工作很多年以后，写个人介绍反而可能更难。
你记得上线前的混乱、临时救过的故障、和业务争论过的方案，也记得一些项目最后没有达到预期。可打开简历，留下的常常只有职位、技术栈和几句“负责系统建设”。
作者写了十四年代码。这个事实可以作为本轮输入，却不能自动证明“技术领导力”“业务洞察”或其他听起来漂亮的能力。
AI 能做的是提出候选解释、发现遗漏和帮助改写。哪一项解释真实，仍然要由原始经历和人工核对决定。
先把目标从“包装得更厉害”改掉
如果问题是“怎样让我的经历看起来更高级”，模型很容易顺着目标生成夸大表达。
本轮只回答三个更窄的问题：
- 哪些经历没有把问题和个人动作写清楚；
- 哪些能力可以由多个真实事件共同支持；
- 修改后，陌生读者能否准确复述作者解决过什么问题。
成功不等于字更多，也不等于出现更多抽象名词。
一句“具备跨部门协同能力”，如果无法对应一次具体冲突、取舍和结果，价值低于一句朴素的事实。
先整理事实，不要先写能力
每段经历都按同一组问题回忆：
当时是什么时间和角色：
团队要解决什么问题：
我实际做了哪些动作：
受到什么限制：
我做了什么取舍：
结果怎样：
什么材料能支持：
哪些内容不能公开：
有些结果没有数字，也可以写清。例如避免了一次错误发布、让两方形成决定，或确认某条路线行不通。
不能确认的团队人数、性能提升、收入影响和客户规模先留空。回忆出来的数字不等于已经有证据。
公司、客户、同事、内部系统地址和未公开指标，在进入模型前完成脱敏。没有披露权限的材料不上传。
让 AI 做三轮不同的工作
第一轮只做追问。要求模型指出材料里缺少的问题、动作、约束和结果，不允许它补写答案。
第二轮做归类。让模型把多个事件放到候选能力下面，并为每项能力标出支持它的原句。
第三轮主动反驳。要求模型寻找过度归因、正确废话和可能误导招聘者的表述。
最后才进入改写，而且只能使用已经通过核对的内容。
三轮分开有一个好处：你能看见模型从哪里开始猜。如果一开始就要求“帮我写一份高级简历”，输入、推断和成稿会混成一团。
每条候选能力都要过事实核对
可以使用四种标记：
- 保留： 有原始事件支持，表达范围准确；
- 修改： 方向有用，但因果、范围或角色被放大；
- 删除： 事实错误、正确废话或没有材料支持；
- 待验证： 需要补记录或请相关人员确认。
例如，模型把“参与一次架构迁移”写成“主导组织级技术转型”，范围已经改变。即使句子更有气势，也必须删改。
人工核对还要检查遗漏的负面信息。一个项目最终取消，可能仍然展示了判断能力，但不能把取消改写成成功上线。
盲评要检查准确，不只检查好不好看
至少找三名真实同行、招聘人员或合作方，比较修改前后的版本。
不要告诉他们哪一版经过 AI 协助。统一询问：
- 哪一版更容易说明作者实际做过什么；
- 哪些句子仍然空泛；
- 哪些内容像夸大；
- 读完后能否复述作者能解决的问题；
- 哪些重要事实仍然缺失。
三个人意见不一致很正常。技术同行可能关注深度，招聘人员关注岗位匹配，合作方更关心能否交付。
这些反馈不能被平均成一个“提升百分比”。保留原始意见和角色差异更有价值。
前后版本应该比较什么
比较时不要只问哪一版更有吸引力。
逐段检查事实密度：是否增加了能够被证明的动作与取舍，是否删除了重复形容词，读者是否更容易追问到具体项目。
还要检查范围有没有偷偷扩大。原始材料写“负责某个模块”，修改稿不能因为更流畅就变成“负责整个系统”。
一段文字如果更好看，却让评审误解作者角色，属于退步。
最终可以保留一张删改表：
| 原句问题 | AI 建议 | 人工决定 | 依据 |
|---|---|---|---|
| 过于笼统 | 补充能力名 | 修改 | 先补真实动作 |
| 因果过强 | 强调结果 | 删除 | 无法证明个人贡献 |
| 信息缺失 | 增加追问 | 保留 | 可从材料补齐 |
这张表比一份漂亮成稿更能说明 AI 在哪里有帮助、哪里必须被拒绝。
保留旧版本也很重要。没有修改前文本，就无法判断新稿究竟增加了事实，还是只增加了更顺滑的语气。
最终版本必须进入一次真实动作
在文档里看起来更清楚，还不算任务闭环。
修改稿需要被用于一次真实简历、作品集、个人介绍或合作提案。使用后记录对方追问了什么，哪些表述需要解释，以及有没有暴露新的事实问题。
没有面试、接单或收入结果，就如实写“尚无下游结果”。
一次没有回复的投递也不能直接证明文本无效。岗位、渠道、时机和竞争都可能影响结果。
有些人暂时不适合用这个方法
如果经历材料涉及严格保密、个人敏感信息或无法获得披露许可，先不要上传。
如果当前困境是缺少真实项目，改写无法替代经验。此时更有用的动作可能是完成一个小项目、作品或真实协作。
如果使用者正处于强烈自我否定状态，模型给出的否定性反馈也可能放大压力。可以缩小任务，只整理事实，不让 AI 评价个人价值。
就业属于高影响场景。OpenAI 的使用政策要求相关决定保留人工审核；输出也不应被当作唯一事实来源。[^1] Anthropic 对就业相关高风险使用同样强调人工监督。[^2]
本方法只用于个人回顾和文字整理，不能让 AI 独立决定录用、淘汰、晋升或薪酬。
当前实验进行到哪里
目前只确认作者拥有十四年开发经历。输入材料、提示词版本、AI 原始输出、人工删改、三人盲评和真实使用尚未形成完整记录。
盲评和真实使用尚未完成，因此本文不写“AI 找到了隐藏能力”，也不写尚未发生的求职、合作或收入结果。
实验完成后，即使结果只是模型生成了大量正确废话，也会保留。没有改善是合法结论。
今晚只选一段最难写的经历，回答“当时的问题、我的动作、受到的限制”，先别急着给自己贴能力标签。
如果事实足够清楚，能力通常会从事实里长出来。
等三人盲评完成，再看文字是否真的更清楚；等修改稿经历一次真实投递、介绍或合作沟通，再看它是否经得起追问。