AI改简历这件事，大部分人的用法是错的：把简历扔进去说”帮我优化一下”，收回来一篇辞藻华丽但信息量更低的作文。HR筛简历看的是匹配度，不是形容词密度。这篇讲一套真正有用的流程。
核心原则：简历不是写出来的，是对出来的
每一份简历都应该针对一个具体岗位定制。AI在这里的价值不是”美化文字”，而是帮你做岗位要求和自身经历的匹配分析。所以流程的第一步不是上传简历，而是把招聘启事一起给它。
四步流程（DeepSeek、Kimi通用）
- 喂双材料：同时给AI你的现有简历和目标岗位JD，要求它”逐条比对JD里的要求和我的经历，列出匹配项、缺口项和可以重新表述的经历”；
- 挖经历：针对缺口项追问：”我做过XX项目，有没有可以往这个方向重新组织表述的角度？”——注意是重新组织表述，不是编造；
- 改写bullet point：让AI把每条经历改成”动词开头 + 做了什么 + 可量化结果”的结构。没有精确数字就写范围或相对值，实在没有就删掉数字硬凑的部分，假数字面试会被戳穿；
- 反向校验：最后让它扮演这个岗位的HR，挑出简历里”一眼假”和”一眼空”的地方。
两个工具怎么分工
DeepSeek的推理分析强，适合第一步的匹配分析和第三步的逻辑重构；Kimi的长文档能力强，适合把整份JD、你的项目文档、旧简历一起丢进去综合处理。工具不是重点，流程才是，任何长文档能力强的模型都能跑这套流程。
红线：这些事别让AI干
- 编造没有的经历和技能——背调和面试追问会露馅，代价是进黑名单；
- 生成千篇一律的AI腔排版——招聘方现在对”AI味”简历越来越敏感，最终定稿要自己逐句过，改成自己的语言；
- 一份简历投所有岗位——哪怕嫌麻烦，至少准备两三个岗位方向的版本。
常见问题
Q：应届生没经历怎么办？
课程项目、比赛、实习里的小事都可以按”背景-动作-结果”结构挖，AI最擅长帮你从普通经历里找出可写的角度，直接把你的经历流水账发给它追问就行。
Q：要不要用AI直接生成整份简历？
不建议。AI生成底稿再手改，效率不如”人写内容、AI做结构优化”，而且后者能保住你自己的表达痕迹。
延伸阅读：改简历的提示词技巧来自这套方法论——普通人够用的提示词框架；选工具前可以先看Grok和DeepSeek的对比；做好的简历想转成文档处理，Claude Code 实操教程里有相关思路。