嘿，老铁们！我是Jovi。

这两年，是不是感觉找工作越来越难了？简历投出去石沉大海，面试机会寥寥无几？尤其是在这个AI浪潮汹涌的时代，很多人都在焦虑：AI会不会取代我？同时又在想：我能不能用AI来提高效率，比如——让AI帮我改简历？

说实话，一份定制化的简历，针对每个岗位精准修改，是拿到面试的关键。但问题是，我们哪有那么多时间和精力去为每个岗位“量身定制”？尤其是那些资深职场人，工作经验一大堆，怎么筛选、怎么措辞，简直是体力活。

于是，大语言模型（LLMs）自然成了大家眼中的“救星”。它能帮你总结、润色、挑选最相关的经验。但AI改简历，真的靠谱吗？今天，Jovi就带你深入探究一下，AI在简历修改上的真实表现，以及我们应该如何正确使用它，避免踩坑。

AI改简历的两种“高级玩法”：提示工程 vs. RAG

大家可能都用过ChatGPT之类的工具来写东西，这其实就是最基础的“提示工程”（Prompt Engineering）。简单来说，就是通过精心设计的指令（Prompt）来引导AI，让它给出更符合我们要求的答案。

但如果只是简单地问AI“帮我写一份简历”，它可能会因为缺乏足够的背景信息，生成一些通用、甚至不符合你实际情况的内容。这就引出了更高级的玩法：RAG（Retrieval-Augmented Generation，检索增强生成）。

RAG就像给AI装了一个“专属资料库”。你可以把你所有的历史简历、项目文档、个人成就清单都扔进去，让AI在生成内容时，先从这个资料库里检索相关信息，然后再结合你的提示进行创作。这样，AI就能更“有据可循”，减少胡编乱造的可能。

那么，究竟是简单的“提示工程”效果好，还是结合了“RAG”的AI更厉害呢？我们来看看一项基于Azure平台的实测对比。

衡量AI简历质量的四大标准

为了公平地评估AI改简历的效果，我们不能只凭感觉。这里有四个微软官方推荐的关键评估指标，Jovi觉得非常实用，大家以后评估AI生成内容时也可以参考：

1. 1. Groundedness（真实性）：AI生成的内容是否与我们提供的事实依据完全一致？简历里可不能让AI“凭空捏造”你的成就或证书，那可是职场大忌！
2. 2. Relevance（相关性）：AI生成的内容是否高度匹配目标岗位的要求？简历的每一句话都应该为这个岗位服务。
3. 3. Coherence（连贯性）：AI的语言表达是否清晰、简洁、得体？简历最讲究言简意赅。
4. 4. Fluency（流畅性）：AI的语法、拼写是否正确，语言是否地道？这是简历最基础的要求。

本次实验就围绕这四个指标，对比了三种情况：

1. 1. 纯提示工程：只通过Prompt来引导AI（使用GPT-4o）。
2. 2. RAG辅助：在提示工程的基础上，加入RAG知识库（使用GPT-4o）。
3. 3. RAG辅助+小模型：RAG辅助，但换用了一个参数量更小的模型（GPT-4o-mini）。

揭秘AI改简历的“黑科技”：我的Prompt设计思路

为了让AI更好地理解我们的意图，并生成高质量的简历，关键在于系统指令和分步引导。

1. 核心“人设”设定：给AI一个清晰的角色定位

我们首先给AI一个“系统消息”，告诉它你是谁，你要做什么，以及不能做什么。这是最重要的第一步：

“你将扮演一位专业的简历撰写师，擅长简洁地呈现信息，使用行业特定语言，同时避免冗余和陈词滥调。你的任务是将我的经验定位为目标职位的解决方案，进行专门定制，明确显示我能够胜任该职位的主要要求。重要的是，你不要编造我没有的成就。只重塑和重新组织现有经验。”

Jovi解读：这个Prompt简直是“黄金法则”！它明确了AI的角色（专业简历师）、目标（解决目标职位需求）、风格（简洁、专业、无赘述），更重要的是，它划定了红线（不能编造！）。这直接关系到简历的真实性。

2. 分步引导，层层深入

接下来，我们就像一位经验丰富的导师，一步步引导AI：

• • 提供“大师级”简历：先给AI一份你最全面的工作经验清单，作为它的“素材库”。（RAG模式下，这部分由知识库提供，无需手动粘贴）
• • 补充公司背景：告诉AI目标公司的信息，让它更好地理解公司文化和需求。
• • 输入岗位描述：这是核心！让AI明确你要申请的职位，并开始思考如何匹配。
• • 挖掘关键技能：引导AI分析岗位所需的“硬核技术技能” and “核心专业领域”，提升简历的相关性。
• • 定制简历结构：明确告诉AI简历的每个部分需要什么：比如4-6句的个人总结，每份工作3-5个子弹点等。
• • 撰写总结和子弹点：
  • • 总结：要求AI用被动语态第三人称，撰写一个4-6句话的总结，突出10年以上经验，并展示如何解决公司需求。
  • • 子弹点：这是简历的灵魂！要求AI用“动词开头 + 任务 + 结果”的格式，并尽可能用数字、百分比等量化成就。同时，强调避免重复，并控制每条的长度。
• • 提炼核心技能：最后，让AI总结出5条最相关的技术技能或证书。

