ChatGPT提示词工程实战：制造业招聘JD、简历筛选与面试题高效对话流程（2025-01版）

TL;DR 与前置条件

TL;DR：把ChatGPT当成“可审计的初级分析员”，不是搜索引擎。每次对话固定输入角色、任务、约束、样例、输出格式、验收标准。本文版本：V1.0，日期：2025-01-20。测试场景：奉化先进制造企业30份岗位JD、60份简历摘要、12组面试题。

前置条件：可用ChatGPT网页端或API；可选Gemini用于交叉验证。搜索“Gemini怎么注册”“Google AI怎么用”“Gemini国内使用”时，优先看官方账号、地区、隐私限制说明。不要上传身份证、完整手机号、未脱敏薪资表。

Note: 免费官方方案足够完成80%的招聘文本任务。限制是上下文长度、批量处理速度、隐私审计能力。付费方案只解决吞吐、稳定性、团队权限，不解决提示词质量。

1.1 先定义任务边界。不要输入“帮我写招聘JD”。输入可验证字段。

角色：你是先进制造业招聘顾问。
任务：为“CNC工艺工程师”生成招聘JD。
输入：奉化本地企业，五轴加工，3年以上经验，薪资12k-18k。
约束：不得夸大福利；不得出现“抗压强”；必须包含岗位职责、任职要求、加分项、面试考察点。
输出：Markdown表格。
验收：每条职责必须能在试用期被考核。

预期输出：4列表格，字段为模块、内容、考核方式、风险提示。

1.2 加入反问机制。缺信息时让模型先问，不要乱补。
```
如果岗位信息不足，请先提出最多5个澄清问题；只有信息足够时才生成正式JD。
```
预期输出：模型提出设备型号、班制、质量体系、汇报对象、试用期目标等问题。

1.3 固定输出结构。用于ATS或表格导入。

请按JSON输出：
{
  "job_title":"",
  "must_have":[],
  "nice_to_have":[],
  "interview_questions":[],
  "red_flags":[]
}

预期输出：合法JSON，无解释文本。

2.1 先脱敏，再评分。我在2025-01-18用60份简历摘要测试，人工初筛平均每份4.8分钟；模板化对话后平均1.6分钟。计时方式：macOS秒表，统计从打开简历到记录结论。

请基于以下岗位要求，对候选人摘要评分。
评分维度：硬技能40分，行业经验25分，稳定性15分，项目复杂度15分，表达清晰度5分。
只输出：总分、通过/待定/拒绝、3条证据、2个追问问题。
岗位要求：CNC工艺工程师，五轴加工，UG编程，汽车零部件。
候选人摘要：已脱敏文本粘贴于此。

预期输出：分数、结论、证据和追问。Warning: 模型评分只能做初筛辅助，不能作为录用或拒绝的唯一依据。

2.2 用Gemini做交叉验证。这不是为了“谁更聪明”，而是找幻觉。可搜索“Google AI怎么用”了解Google AI Studio基础入口。对同一份简历，让ChatGPT和Gemini分别评分，分差超过15分时人工复核。
```
请只检查上一份评分中的事实跳跃、过度推断和缺失证据，不要重新写简历评价。
```
预期输出：列出不可靠判断，例如“未提供五轴经验却推断熟练”。

2.3 生成结构化面试题。

基于候选人弱项生成8个面试问题。
要求：4个技术追问，2个项目复盘，1个质量事故处理，1个团队协作。
每题给出优秀回答要点和不合格信号。

预期输出：8题清单，每题含“要点”和“风险信号”。

验证方法：抽取10份历史已面试简历，隐藏最终结果，让模型初筛。命中率低于70%时，检查岗位要求是否模糊；分差集中在稳定性时，删除年龄、婚育、户籍等敏感推断字段。

Note: 如果你需要稳定访问AI对话工具，官方、免费、企业内网代理都是可行路线；商都加速器也可作为其中一个网络选项，地址：wizzegroup.com。

References：OpenAI ChatGPT官方文档；Google AI Studio官方文档；企业招聘数据合规规范；内部测试记录：2025-01-18，样本30份JD、60份简历。