用石墨AI生成匹配JD的求职信，关键在于提供结构化提示词：先拆解JD提取硬性要求与软性偏好作为不可省略锚点，按技术栈→项目经验→协作特质→行业认知归类关键词，再以“角色+任务+约束”三段式组合提示词，并用占位符注入真实变量确保精准度。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

用石墨AI自动生成一封匹配岗位JD的求职信，关键在于给AI提供清晰、结构化、带上下文的提示词，而不是简单输入“帮我写求职信”。

明确核心要素：先拆解JD再反向构建提示词

打开目标岗位的招聘简章，逐句划出硬性要求（如“3年Python开发经验”“熟悉Docker部署”）和软性偏好（如“有跨部门协作意识”“能快速理解业务逻辑”）。这些不是背景信息，而是提示词的【不可省略的锚点】，漏掉任意一条，AI生成内容大概率偏离用人部门真实筛选标准。

把划出的关键词按“技术栈→项目经验→协作特质→行业认知”顺序归类，每类只留3～5个最具区分度的词，删掉泛泛而谈的“责任心强”“学习能力强”——这类表述AI会自动填充，但毫无竞争力。

组合提示词：用角色+任务+约束三段式结构

方法一：基础三段式（适合应届生或转行者）
“你是一位有5年互联网大厂HR经验的简历顾问，请为应聘‘字节跳动后端开发工程师’岗位的候选人撰写一封求职信。候选人具备：①用Flask+MySQL独立完成过用户增长分析系统（DAU提升12%）；②在跨境支付项目中用Redis解决高并发扣减问题；③主导过3次技术方案跨部门对齐。要求：全文不超过380字；首段直指岗位核心需求‘高并发系统设计能力’；第二段用数据证明匹配度；结尾不提‘期待面试’，改用‘已同步提交GitHub技术博客链接供深度验证’。”

方法二：带否定约束的精准指令（适合有经验者）
“你正在帮一位有4年金融科技经验的工程师写求职信，应聘蚂蚁集团风控算法岗。必须包含：微服务架构下Flink实时特征计算落地案例、通过A/B测试将模型响应延迟压至80ms内。禁止出现‘热爱技术’‘踏实肯干’等空泛描述；禁止使用‘贵司’‘贵团队’等模糊称谓；所有技术名词必须与JD原文完全一致（如JD写‘Flink’就不能写‘流式计算框架’）。”

【注意：若JD中明确要求“熟悉Spring Cloud Alibaba”，提示词里必须原样复述，不能简化为“熟悉微服务”】

注入个人变量：用占位符替代真实信息

第一步：在提示词末尾添加变量声明区，格式统一为“【变量名】：说明”。例如：
【候选人姓名】：张伟
【当前公司】：平安科技（非外包）
【关键成果数字】：接口平均响应时间从1.2s降至320ms
【JD原文引用】：‘需支撑日均5000万笔交易风控决策’

第二步：把变量嵌入正文，如“在【当前公司】主导重构核心风控网关，实现【关键成果数字】，直接满足JD中‘【JD原文引用】’这一刚性指标”。这样既保证真实性，又避免每次重写提示词。

第三步：复制整段提示词粘贴到石墨AI对话框，点击“生成”。生成后立刻检查：所有【变量名】是否被真实内容替换？每个技术动词（“重构”“压测”“落地”）是否对应JD里的动作词？