一、三类经历，三种写法

原文把常见的提示工程经历拆成三段，每段配了"✅ 写法"和"❌ 误区"。核心差别在于：每段都要以"动词 + 量化结果"开头，让人三秒看到产出。

三条误区的共同点：都只有动作没有结果，或者都把"配合团队"当成遮羞布。招聘方拿不到任何能用来判断你水平的信息。

二、四个可复用的量化句式

不会量化的时候，套句式比硬想数字靠谱。原文给了四类，按你这段经历属于哪一类来挑：

「搭建 200+ 提示词模板，月产 5000+ 文案」——最通用的产出句式。
「回答准确率从 85% 提升至 92%」——适合质量类。
「迭代周期从 2 周压缩到 3 天」——适合效率类。
「出图一次通过率从 70% 提升至 88%」——适合产出质量类。

顺序是：先确定这段属于产量 / 质量 / 效率哪一类，再选句式填数字。如果没有精确数字，用区间或相对值也远好过"效果不错"——比如"准确率提升约 7 个点"。原文的判断是，量化不是炫技，是给招聘方一个判断你产出的锚点。

三、级别不同，数字的量级和方向也不同

原文给了一条很实用的规律：年限越深，数字越大、越偏"体系 / 成本"；年限越浅，越靠"单点提示 / 评测"。硬在初级简历上写资深指标，反而露怯。

初级没有大项目不丢人，关键是别空着——练习里的真实小数字同样能证明方法论。原文还提醒，中高级简历里那些"与运营对齐大促目标，提示体系带动点击率 +25%""配合研发落地 RAG 架构，兜底降 50%"的跨团队协作描述，比单纯罗列模板数更显成熟度，但同样要落到具体动作和结果。

四、关键词铺开，别让系统筛掉你

提示工程简历被卡在初筛，最常见的原因是关键词没铺开。原文点名的检索词包括：Prompt 工程、RAG、Agent、LLM 调优、评测、ComfyUI，技能栏和经历里都得出现。跨方向投递更有讲究：投应用岗多提 RAG、准确率、迭代；投图像岗多提 Midjourney、通过率、成本。

关键词不是堆砌，是让检索系统确认"这人对口"。缺了这些词，再扎实的产出也可能根本进不到人手里。

评测能力则一定要写进经历，因为它在应用岗是硬通货："建立自动化评测流水线，模型迭代周期从 2 周压缩到 3 天""设计内容质量门禁，违规率从 3% 降至 0.5%"这类写法，既显工程严谨，也让招聘方看到你的工作可量化。完全不提评测，在应用岗会被直接视作只会调参。

五、三个最掉价的写法

原文把最常见的三种掉价写法列得很直白：

• 用形容词代替数字——"效果好"不如"点击率 +25%、复核 40%→15%"。
• 把搭建者写成使用者——"参与提示词设计"要换成"搭建 200+ 模板、月产 5000+"。
• 只写动作不写结果——"负责大模型调优"要补上"准确率 92%、迭代 3 天"。

还有一个正向的补充动作：如果机构要求看作品，简历里点出你的沉淀能力，比如"输出 200+ 提示词模板库与评分卡，团队新人上手周期缩短一半"。没有公开作品也能写类似"建立行业提示词规范，覆盖 30 个病种、医生采纳率 85%"。面试官看这类简历最在意的是你有没有可复用的工程资产。

简历不是记录你玩了多少工具，而是证明你交付了多少、省了多少。

行动建议：先只改一段经历——挑你最有数字的那条，把"负责 / 参与"换成"搭建 / 设计 / 建立"，再在句尾补一个带前后对比的数字。改完念一遍，如果招聘方听完还是不知道你做了什么，就再改一遍。