企业官网建设流程全解析

说个我最近的实测感受：很多人简历投出去没回音，真不是你经历不行，而是你写简历的方式还是“口头汇报”那一套。我帮朋友改简历的时候就发现，他原稿里全是“之前在公司就是做公众号的，每天写写文章，有时候也搞点活动”“跟同事一起做过项目，主要负责杂七杂八的事”。这种口语化经历直接搬上简历，HR 看三秒就滑走了。后来我换了个思路，把 Claude 当成一个“翻译官”，专门把这类口语化、碎片化、没重点的经历描述，改写成招聘方一眼能看懂、命中 JD 关键词、能通过 ATS 系统检索的简历语言。改完之后，投递反馈完全不一样。这篇文章就把这套“翻译”方法完整讲清楚，包括我用的 prompt、五步改写流程、完整的改写案例，以及踩过的坑。适合正在找工作、写简历总是只会写“做了什么”、写不出“做出了什么”的人参考。

1. 先搞清楚：口语化经历和简历语言到底差在哪

很多人改简历的第一反应是“找个模板套上去”，但模板只能解决排版问题，解决不了表达问题。真正的问题在于，你脑子里想的是“我这一年干了些什么”，而招聘方想看到的是“你有能力做什么、做得怎么样”。这两种逻辑完全不一样。

1.1 简历不是工作总结，是“能力证据链”

口语化描述的本质是叙事逻辑，讲的是“我某天干了什么、当时怎么想的、后来怎么样了”，像在跟朋友聊天。简历的逻辑是证据逻辑，每一段经历都在回答三个问题：你在什么环境下做事？你具体承担了什么？你创造了什么可验证的结果？这三条连起来，就是一条“能力证据链”。

我打过一个比方：口语化简历像是你在饭局上跟亲戚介绍工作，而一份能投递的简历像是产品包装盒上的说明文字。前者让人“知道你在上班”，后者让人“知道你能解决什么问题”。招聘方每天看几百份简历，他没有耐心从你的叙事里提炼结论，你必须把结论直接摆在台面上。Claude 在这件事上最擅长的，恰恰就是把散乱的叙述重新组织成证据链——但前提是你得先给它足够的原材料。

1.2 口语化表达的三宗罪

我自己帮人改过的简历粗算也有几十份，口语化表达翻来覆去就是三个问题：

• 动词太软：“做了”“负责”“参与”“帮忙”“搞了”“弄了”，这些词在简历里约等于没写。它们不能体现你的主动性，也看不出你是主导还是打杂。
• 没有量化：“很多”“大量”“经常”“一定程度”“挺好的”，这种模糊词没法让招聘方判断你的工作体量，更没有对比基准。
• 缺落脚点：“做过一个活动”“参与了一个项目”，然后就没有然后了。HR 看到这种话只想问一句：然后呢？效果呢？你的角色呢？

我把最常见的口语化表达和对应的简历语言列了个对照表，做“翻译”的时候就是照这个方向去改的。

别小看这个表，它其实就是“翻译规则”。Claude 改写的时候，本质上就是在执行这种转换逻辑。你先把这些规则装进脑子里，再看它给你输出的东西，才知道哪里改得好、哪里还需要返工。

2. 让 Claude 进入状态：角色设定比堆砌命令更管用

最开始我直接用“帮我改一下这段经历”这种大白话指令，Claude 确实也能改，但输出很平，像是用模板套了一遍，没有什么针对性。后来我发现，真正拉开效果差距的，不是命令的多少，而是你给不给它一个明确的“角色框架”。

2.1 我让 Claude 扮演的角色

我的做法是先把 Claude 设定成一个复合角色：既有资深 HR 的筛选视角，又有职业发展顾问的润色能力，还懂所投递岗位所在行业的常用术语。听起来有点“花”，但实际效果比单纯让它“当编辑”要好很多。

原因是这样的：当模型进入一个具体的专业角色时，它的输出会主动向该角色的语料和标准靠拢。你把 Claude 当通用助手，它给你通用的漂亮话；你把它当成一个每天筛简历、知道哪些词会被 ATS 命中、哪些词一看就没含金量的 HR，它输出的句子会下意识地带上筛选思维。这是我反复测试后非常明显的体感差别。

