智谱清言优化简历这事儿，核心其实不在模型有多聪明，而在于你怎么把“正确的活儿”喂给它。如果只是甩一句“帮我改简历”，模型大概率会给你来一通泛泛而谈的套话——它根本不知道HR在看什么，结果改完的简历反而更容易在ATS系统里卡住。

先锁定目标岗位的核心筛选维度

第一步很关键。打开招聘页面，把完整的JD内容复制下来。接下来不是直接改简历，而是先问问智谱清言：“请逐条提取该岗位的【硬性门槛】（比如：3年Python经验、PMP认证、熟悉Spark）、【高频动词】（比如：主导、搭建、重构、落地）、【行业黑话】（比如：端到端闭环、颗粒度、对齐、抓手）。”

这一步确实不能省。很多用户习惯先写简历再让AI润色，但模型压根不知道筛简历的人到底在找什么——它只能按通用逻辑美化语言，而HR和ATS系统真正卡的是关键词是否精准命中。

构建带约束的提示词结构

方法一：角色+任务+约束三段式

你是一位有5年招聘经验的[岗位名称]领域HRBP，请基于我提供的原始简历和上面提取出的JD要素，重写工作经历部分。约束条件如下：每段经历必须包含1个硬性门槛关键词、1个JD中间出现的高频动词、1个行业黑话；动词必须前置；技术栈必须用括号标注版本号（比如Spring Boot（2.7.18））；删除所有主观形容词（比如“出色”“卓越”）。

方法二：表格对照指令

请将我的原始简历与JD要求做逐项映射：左侧列原始内容，中间列JD对应要求，右侧列改写后内容。仅改写工作经历和项目经历两部分，其余模块不动。改写后每行不超过35字，且必须出现至少1个JD原文词汇。

关键前提必须牢记：原始简历中的项目时间、公司名称、职位名称不得虚构或模糊化，否则背调时直接失效。

喂给模型的原始材料要干净

第一步：把Word简历转成纯文本。复制粘贴时避开格式符号，尤其要删掉项目符号●、箭头→、空格缩进这些容易干扰识别的东西。

第二步：手动补全缺失信息。比如JD要求“熟悉Flink实时计算”，而你简历只写了“参与数据开发”，那就必须补充具体动作：“用Flink（1.16）开发实时UV统计作业，QPS峰值达12万”。

第三步：把JD全文、清洗后的简历文本、前面提取的三类关键词，三块内容用“---”分隔，一次性发给智谱清言。

操作本身很简单，直接把文件拖进去就行。但有个容易被忽略的坑：很多人直接把PDF截图扔进去，模型识别出错别字后强行“合理化”，把“K8s”识别成“K85”，后面所有技术描述就全崩了。这一点必须如实记录在操作规范里。