简历优化的目标是让相关经历更容易被看见，不是把经历包装成没做过的事。可以把岗位要求和自己的事实材料并排交给 AI，让它先做匹配、改写句子，再生成面试问题；最后由本人逐句核实。下面用虚构职位和虚构候选人演示，并特别记录本机 Qwen 把“有跟进状态记录”误判成“做过同事交接”的例子。
准备岗位要求和事实清单
练习包里的岗位要求包括邮件/工单回复、记录并转交未解决问题、维护常见问题、每周整理咨询类别与待办。候选人资料则明确写了：在虚构书店担任运营助理 4 个月，整理 120 条反馈为 5 类，维护 16 条常见问题，使用电子表格筛选类别和记录状态；没有写使用工单、转交同事或满意度提升。
先把事实写成“做过的事、使用的方法、可核对结果、还不知道的部分”。没有数字就留空；没有带团队就不要写管理经验；没有接触高级函数就明确技能边界。简历应由本人确认事实后再提交。
让本机 Qwen 做岗位匹配
本例选择本机 Ollama 的 qwen3.8-27b:latest，要求返回职位要求、候选人原文证据、证据缺口、可证实的简历要点和面试问题。Qwen 项目说明见官方仓库；Ollama 生成 API 支持 JSON 格式响应。Qwen3.8 官方仓库 Ollama API 文档
ollama pull qwen3.8-27b:latest
python3 ask_qwen.py脚本向本机 127.0.0.1:11434 发送虚构职位、虚构经历和 提示词.md，输出 qwen_output.raw.json 与模型计时。本次 M1 Max 64GB / Ollama 0.35.1 实测生成用时 84.09 秒，加载模型 17.08 秒。这只是一次小样本，不说明其他模型版本或真实候选人材料会有相同表现。
检查匹配表和简历句子
模型准确重写了“120 条反馈整理成 5 类”和“维护 16 条 FAQ”两项经历，也生成了 5 个相关面试问题。但它把“电子表格记录跟进状态”判成已证明“记录并转交同事”，而原资料没有提到转交；它还建议候选人使用关键词分类标准和具体状态列，输入材料并未说明实际用过这些方法。保留原输出、标出错误并人工修订，比只看流畅程度更重要。
建议每条简历句子都做一次“证据回链”：
- 数字是否能在原始经历中找到？
- 动词有没有把“参与”夸大成“负责”，把“记录状态”夸大成“推动闭环”？
- 结果指标是否真实记录过，而不是模型估算？
- 对岗位要求没有证据的地方，是否标成“待补充”而不是自动补齐？
面试模拟也只用于练习表达。模型可以提出问题、指出回答是否缺少具体例子，但不要让它替你编造 STAR 故事；真正的答案要来自候选人的真实经历。校订样例在练习包的 简历与模拟面试校订稿.md。
保护个人资料
练习包只含虚构资料。使用真实简历前，删除不必要的电话、邮箱、住址、证件号等信息，并按所在组织的数据规则确认能否提交给所用模型。《个人信息保护法》原文可从市场监管总局页面查阅；本地运行模型也不自动代表组织的数据处理要求已满足。《中华人民共和国个人信息保护法》
下载简历优化与模拟面试练习包。包内包含虚构职位、候选人事实、提示词、运行脚本、模型原始输出、校订结果和计时记录。改用自己的资料时，保留原文来源并由本人逐条确认；模型提供的是编辑建议，不是事实证明或录用预测。