风险求职与职业发展AI 改简历时的虚构经历与虚构数字风险使用 AI 改写简历、求职信、作品集文案、整理项目案例或准备面试答案时，模型可能为了"句子完整"或"页面好看"主动补写未经核实的内容：需要留意的边界
方法求职与职业发展JD 拆解（把长职位描述分成可匹配的事实清单）把一段几十行甚至页级的 JD 拆成多组结构化要求：必需条件、加分条件、主要职责、重复出现的关键词、可能用于面试的主题。让 JD 从一段"难读的招聘文案"变成可逐条比对的清单。可以参考这个方法
方法求职与职业发展简历事实底稿（让 AI 不能补写未经核实的经历）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...可以参考这个方法
方法求职与职业发展一次准备多处复用（同一份事实底稿复用于多个求职任务）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...和这个任务相关的方法
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为目标岗位准备求职信 可以得到什么 一封针对特定公司和岗位的求职信初稿，连接"公司为何需要这个岗位"与"候选人哪段真实经历能证明适配"。 一组可复用的、与 JD 关键词一致的项目描述片段。 适合哪些情况 在投递简历前想要补充一段"为什么是这家公司、为什么是我"的求职者。 已经有事实底稿和 JD 拆解结果，想要把同一份证据材料用于多个产物的人。 需要准备什么 经过拆解的 JD 摘要（JD 拆解（把长职位描述分成可匹配的事实清单） 的输出）。 与简历改写共用的事实底稿（简历事实底稿（让 AI 不能补写未经核实的经历））。 目标公司的公开价值观、产品或业务摘要。 常见做法 让 AI 选择两到三个与岗位最相关的真实经历，解释与公司需求的联系。 删除空泛赞美、不可验证的公司评价、过度自信的承诺。 复用在 根据 JD 用 ChatGPT 定制简历 里已经核验过的事实，避免第二次虚构风险。 真实案例与教程 案例：Jeff Su 用 ChatGPT 完成求职材料准备的五步工作流 中第四步"写求职信"。 来源：SRC-CAREER-001：让 ChatGPT 变成求职神器的 5 个小技巧。 限制和检查点 求职信不能"换公司名就交"。JD 与公司信息必须随每家公司更换。 同样需要按 AI 改简历时的虚构经历与虚构数字风险 检查所有数字、团队规模、影响范围。 提交前对每个事实点做一次回查：能否解释过程？能否提供证据？能否承受追问。 相关任务 根据 JD 用 ChatGPT 定制简历 根据岗位模拟面试 来源 SRC-CAREER-001：让 ChatGPT 变成求职神器的 5 个小技巧