2.2 一段可以直接抄的初始 Prompt

下面这段 prompt 我用了挺久，结构上分了三层：身份设定、任务边界、输出格式。你可以直接复制，把方括号里的内容换成你自己的信息。

你现在是一位拥有 10 年经验的资深职业发展顾问，同时也是一位每天阅读 200 份以上简历的招聘经理。你非常清楚哪些简历表述能通过 ATS 系统检索、哪些动词能体现候选人的实际贡献、哪些量化方式最有说服力。

任务：我会分批给你我过往经历的口语化描述，请你把它们逐条改写为可直接投递的简历语言。改写时遵守以下规则：

1. 只基于我提供的原始素材重写，不得编造我未说过的职位、项目、成果或数据。如果信息不足，请用“待补充”标出，并提出一个具体问题向我确认。
2. 优先使用强动作动词，例如：主导、负责、搭建、优化、统筹、推进、落地。
3. 所有模糊表达必须具体化：把“很多”改成可核实的数字或范围；“做过”补充为“策划并执行”。
4. 每条经历按“背景 + 动作 + 结果/影响”的结构输出，控制在 1 到 3 行内。
5. 输出时给两个版本：版本 A 是通用版，版本 B 是面向互联网公司运营岗位的版本。

第一条待改写经历：

然后你把一段口语化描述直接贴在后面就行。注意我特意加了一条“信息不足就标注待补充”，这一点极其重要，后面会专门说原因。

2.3 进阶玩法：让它先追问，再改写

如果你嫌自己给的素材太零碎，可以在改之前加一个前置环节，让 Claude 先当采访者，把你缺的信息问出来。我有一版 prompt 是这么写的：

先不要急着改写。我接下来会给你一段比较口语化的经历描述，请你像记者采访一样，先向我提出 5 个最关键的问题，帮我把经历中缺失的“角色、规模、数字、结果、方法”五类信息补全。我回答完所有问题之后，你再按结构化简历语言进行改写。

这个方法对那种“我知道自己干了很多，但不知道怎么写”的人非常友好。你不需要一开始就写出完美的素材，哪怕是“我做了个小程序，后来没人用，但我学到了很多”这种描述，Claude 也能通过追问帮你把项目背景、你的职责、卡在哪里、用了什么方案、最终数据如何等信息挖出来。很多你觉得“没什么可说”的经历，被这么问一轮之后，其实能写出两三条像样的简历点。

3. 核心环节：把口语化经历“翻译”成可投递的简历

背景铺垫完了，接下来是这套方法的核心流程。我在实际操作中把它拆成五步，每一步都有明确的产出，最后拼起来就是一份完整简历。

3.1 五步改写流程

• 第一步，导出原始素材。别管逻辑、别管措辞，把你想得起来的经历全部用口语写下来。可以是一段话，可以是零散关键词，甚至可以是语音转文字的结果。这个阶段的目标是“高保真”，不是“高颜值”。
• 第二步，标记职能类别。给每条素材打一个标签，比如“内容运营”“数据分析”“项目推进”“团队管理”“客户维护”。这步决定了后面 Claude 朝哪个方向发力。
• 第三步，动词化与量化。先把素材里的软动词圈出来，换成强动词；再把“很多”“大量”这些词标记为“待量化”，并尽量补充数字。数字一时找不到可以先用“待补充”，但必须作为一个占位符留出来。
• 第四步，结构化改写。把标记好的素材喂给 Claude，用前面那段初始 prompt，让它在“背景 + 动作 + 结果”框架下输出改写版本。
• 第五步，反向校准。让 Claude 切换成“苛刻的招聘经理”视角，回头审视它自己改写的版本，挑出空话、重复、自夸过度的地方，重新删改一轮。

这五步看着多，实际操作熟练之后，一条经历从口语到终版大概十分钟。我甚至建议你直接用命令行工具来做这件事，比如你习惯把 Claude Code 当成终端里的结对搭档，那么同样的 prompt 和流程完全可以在终端里跑，效率更高，而且操作记录还能留存下来，方便你回溯每次改动。

