分项分析先于汇总报告
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。
标签匹配
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。
按名称、标签、主题和内容相关性排列
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。
标签匹配
这是一个用于把分散项目材料整合为个人求职作品集入口的五段式工作流，来源于张誉聪（Albert Lush）在其个人作品集网站（4zyc.cn）中自述的工作流整理。原始来源是四段（研究 / 生成 / 构建 / 交付），本方法在此基...
内容匹配
避免模型在首轮把不同业务线的数字混在一起。公司报告通常覆盖多条业务线，而一次性的“全面分析”容易让模型在不同业务的指标之间产生口径不一致或互相错位。
标签匹配
BROKE 是一类把任务拆成五段字段组合的结构化提示词写法：
内容匹配
在用 AI 工具做视觉探索之后，由作者对生成结果按方向、可信度、版权、目标岗位匹配度进行人工筛选，再决定哪些进入作品集、哪些淘汰、哪些仅作内部参考。这是从 研究—生成—筛选—构建—交付（个人作品集建站工作流） 单独提取出的"筛...
内容匹配
这是一个端到端的求职材料上传前处理流程，依据《生成式人工智能服务管理暂行办法》第十一条“不得收集非必要个人信息、不得非法留存可识别身份的输入信息和使用记录”的要求，对简历、JD、模拟面试稿和作品集材料做最小必要输入与本地脱敏。...
内容匹配
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。
标签匹配
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。
标签匹配
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...
内容匹配
把已经核验的公司事实与目标岗位 JD 逐条对应，使求职者在写简历、准备面试问题时能用真实、可追溯的公司材料支撑回答。
标签匹配
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。
内容匹配
在把简历、JDS、招聘信息和面试相关材料交给通用 AI 服务前，把可识别信息替换为"某消费品公司""内部数据平台""某零售品牌"等占位符，先完成结构改写，再在本地文档中恢复真实信息。这是一种适用于所有通用 AI 求职场景的隐私...
内容匹配
把 AI 输出的每一条职业结论单独列出，标注证据来源、日期与核验状态。无法举证的内容标记为"待验证假设"，不得直接写入简历、面试陈述或行动计划。
内容匹配
需要围绕具体岗位 JD 与本人简历展开可追问的模拟面试。
内容匹配
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...
内容匹配
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。
内容匹配
本方法把两类实践合并为一套可执行提示词：第一类是“不得增加事实”的硬约束（不得补出公司、职位、项目、数字、证书、获奖；缺少证据时输出问题而非补全），第二类是“JD 关键词—原经历证据”对应表（证据矩阵）。两者结合可在改写前先暴...
内容匹配
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...
内容匹配
需要在多轮模拟面试之间比较分数变化，又不想让即时反馈污染后续作答。
内容匹配
保留旧版本职业计划，按固定周期更新已完成行动、现实反馈和约束变化，防止 AI 根据最新一句话重写整段人生叙事。
内容匹配