1. 列出一个事实清单：做了什么、使用什么工具、服务什么对象、结果如何、哪些数字有证据。
2. 在每一项后标注"可验证程度"：是否可独立证实、由谁/什么材料可证实。
3. 把清单作为唯一事实来源喂给 AI，并明示"只能使用清单内事实，不得补写未提供的经验"。
4. 配合 占位符脱敏（用通用描述替换真实公司、项目与内部数据），把真实公司、项目、内部数据替换为通用描述后再交给通用模型。
5. 将同一份事实底稿用于 简历—JD 证据映射、简历逐条改写（一次只改一段经历）、求职信和模拟面试。

容易出现的失败

• 清单本身没有标注"可验证程度"，导致 AI 把口述承诺当成已验证事实。
• 没有把"只使用清单内事实"写进提示词，模型默认会补全缺失细节。
• 没有对清单做占位符脱敏，把未公开项目、客户、内部数据泄露给通用模型。

关联任务、工具与风险

• 配套方法：占位符脱敏（用通用描述替换真实公司、项目与内部数据）、简历逐条改写（一次只改一段经历）、简历—JD 证据映射、一次准备多处复用（同一份事实底稿复用于多个求职任务）。
• 任务：根据 JD 用 ChatGPT 定制简历、为目标岗位准备求职信、根据岗位模拟面试。
• 风险：AI 改简历时的虚构经历与虚构数字风险、把未脱敏资料交给通用 AI 服务的隐私与内部数据风险。

来源边界

"只使用清单内事实，禁止补写"与"为公司、项目等使用占位符"出自作者原文；"每条事实标注可验证程度"属于整理性扩展，不应误写成作者逐字表达。