ChatGPT招聘文案提示词：加示例让结果更稳定

用ChatGPT生成招聘文案，尤其是技术岗JD，很多人习惯直接扔一句“帮我写一份Ja va工程师招聘启事”——结果呢？套话连篇，岗位特性模糊，跟市面上随手搜到的模板没什么两样。问题出在哪？不是模型不行，而是没给对“样本”。

光写这种宽泛指令，模型产出的东西往往空泛、术语错位、细节缺失。加不加示例，直接决定了输出是“看起来像JD”还是“真的能用”。

在提示词末尾直接附上1～2个真实样例

操作方法很简单：把公司之前发过、效果还不错的招聘文案（哪怕是内部版本）直接粘贴到提示词最后，用「示例：」或「参考样例：」明确标出来。

模型会把这段样例当成格式锚点和风格参照——段落顺序自动对齐（“我们是谁→岗位职责→任职要求→加分项→投递方式”），行业术语密度自然匹配（比如“高并发”“分布式事务”出现的频次），甚至连括号补充说明的写法都能模仿过来（如“熟悉Spring Cloud（含Nacos、Sentinel）”）。

需要注意：样例一定得是自己写的，别抄竞对公司的公开JD——否则模型可能直接复现对方公司名称、薪资范围等敏感信息，那就尴尬了。

用结构化指令框定输出维度

方法一：用短横线分项锁定要素
请按以下结构生成招聘文案，每项单独成段，不合并、不省略：
– 公司简介（50字内，突出技术驱动/业务赛道/团队气质，禁用“行业领先”“一流企业”等虚词）
– 岗位名称（精确到职级，如“高级前端开发工程师（React方向）”）
– 核心职责（用动词开头的短句列4条，每条≤15字，禁止“负责XX相关工作”这类模糊表达）
– 必要条件（仅写硬性门槛，如“3年Vue3+TypeScript项目经验”“能独立部署Node服务”）
– 加分项（写2条具体技术动作，如“有微前端qiankun落地经验”“主导过CI/CD流水线优化”）
– 投递指引（写清邮箱格式，如“简历命名：姓名-应聘岗位-3年经验”）

方法二：用JSON Schema强制字段约束
要求输出为严格JSON格式，字段名固定为：company_summary、job_title、key_responsibilities、must_ha ve、nice_to_ha ve、application_note。所有字符串值不换行、不含markdown符号，数组内每项为纯字符串。例如：
{"company_summary":"专注跨境SaaS的20人全栈团队，技术决策快，上线功能平均周期3天","job_title":"后端开发工程师（Golang）","key_responsibilities":["设计订单履约链路状态机","对接海关申报API并处理超时重试","编写Prometheus指标埋点文档"],"must_ha ve":["2年以上Golang高并发服务开发经验","熟练使用gin+gorm+redis","能看懂TCP三次握手抓包"]}

前置声明模型角色与限制条件

第一步：写明角色定位
你是一位有8年互联网HRBP经验的招聘文案专家，专注技术岗JD撰写，从不使用“我们期待优秀的你”“如果你热爱挑战”等无效话术。

第二步：插入否定条款
禁止出现以下内容：薪资范围模糊表述（如“具有竞争力的薪酬”）、职责用“参与”“协助”等弱动词、要求中混入学历/年龄/性别等非必要条件、使用“狼性团队”“弹性工作”等已引发候选人反感的词汇。

第三步：指定输出长度
全文严格控制在480～520字符之间（含标点空格），超出部分自动删减“公司简介”段落，优先保留“必要条件”和“核心职责”。

这三步做完，模型会放弃自由发挥倾向，转向精准执行。字符数限制尤其关键——没有长度约束的JD大概率堆砌形容词，而卡死字符数会倒逼模型用更具体的动词和名词填满空间。

来源：互联网