比较简历与职位描述的匹配和缺口

作者: AI 小课7 分钟准备已测试:ChatGPT复核日期: 2026-08-28

直接回答

把有记录经历映射到明确要求，不把关键词相似误当成证据。 请提供: 职位描述、简历与支持事实、比较规则。 预期成果: 可追溯匹配矩阵、证据缺口、申请风险和真实改进计划。

补充你的背景

你填写的内容只保留在当前浏览器中，AILesson 提示语不会将其发送给模型或服务器。

职位描述简历与支持事实比较规则

生成的提示语

未填写的字段会保留为占位符，你仍然可以复制后自行编辑

请只根据有记录证据比较简历与职位描述。

完整、带日期的职位信息：
[job]

简历与额外已核实事实：
[resume]

必需/优先规则、证据阈值、职业转换、地点、工作许可和评分边界：
[rules]

提取原子岗位要求，并标记为明确必需、明确优先、从职责推导、未知。把每项映射到准确简历证据，分类为“直接、可迁移、弱/隐含、缺失、需澄清”，并附来源行和理由。仅有关键词重合不等于证据。不得推断材料中没有的熟练度、时长、结果、权限或经历。区分真正资格缺口、表达缺口和招聘方问题。请返回要求矩阵、最强证据、重要缺口、不可忽视未知信息、真实简历修改、待收集证据、申请/先澄清考虑和面试准备重点。除非用户提供权重模型，否则避免给出虚假精确匹配百分比。

在 AI 练习场试试

默认保护隐私提示语在浏览器本地组装。除非所在组织明确允许，否则不要把机密信息提交给任何 AI 服务。

从输入到成果

实际案例

看看具体背景如何通过这条配方转化为可使用的成果

实际输入

职位描述: 运营分析师，发布于 2026 年 8 月 4 日。必需：高级 Excel；两年运营数据经验；清晰书面沟通。职责：每周产能报告、差异调查、与站点经理合作、改进规划流程、向总监建议。优先：SQL、Power BI、物流。曼彻斯特混合办公；偶尔访问站点。签证和混合频率未说明。
简历与支持事实: 零售主管，North Shop，2023 年 9 月至今。使用 Excel 表、XLOOKUP、SUMIFS 和验证为 45 名员工建立每周排班工作簿；三个月内把排班修正从每月 12 次降至 5 次。与三名门店经理调查盘点差异并记录修订检查清单。为区域经理撰写每周经营说明。2023 历史学学士。额外已核实事实：用过 CSV 导出，但没有 SQL 或 Power BI；居住 Leeds；需要签证支持；每周可去 Manchester 两次，但站点地域未知。
比较规则: 必需项需要直接或明确可迁移证据。优先项是加分项。不要编造“高级”定义或超出日期的年限。不提供匹配分。签证、混合模式和出差区域视为必须先澄清的未知信息。

示例输出

必需——高级 Excel：直接/需澄清。证据：为 45 人建立每周工作簿，使用表、XLOOKUP、SUMIFS 和验证，并有修正次数变化。工具/流程证据强，但雇主未定义“高级”。必需——两年运营数据：如果截至申请日的日期达到两年，则为直接；零售排班和盘点属于运营数据。必需——写作：直接，为区域经理写每周经营说明；未提供内容质量/样本。

职责：每周产能报告——排班工作簿直接支持；差异调查——盘点差异直接/可迁移；经理合作——与三名门店经理直接支持；流程改进——修订清单和 12→5 结果直接支持；向总监建议——弱/隐含，区域经理说明不能证明总监级建议。优先 SQL/Power BI——缺失；物流——零售运营可迁移，但不是明确物流。

真实修改：排班要点先说明产能用途，保留准确公式和 12→5 结果；如可核实，澄清经营说明内容；不得添加 SQL、Power BI、“高级”或向总监演示。待收集证据：工作簿规模/刷新/质量检查和一项书面建议示例。大量投入前先澄清：签证、Manchester 到岗天数和站点出差区域。面试重点：解释修正指标、调查方法、利益相关者处理和当前 BI 经验边界。