Jovi解读：这种分步引导的策略，就像把一个复杂任务拆解成小目标，让AI能够一步一个脚印地完成，大大提升了生成内容的质量和可控性。

实测结果大揭秘：AI改简历，真相是…

经过严格的测试，结果总结如下：

关键发现：

“纯提示工程”的简历存在严重的真实性问题，它会编造我没有的证书和虚构的成就金额，完全无法直接使用！而RAG辅助的简历在这方面表现要好得多，但仍然需要我们仔细核对。

• • 真实性是硬伤！ 纯提示工程模式下，AI会“一本正经地胡说八道”，编造你的成就，这是最致命的。RAG通过提供外部知识库，显著改善了真实性，但仍不能完全杜绝“幻觉”，人工核对是必须的。
• • 相关性仍是挑战。 无论哪种模式，AI在“相关性”上都表现平平。它虽然能生成不错的子弹点，但往往无法精准捕捉招聘信息中那些“点睛之笔”的关键短语。RAG模型略有优势，但提升有限。
• • 语言表达没问题。 在“连贯性”和“流畅性”方面，所有模型都表现良好，语法正确，表达清晰简洁。RAG生成的子弹点更精炼。

Jovi的思考：RAG为什么能改善“真实性”？

RAG的优势在于，它将LLM的生成能力与检索能力相结合。当LLM需要回答问题时，它会先从一个庞大的、经过预处理的外部知识库中检索相关文档，然后将这些文档作为额外的上下文信息，再结合用户提示来生成答案。

对于简历修改而言，这个“外部知识库”就是你提供的所有历史简历和工作经验。AI在生成内容时，有了这些“白纸黑字”的支撑，就大大降低了“瞎编”的概率，从而提升了内容的真实性。

怎么能最小成本快速的建立你自己的建立RAG呢？

我们有两个选择，完全不用代码来完成自己的简历 RAG （当然也可以是各种AI知识库，问答库）：

1. 1. 腾讯 ima
2. 2. obisdian + copilot
   如果你平时使用 obisdian 做笔记，给它装一个AI插件 copilot 配置一个 llm api ，就可以直接用了。如果你没有用过，推荐你直接用 ima , ima做问答知识库的效果还是非常不错的。
   那位说了，这不是知识库吗？ 我怎么用它写简历？ 两个用法一样把你的个人信息，项目信息，目标公司的 jd 都放进知识库里，然后你在问答里让它帮你写你需要的简历就可以了

AI是工具，别让它“反噬”你的核心能力！

AI改简历，确实是一个强大的起点，尤其当你缺乏灵感、想要尝试新的表达方式，或者想快速生成初稿时。它能帮你克服“从零开始”的心理障碍，因为修改一份初稿总比凭空创作一份新简历要容易得多。

但是，请记住几个忠告：

1. 1. 你仍需有“素材”和“能力”：AI不是魔法棒，它需要你提供扎实的工作经验和成就。如果你自己都不知道怎么提炼和表达，AI也巧妇难为无米之炊。别因为有了AI就放弃提升自己的“简历撰写能力”，这是一种随时可能“生疏”的职场技能。
2. 2. 人工核对是底线：AI生成的内容，尤其是关于成就和数据，必须逐字逐句核对。AI的“幻觉”问题依然存在，一旦简历中出现虚假信息，后果不堪设想。
3. 3. 精修和优化不可少：AI在相关性上表现一般，意味着它可能无法捕捉到招聘信息中最细微、最关键的需求。最终的简历，仍然需要你结合目标岗位的具体要求，进行细致的筛选和优化。你甚至可以和AI进行多轮互动，持续优化。
4. 4. 别让AI“废掉”你的核心竞争力：我们正处于一场“简历AI军备竞赛”中。利用AI提高效率是好事，但如果过度依赖AI，让它代替你思考、代替你总结，你的独立思考和表达能力就会逐渐退化。

最重要的是，千万别把AI当成“海投机器”！与其用AI无脑地狂发简历，不如把精力放在建立真实的人脉关系上。一份经过精心修改、充满真诚的简历，加上你通过人脉获得的内推机会，才是让你的简历直接进入招聘经理眼中，而不是被HR的AI筛选器淘汰的最佳途径。

AI是助手，不是替代者。在AI时代，我们更需要保持清醒，善用工具，同时不断提升自己的核心竞争力！

好了，今天的分享就到这里。希望对你有所启发！如果你有任何关于AI和职场效率的问题，欢迎在评论区和我交流！

原文：https://towardsdatascience.com/prompting-engineering-vs-rag-for-editing-resumes/