3.2 一个完整案例的改写全程

下面用一个我实际处理过的案例来演示。原始素材是朋友发给我的微信语音转文字内容，口语化程度很高：

“我管过公司的公众号，每周写两篇文章，粉丝涨了一些，偶尔还搞点活动，有时候还要帮别的部门做图。”

这句如果直接放简历里，基本等于没说。我先做了第二步和第三步的标记：职能是内容运营，软动词是“管过”“写”“涨了一些”“搞点”“帮”，需要量化的有“两篇”“一些”“活动”“做图”。

然后把素材和标记一起喂给 Claude，要求按初始 prompt 输出。得到的版本 A 大概是这样：

负责公司微信公众号的内容策划与日常运营，保持每周 2 篇原创文章的稳定输出；通过选题规划与读者互动优化，实现 3 个月内粉丝数从 1.1 万增长至 1.6 万；独立策划线上活动 4 场，参与跨部门设计需求对接，产出活动海报及宣传物料 12 套。

你对比一下原句，信息一条没加，只是把“管过”拆成了“内容策划与日常运营”，“写”变成了“内容输出”，“涨了一些”补上了具体数字，“搞点活动”对应成了“策划线上活动”，“帮别的部门做图”被还原为“参与跨部门设计需求对接”。这种改写最踏实，它不制造虚假经历，只是把口语里本来就包含的事实，用招聘方能识别的语言重新说了一遍。

3.3 没有量化数据时的替代思路

很多人到这个环节会卡住，说“我确实没数据，粉丝不涨、项目没上线、活动没人参加”。这种情况下我有一套替代思路：用体量、流程、反馈三个角度来“伪量化”。

• 体量角度：你处理过多少条需求、对接过多少个部门、维护过多少台设备、覆盖过多少用户。
• 流程角度：你把某个流程从多久优化到多久，或者你首次建立了什么规范。
• 反馈角度：你的工作被谁认可过，比如“客户主动发起续费”“被部门评为季度优秀案例”“新员工按你写的文档即可独立上手”。

比如“活动没人参加”这种经历，可以写成“主导一场线上分享活动，负责选题策划与嘉宾协调，全流程参与人次约 300”。数字不一定要漂亮，但必须真实、具体、可追问。Claude 可以帮你把措辞组织得更专业，但它不知道你经历过什么，数字和事实的源头只能是你自己。所以我每次都会跟朋友强调一句话：AI 翻译经历，你负责提供事实。

4. 真正拉开差距的地方：上下文喂养与反复迭代

一份简历改写得好不好，七八成的功夫在迭代，不在第一轮输出。第一轮 Claude 给的往往是“框架正确但没有个人特色”的版本，真正让简历跟你的目标岗位咬合的过程，发生在此后的几轮对话里。

4.1 三轮迭代法的具体节奏

我把迭代固定成三轮。第一轮是把所有口语化素材批量喂进去，得到每一段经历的“标准版本”，这一轮解决的是“像不像简历”。第二轮，我会挑出投递方向的代表岗位，把 JD 里反复出现的词喂给 Claude，让它把第一轮版本朝这些关键词收紧，这一轮解决的是“匹不匹配岗位”。第三轮，我让 Claude 扮演“模拟面试官”，拿终版简历逐条追问细节。它问不出来、或者问出来的答案跟我真实经历对不上的地方，就是还得改的地方。

举个例子，第一轮改的是“负责公众号运营”，比较通用；第二轮看到目标 JD 里频繁出现“用户增长”“转化率”“活动策划”，就让 Claude 把同一段经历加深相关词权重，变成“负责公众号用户增长，结合内容选题与粉丝画像优化打开率，活动转化率达 X%”。同样是这段经历，方向一变，价值感完全不同。这种调整只有在你确定了投递方向之后才能做，所以我一般建议：先用通用版投简历，定向版的优先级是投递明确目标公司前再改。

4.2 把 JD 喂进去，做定向翻译

这里分享一个我常用的“定向翻译” prompt，用法是把目标岗位的 JD 完整复制粘贴进来：

这是我要投递的岗位 JD：[粘贴 JD 全文]

