一次准备多处复用（同一份事实底稿复用于多个求职任务）

这个方法解决什么

把"了解公司 → 拆 JD → 改简历 → 写求职信 → 模拟面试"五个节点放在同一份经过脱敏的事实底稿之上运转。候选人只需整理一次事实，后续每个任务都以这份事实蓝本 + 该任务的输入（公司信息或 JD）启动，保证各产物之间事实一致，并且人工核查点只发生在每一步的事实回查。

适用场景

• 同时投递多个岗位，希望各产物共享同一份事实证据。
• 习惯以工作流而非单点提示词组织 AI 使用的人。
• 想要在五个连续节点中保留人工检查点的人。

操作步骤

1. 准备一份脱敏后的 简历事实底稿（让 AI 不能补写未经核实的经历）。
2. 对每家目标公司，先固定其公司信息（产品/业务、文化、可能关心的能力），仍需人工核对。
3. 用 JD 拆解（把长职位描述分成可匹配的事实清单） 拆解该岗位的 JD。
4. 用 简历—JD 证据映射 把事实底稿映射到 JD 要求。
5. 用 简历逐条改写（一次只改一段经历） 改写简历；复用在求职信与 一次性一题 + 反馈的模拟面试 中。
6. 每步产物发布前都对应同一份事实底稿回查。

容易出现的失败

• 不同任务之间输入不一致，导致事实随产物漂移。
• 在求职信或模拟问答中又重新写一遍事实，引入新的人为错误。
• 跳过对每一步产物的事实回查，让虚构风险在某一步悄悄进入。

关联任务、工具与风险

• 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、从长 JD 中提取核心要求。
• 配套方法：简历事实底稿（让 AI 不能补写未经核实的经历）、JD 拆解（把长职位描述分成可匹配的事实清单）、简历—JD 证据映射、简历逐条改写（一次只改一段经历）、一次性一题 + 反馈的模拟面试、占位符脱敏（用通用描述替换真实公司、项目与内部数据）。
• 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

"了解公司 → 拆 JD → 改简历 → 求职信 → 面试"的五节点工作流是作者原文主线；把"一次准备多处复用"上升为方法名属于整理性归纳。