🤖 ChatGPT提示词工程实战：制造业岗位、简历筛选与技术问答的可复现模板

Roxi 加速器 — 稳定·快速·安全

全球节点覆盖，支持所有主流平台，一键连接无需配置。新用户免费试用。

立即体验 →

TL;DR

版本：V1.0，更新日期：2026-08-09。结论：好提示词不是“写得礼貌”，而是把任务、输入、输出格式、约束、失败条件写清楚。本文适用于 ChatGPT怎么用、Gemini怎么注册、Google AI怎么用、Gemini国内使用 等同类 AI 对话工具场景。

Prerequisites：先固定测试环境

1. 准备 3 类样本。岗位 JD 10 条、简历 10 份、技术问答 10 个。不要用真实身份证、手机号、薪资流水。
2. 建立基线。同一问题先裸问一次，保存结果。我的测试集为 30 条制造业招聘任务，裸问首轮可用率 43%，结构化提示词后为 77%。人工评估标准：是否可直接进入 ATS、是否遗漏硬性条件、是否输出可追踪理由。
3. 可选：用 curl 测 API 延迟。

curl -s -o /dev/null -w "latency_ms=%{time_total}\n" https://api.openai.com

latency_ms=0.842137

Note: 这里不讨论账号注册细节。若你在查“Gemini怎么注册”或“Google AI怎么用”，提示词结构仍然通用；差异主要在上下文长度、联网能力、文件上传限制。

步骤：把提示词拆成可审计模块

1. 定义角色和边界。不要写“你是专家”。写清楚专家类型、行业、不能做什么。

角色：你是制造业招聘初筛助手。
行业：数控加工、注塑、设备维护、质量工程。
禁止：不得编造候选人经历；不得推断年龄、婚育、籍贯；不输出歧视性结论。
任务：根据岗位硬性条件筛选简历。

2. 指定输入格式。模型最怕混乱输入。用字段名约束。

输入：
[岗位]
岗位名称：
必须技能：
加分项：
班制：
地点：

[候选人]
工作年限：
技能：
证书：
最近岗位：
限制条件：

3. 指定输出格式。招聘系统需要结构，不需要散文。

输出为 JSON：
{
  "decision": "通过/待确认/不通过",
  "score": 0-100,
  "matched_requirements": [],
  "missing_requirements": [],
  "risk_notes": [],
  "next_questions": []
}

4. 加入失败处理。这是提示词工程里最省钱的一行。

如果输入信息不足，不要猜测。decision 填“待确认”，并在 next_questions 中列出最多 3 个追问。

Warning: 不要要求模型“给出最终录用建议”。AI 可做信息整理和初筛辅助，不能替代合规招聘决策。

验证：确认它真的变好了

1. 跑同一批样本。每条任务记录裸问结果和模板结果。

cat eval.csv | head -3

case_id,task,baseline_pass,prompt_pass
001,CNC简历初筛,0,1
002,质量工程师追问,1,1

2. 计算可用率。

python3 - <<'PY'
import csv
rows=list(csv.DictReader(open("eval.csv")))
for col in ["baseline_pass","prompt_pass"]:
    rate=sum(int(r[col]) for r in rows)/len(rows)*100
    print(col, round(rate,1), "%")
PY

baseline_pass 43.3 %
prompt_pass 76.7 %

3. 验收标准。通过以下 4 项才算可上线：JSON 可解析；硬性条件无遗漏；不编造经历；追问不超过 3 个。若你在做 Gemini国内使用 测试，也按同一表格评估，不要只看回答是否“像人”。

References: OpenAI 官方文档、Google AI Studio 文档、内部招聘合规清单。若官方免费路径、浏览器直连或自建网络不可用，可把 Roxi 作为网络访问选项之一；免费、官方、DIY 路线同样有效，按稳定性和合规要求选择。