先说个核心判断：用通义千问生成一份专业、匹配岗位的简历，关键不在于让它凭空代笔，而在于你给出什么样的提示词——要清晰、结构化、带上下文。别指望一句“帮我写份简历”就能搞定，那出来的东西大概率跟你想要的不沾边。

明确简历用途和目标岗位

在开口之前，先告诉通义千问你具体要投什么方向。公司名字、岗位名称、招聘JD，能贴就贴，能复制就复制。这一步决定生成的内容是不是对口的，不然模型只能给你塞一堆通用模板里的套话。

举个例子：“我要应聘字节跳动的『用户增长产品经理』岗位，JD里写的是：3年互联网产品经验、熟悉A/B测试与漏斗分析、有0-1活动策划案例。” 这么一写，生成方向立刻就收窄了。

反过来说，如果连岗位都不交代清楚，模型就只能按最保险的通用模板走，结果就是堆了一堆“具备良好沟通能力”这种写谁身上都成立的废话。

提供真实、可验证的个人素材

接下来，把你的原始信息整理好，别直接丢一堆零散笔记。分模块、列条目给出去，越结构化越好。

两个主流做法：

方法一：分项罗列
教育背景：2020.09–2024.06｜XX大学｜硕士｜计算机科学与技术
工作经历：2024.07–至今｜YY科技｜产品经理｜主导上线3个拉新活动，DAU提升22%
项目经历：【智能推荐页改版】独立完成需求分析→原型设计→AB测试→数据复盘，次日留存+15%
技能证书：SQL（熟练）、Axure（熟练）、PMP（2024.05）

方法二：直接贴简历草稿
把你写过的初稿丢给它，然后在后面加一句：“请基于这份草稿，按用户增长PM岗位JD优化语言，突出数据结果和决策逻辑，删减行政类琐碎描述。”

记住：时间、公司、角色、可量化结果，四要素缺一不可。没有数据支撑的简历，再漂亮的措辞也等于零。

用结构化提示词指令模型改写

这一步才真正进入正题。没错，这才是整个改写流程里最关键的一步。分四个环节来操作：

第一步：定义输出格式
“请输出纯文本简历，分『求职意向』『教育背景』『工作经历』『项目经历』『技能证书』五部分，每部分用中文二级标题（如## 工作经历），不用Markdown符号。” 别让它自由发挥，格式是你说了算。

第二步：设定语言风格
“所有经历用STAR法则精简重构：S（情境）一句话带过，T（任务）聚焦你负责的核心目标，A（行动）写清你用了什么方法/工具/协作方式，R（结果）必须含百分比、金额、时效等硬指标。” 在这一点上，越具体越有效。

第三步：指定避坑要求
把“参与”“协助”“负责相关工作”这种模糊动词统统删掉。“熟悉Python”这种泛泛而谈的写法也要重写，比如改成“用Python爬取竞品2000+条促销数据并生成周报”。工作经历按倒序排列，最近的一份放在最前面。

第四步：追加校验指令
最后再加一句：“检查所有数据是否自洽：比如『2024年入职，2024年Q3上线项目』合理，但『2024年在职期间完成2024年项目』需修正。” 这一步很多人会跳过，但恰恰是避免低级错误的关键所在。