简历成就生成器 Prompt：把岗位职责改成量化成果
可复制的 AI Prompt，把简历里的岗位职责改写成可验证的量化成果：先追问范围、频率、受众和结果，不编造指标，并给出适合投递前复核的证据检查步骤。
简短答案
好的简历成果不是把职责写得更漂亮，而是用「范围 + 动作 + 衡量方式 + 结果」说明你的工作改变了什么。没有硬数字时，可以用频率、受众规模、质量门槛、时效性或前后对比来表达。正确的 AI Prompt 不会替你编指标，而是先追问你真实经历里已有的证据，并把无法证明的内容标成待补充。
简历读起来像岗位说明的人——满篇「负责」「参与」但没有任何可衡量的影响。也适合转行者、职场初期和那些岗位成果天然不数字化的人。
想一键「让简历看起来更厉害」的人。也不适合想让 AI 替你编数字的人——这里的 prompt 只提取真实证据，不发明虚假指标。
一条成果能写进简历，前提是它回答了：你负责什么、你做了什么、怎么衡量、为什么重要，并且没有任何编造数字。
搜索者想把简历中的岗位职责变成量化成果。他们知道写「负责」没有说服力，但不知道怎么从自己的经历中提取范围、频率、受众、质量标准和业务影响。他们需要的是一个会追问证据的 Prompt，而不是一个编数字的工具。
-
先把岗位职责拆成成果证据
大多数简历写的是岗位职责，招聘方真正看的却是成果证据。差距在于四部分结构：你负责什么（范围）、你具体做了什么（动作）、你怎么衡量它（指标或替代证据）、它为什么重要（结果）。
可用 Prompt： 把下面这些简历职责改写成成就 bullet，使用这个结构：[范围：你负责什么系统、项目或领域] + [动作：你具体做了什么] + [指标：怎么衡量的] + [业务结果：为什么它重要]。如果我的原始文本不足以支撑这四个部分，请向我提出具体的追问，不要猜测或编造数字。表达示例： 职责：「负责管理客户支持工单。」→ 成就：「每月处理 1,200+ 支持工单覆盖 3 个企业客户，连续 18 个月维持 97% 客户满意度，通过一套被 12 人支持团队采纳的分流流程将升级工单减少 22%。」 -
没有数字时，用替代证据写量化成果
并非每个岗位都有清晰的业绩指标。当缺少硬数字时，使用五个替代维度：频率（多久一次）、受众（谁用、多少人）、质量（错误率、审核通过率）、时效性（提前完成、比基线快）、对比（比以前好、比同类流程好、比旧系统好）。
可用 Prompt： 我对这些职责没有量化指标可提供。请帮我用替代证据写成就 bullet：[频率：你多久做一次？] [受众：多少人、哪些团队依赖它？] [质量：达到什么标准？] [时效性：是否比之前更快或更可靠？] [对比：是否比同行、行业标准或旧系统更好？]。逐个维度问我问题，能回答多少就写多少——不要编造数据。表达示例： 职责：「负责新员工入职。」→ 成就（频率 + 受众 + 质量）：「8 个月内入职 40+ 名新员工覆盖 4 个部门；创建了一份 12 步入职清单，将经理跟进时间缩短 60%，并被采纳为全公司入职标准。」 -
让 AI 追问证据，而不是代写数字
很多 AI 简历工具如果你不约束，会自信地编造数字。解决办法是用 Prompt 把 AI 变成一个事实追问者，而不是代笔人。明确要求它标记证据缺口、提出追问，并在必须猜测时停下来。
可用 Prompt： 你在帮我重新把简历职责写成成就 bullet。这是一个事实提取任务，不是创意写作。规则 1：只在以下情况下使用数字、百分比、金额、时间范围或人数：(a) 我提供了它们，或 (b) 我确认了你追问时提出的数字。规则 2：如果一条职责太模糊无法写成就，问我：「要把这条改写成成就，我需要知道：[具体的缺失证据]。你能提供其中任何一项吗？」规则 3：如果两次追问后我仍无法回答，标记该 bullet 为 [需要补充证据]，并跳到下一条。不要发明数据。表达示例： AI 追问：「要把'组织团队会议'改成成就，我需要知道：参会人数是多少？会议频率是什么？每次会议通常产出什么决策或行动？有没有前后对比的改善？」你回答你知道的，AI 只根据已确认的事实来组织语言。 -
