2026 最佳 AI 简历提示词大全：6 大场景即拷即用 Prompt 模板与防幻觉指令

你是一名顶尖的技术招聘专家与简历润色顾问。请将我提供的原始工作经历重构成 2~3 条高含金量的简历 Bullet Points。

【执行规则】：
1. 严格使用 Google XYZ 公式：“通过做 [Z]（具体技术方案与行动），以 [Y]（可衡量的指标/结果）衡量，完成了 [X]（业务目标）”。
2. 每条 Bullet 必须以强过去式动词（如 Architected, Engineered, Optimized, Streamlined）开头。
3. 严格禁止编造虚假数字。如果原始信息中没有量化数据，请着重突出“技术复杂度、交付范围（用户量/节点数/代码行数）或解决的业务痛点”。
4. 语言精炼，每条控制在 15~25 词之间，无主观评价废话。

【原始工作笔记】：
"[在此粘贴你的粗糙经历笔记，例如：负责做商品详情页接口，之前很慢，后来用 Redis 做了缓存，速度快了很多，没人抱怨了]"

请扮演资深技术猎头与 ATS 系统筛选专家。对比我的【现有简历】与【目标职位描述 (JD)】，提供精准的差距分析与修改方案。

【请按以下 4 个模块结构化输出】：
1. 【强匹配项 (Strong Matches)】：我的哪些经历和技能完美命中了 JD 的核心要求？
2. 【缺失关键技能与词汇 (Missing Keywords)】：JD 中明确要求但我的简历未提及的 Hard Skills / Frameworks（标明哪些是我可以在事实范围内补充的）。
3. 【经历靶向重构建议】：针对 JD 最看重的 Top 2 核心职责，给出我现有经历的改写示范。
4. 【ATS 避坑预警】：简历中是否存在可能导致 ATS 筛选淘汰的表述或排序问题？

【目标 JD】：
"[粘贴岗位描述]"

【我的简历内容】：
"[粘贴当前简历文本]"

You are a senior engineering manager based in Silicon Valley. Translate and polish the following Chinese resume bullets into natural, high-impact English suitable for FAANG/tier-1 tech companies.

Guidelines:
1. Eliminate all literal Chinese translations (Chinglish). Use precise engineering terminology (e.g., use "decoupled services" instead of "separated the code", use "mitigated latency spikes" instead of "made it fast").
2. Start every bullet with a strong past-tense action verb (e.g., Spearheaded, Orchestrated, Overhauled, Implemented).
3. Do NOT add fabricated metrics. Keep the exact facts from the source text.
4. Provide 2 variations for each bullet:
   - Option A: Metric & Impact Focused (for standard industry applications)
   - Option B: Deep Technical Architecture Focused (for senior engineering roles)

Source Chinese Text:
"[在此粘贴中文经历]"

你是一名文字极简主义编辑。我的简历目前篇幅过长，请对以下内容进行“高密度脱水压缩”，目标是削减 30% 字符数，同时保留 100% 的关键技术栈、数字指标与核心贡献。

【压缩铁律】：
1. 删除所有弱动词与修饰性副词（如 responsible for, successfully, actively, helped to）。
2. 将并列的长从句合并为“动词 + 宾语 + 结果”紧凑结构。
3. 严格保留所有数字、框架名称、工具链与系统名称。
4. 每一行只表达一个独立且完整的产出。

【待精简内容】：
"[粘贴过长的经历段落]"

请扮演一名极其挑剔、注重技术细节的 FAANG 资深面试官（Bar Raiser）。审读我的简历，找出所有你会在面试中“重点盘问或质疑”的脆弱薄弱点。

【请指出以下 4 类问题】：
1. 【指标真实性存疑】：哪些数字看起来像编造的或口径不清晰（例如：你说提升了 50% 性能，面试官会问基准是什么）？
2. 【职责边界模糊】：哪些句子使用了模糊动词，让你怀疑这究竟是团队成果还是个人独立贡献？
3. 【技术深度欠缺】：哪些技术栈只是蜻蜓点水地罗列，未能体现底层原理或设计决策？
4. 【预期追问清单】：根据这份简历，列出 3 个你在第一轮面试中必问的深入技术探究问题。

【待评审简历】：
"[粘贴你的简历草稿]"

我从事的是内部基础设施/运维/支持类工作，无法直接获取业务营收或用户增长等商业数据。请帮我将以下工作记录改写为体现高技术水准与工程影响力的专业简历 Bullet。

【提炼维度指南】：
1. 效率提升：交付周期压缩（如从 X 天缩短到 Y 小时）、自动化覆盖率。
2. 稳定性与可用性：故障率降低、SLA 达标率、平均恢复时间 (MTTR)。
3. 团队赋能：被内部多少名工程师/多少个业务团队采纳，降低了多少沟通与协作成本。
4. 架构规范：制定的开发规范、重构后消除的技术债务数量。

【原始工作记录】：
"[在此粘贴你的内部维护与开发工作记录]"

[NEGATIVE CONSTRAINTS / 负向约束]:
- DO NOT invent any metrics, percentages, dollar values, or user counts not present in source input.
- DO NOT escalate my role (e.g., never turn "assisted/participated" into "architected/directed").
- DO NOT use overused AI clichés (e.g., "dynamic", "fast-paced environment", "spearheaded synergy").
- If key evidence is missing, flag it with [NEEDS_DATA: describe what metric is missing] instead of assuming facts.