请你完成两件事：第一，提取出 JD 中出现频率最高、权重最高的 8 个能力关键词；第二，把下面这段我已有的简历经历改写成更贴合这些关键词的版本，但不改变事实，不添加我没有做过的职责。如果 JD 中有我明显缺失的能力点，请用“建议补充”标注出来。

这个 prompt 的价值不只是改写，它还能告诉你差距在哪。很多时候你不是真的不匹配，只是简历里没有用对方熟悉的词汇体系表达自己。HR 搜简历的时候，搜的就是这些关键词，简历里连词都没出现，系统默认你就不匹配，哪怕你其实做过。

4.3 用 Claude 做终审和“简历体检”

最后一轮，我习惯让 Claude 用“最难伺候的招聘经理”视角做体检，给它一段这样的指令：

下面是我打算投递的简历终版。请你从招聘经理的视角找出：1. 任何听起来像空话套话的表述；2. 任何可能被追问但简历中缺乏例证的描述；3. 任何两条经历之间的重复表述；4. 整体读起来是否能在 30 秒内传递出我的核心优势。输出一个 10 分制评分并附上一份修改建议清单。

体检结果有时候让人挺扎心的，比如它指出我某段经历里连续三句都是“负责 XX”，一眼看过去像在复读；又或者某条“主导了项目上线”后面没有任何结果数据，会让面试官追问“项目多大、多久、什么影响”。这些都是自己看自己简历时很容易忽略的盲区。

5. 实操中的常见翻车与排查技巧

用 Claude 改写简历这件事，方案听起来不难，但我在帮人实操过程中遇到不少坑。挑几个典型的说说，能帮你少走弯路。

5.1 最需要警惕的“简历幻觉”

先说最严重的一个问题：Claude 在改写时，会基于概率补出一些看起来很真实、但你根本没做过的事。比如你只说“负责公众号排版”，它可能写成“建立了公众号视觉规范体系”；你只说“参与了一个数据项目”，它可能补成“搭建了完整的可视化看板”。这种“简历幻觉”特别危险，因为面试时你被追问细节，很容易露馅。

我的解决办法是两条。第一，在初始 prompt 里明确声明“不得编造未提供的事实，信息不足时标‘待补充’”，这条约束非常有效。第二，每一轮改写完成后，我都用一句话提醒自己：简历里的每一句话，都得能接得上“这个事你是怎么做的”这一问。如果接不上，不管句子多漂亮，都要删掉或者改回事实本身。背调越来越普遍，为了简历好看埋这种雷，实在不值。

5.2 批量处理与格式统一

很多人的简历不是一段经历，而是七八段经历的合集，一条一条交互太累。我的做法是做一个固定的“输入模板”，格式是：

时间段：2023.06 - 2024.10 公司/组织：XX 文化传媒有限公司 岗位：新媒体运营 主要职责（口语化）：平时管公众号，还做设计图，周末偶尔值班…… 突出成果（如果有）：粉丝从 8000 涨到 15000

然后把五六段经历一次性贴给 Claude，明确要求按统一模板输出：

请把下面的多条经历逐条改写，保持原顺序，每条输出后附上“信息待补充”的空位列表，不要合并条目，不要丢信息。

这样拿到手的就是格式化、每段独立可粘贴的版本。再配合终端操作的话，我会习惯把每次的 prompt 和输出存成 Markdown 文件，方便改完比对。手动复制粘贴容易出低级错误，用命令行工具处理几条文件，体验会顺很多。

5.3 常见问题速查表

最后一个建议，投递之前，把所有被 AI 改写过的句子快速过一遍。你不需要变成简历写作专家，但至少要做到：简历里写出来的每一个数字、每一个“主导”、每一个百分比，你都能用一句真实经验给它作证。我在实际操作中体会最深的一点是，Claude 这个“翻译官”能力很强，但翻译的源头必须是你自己的真实经历。你把它挖掘得越细，它翻译得越准；你用得上它的程度，永远取决于你对自己的了解程度。