修改前后对照：三个行业的职责变成果
这个模式跨行业适用。下面是三个不同行业的职责到成果改写对照，展示同一结构如何适配不同岗位自然产生的证据。重点不是把句子写得更高级，而是让招聘方看到范围、动作、衡量方式和结果。
可用 Prompt： 以下是我简历中的 3-5 条 bullet point。请只使用我提供的或能确认的证据，将每条改写为成就 bullet。并排展示修改前后。每次改写标注你使用了哪种证据维度（范围/动作/指标/结果/频率/受众/质量/时效性/对比），让我学会这个模式。表达示例： 修改前（零售）：「负责店铺开闭店。」→ 修改后：「14 个月内每周 5 天执行开闭店操作；管理现金抽屉 300+ 次交接零差错；培训 3 名新员工掌握开闭店流程。」修改前（行政）：「处理办公用品采购。」→ 修改后：「管理 3 个办公地点年度 1.8 万美元办公用品预算；重新谈判供应商合同节省 23%；为 45 人团队维持 98% 库存可用率。」修改前（IT）：「修电脑。」→ 修改后：「每周解决 40+ 张 Helpdesk 工单覆盖 200 人办公室；建立自助知识库 6 个月内将重复工单减少 31%。」 -
投递前做真实性复核
量化成果写完后，不要只看句子是否好听。逐条检查：数字来自哪里、是否能在面试中解释、是否夸大了你的负责范围、是否把团队成果写成个人独占成果。宁愿保守，也不要把一条 bullet 写成背调风险。
可用 Prompt： 请对这些成就 bullet 做真实性复核。逐条标注：数字来源、负责范围、团队/个人贡献边界、面试可能追问的问题，以及需要改得更保守的地方。不要为了增强简历而补充新事实。表达示例： 如果成果来自团队项目，写清你的角色：负责数据清洗、用户访谈、上线协调或复盘分析，而不是直接写成独立主导整个项目。
发布前检查清单
- 每条 bullet 包含范围要素（什么系统、项目、流程或受众）。
- 每条 bullet 使用具体的动作动词（不是「负责」「参与」「协助」）。
- 每条 bullet 至少包含一种证据类型（指标、频率、受众、质量、时效性或对比）。
- 没有编造的数字——每个指标都能在背调或面试中验证。
- 每条 bullet 能通过「证明它」测试：如果面试官问「你怎么知道的？」你能用真实数据回答。
- 团队成果没有被包装成个人独占成果。
常见问题
岗位职责和量化成果到底有什么区别？
岗位职责描述你被要求做什么，例如「负责每周销售报告」。量化成果描述因为你做了什么而发生的改变，例如「为 12 人区域销售团队产出每周销售报告，每期标注 3 个低于目标客户，2 个季度内挽回 18 万美元销售漏斗」。前者说明你参与了工作，后者说明你的工作产生了影响。
没有真实指标时能用 AI 生成的数字吗？
技术上能，但你不该这么做。用人经理和背调能快速识别编造的指标。一条写 97% 客户满意度却对不上你用过任何系统的 bullet 是危险信号。用 AI 提取和框定你真正有的证据——频率、规模、前后对比、采用率、认可。真实证据框得好，远胜过编造数字。
如果我的岗位真的没有任何可衡量的成果怎么办？
每个岗位都有可描述的维度：多少人用了你的产出、你多频繁地交付、你达到了什么标准、你的工作防止了什么问题的发生、或者如果没有你这个岗位会发生什么。如果你写了 12 个人用的培训文档且之后零人重复问同样问题，这就是成就。你不需要董事会级别的 KPI 才能写出一条真实的 bullet。
这个成就生成器 Prompt 适合应届生吗？
适合，但要把证据来源换成课程项目、实习、社团、志愿经历或作品集。不要把学生经历包装成高级岗位成果，重点写清楚范围、动作、工具、交付物和别人如何使用你的产出。
团队项目里的成果可以写进个人简历吗？
可以，但要写清你的具体贡献边界。比如你负责分析、执行、协调、测试或复盘，而不是把整个团队结果写成个人独立完成。
用这些 Prompt 把简历里的岗位职责改写成招聘方真正会看的量化成果。
生成我的量化成果