安洛洛洛洛洛1. 为什么你的AI cover letter一看就是AI写的
先说一个我自己遇到的场景。去年我帮一个朋友改求职信，他把ChatGPT直接生成的那版发给我，说“这版看起来还行吧”。我读了两段就问他：你自己信吗？那封信里写满了“我具备出色的沟通能力和团队协作精神”“我渴望在贵公司实现自我价值”这种话。这样的cover letter，HR每天能收到几十封，扫一眼开头就知道不是真人写的。
问题出在哪？很多人以为让AI写cover letter就是把岗位JD粘贴进去，然后问一句“帮我写一封求职信”。这么做不是不行，但结果必然是模板味拉满的废稿。你想想看，AI没有参与你的过往经历，不知道你具体做成过什么项目，更分不清“沟通能力强”和“在跨部门项目中协调过5个团队的排期”之间的差别。它唯一能做的，就是依据训练数据里的海量模板给你拼凑一段“看起来得体、实际上什么都证明不了”的文字。
于是越来越多的人开始意识到，关键不是“让AI写”，而是“怎么指挥AI写”。这就是提示词设计（Prompt Design）这件事存在的意义。打个比方：AI像一个业务能力很强但对你一无所知的新助理，你抛一句“帮我写个申请”他就只能给你套模板；但如果你把对方的关注点、你的亮点、想突出的证据、语气偏好、篇幅上限都交代清楚，他写出来的东西会完全不同。
当然，随着AIGC岗位需求爆发，提示词设计本身已经成为一项热门的职业技能，比如有高校团队用结构化提示词，让文心一言加ChatGPT协同创作《光影吉林》这类作品，48小时就能跑通完整流程。但我觉得，提示词的价值不只是在内容创作上炫技，它最实在的应用场景之一，恰恰就是求职这种“一生要写很多次、每次都不能搞砸”的文书。
这篇文章我就从cover letter这个具体场景出发，拆解一套我自己反复验证过的提示词设计方法。不玩虚的，目标只有一个：让你拿AI生成的cover letter，像你自己认真写出来的一样。
1.1 三个典型症状：空话堆叠、句式模板化、细节为零
先说症状，方便你对号入座。
第一，空话堆叠。这是最致命的。“责任心强”“学习能力强”“抗压能力好”这些词，AI一写就是一大串。HR想看到的是具体的场景和结果，不是形容词。形容词没有信息量，更没法被验证。
第二，句式模板化。“首先，请允许我介绍一下自己”“我非常荣幸地看到贵公司的招聘信息”“我相信凭借我的能力一定能胜任该岗位”——这些话不是不对，而是所有人都这么写的时候，就等于所有人都没写。
第三，细节为零。AI不知道你具体做过什么，所以它只能用“丰富的经验”“一定的了解”“良好的基础”这种模糊表述绕过去。这种cover letter拿出来，等于把你最值钱的经历全部埋葬了。
你可能会说，那我把经历告诉AI不就行了？问题是很多人并不知道要告诉到什么程度，也不知道AI需要哪些信息才能写出真正像样的东西。这不是提示词写得不够长的问题，而是你对“AI写cover letter需要什么输入”这件事缺乏一个系统认识。
1.2 直接对话和结构化提示词的本质区别
你直接跟AI说“帮我写一封给某公司的求职信”，这叫对话。你给它完整的角色设定、目标岗位信息、个人素材、写法约束、结构指令和自检要求，这叫提示词设计。
区别在哪里？我给你一个简单的类比。去餐厅点菜，“给我来份好吃的”和“来一份黑椒牛柳，少油、不要洋葱、牛肉要嫩、配菜换成西兰花、15分钟内能上桌最好”——后者虽然麻烦，但能保证你吃到想吃的。AI模型同样如此，它的生成能力非常强，但对用户意图的把握完全取决于你能给出多少有效约束和信息。
具体到cover letter，“有效约束和信息”包括六类。目标公司的业务方向和职位需求；你的个人经历，尤其是与岗位匹配的关键项目；对方的文化风格，决定语气是保守还是活泼；篇幅要求，决定什么该详细展开、什么该一笔带过；结构偏好，比如HR更喜欢开门见山还是铺垫一下；以及最关键的——你希望对方记住你的哪个核心记忆点。
当你把这六类信息都通过提示词传递给AI，它的输出质量就会从“及格边缘”上升到“可以直接用”，这中间的差距，就是提示词设计创造的价值。
1.3 什么样的提示词才算“达标”
我见过很多人以为，把一段中文写得很长，塞给AI就算提示词设计了。其实提示词设计不是字数竞赛，而是信息精度竞赛。
拿cover letter来说，一份达标的提示词至少要能做到三件事：第一，让AI明确自己是在写一封专门投给某个公司某个岗位的商务信函，而不是在写自媒体文案或简历；第二，让AI清楚哪些素材必须被使用、哪些内容严禁编造；第三，让AI输出内容的逻辑结构和篇幅分布符合预期。做不到这三条，提示词写得再漂亮也只是自我感动。
从另一个角度看，提示词越结构化，输出的可控性就越强。这个结论不是我拍脑袋想的，而是大模型生成机制决定的。语言模型本质上是在根据你的指令逐词预测最合适的下一句，指令越具体，它的“搜索空间”越窄，就越容易命中你想要的那种表达。相反，模糊的指令会让模型在广阔的语义空间里随机游走，难免飘出一堆正确的废话。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 先搞清楚cover letter的“达标线”长什么样
想写出合格提示词，你首先得知道一份合格的cover letter该是什么结构。这一步很多人跳过了，他们连什么是好都没想清楚，就直接让AI写。结果AI输出一版后，他们只能凭感觉说“不太对”，但哪里不对、怎么改，又说不上来。
我建议你先把cover letter拆解成几个固定的功能模块，再针对每个模块思考提示词该怎么写。这样做至少有两点好处：一是你给AI的信息更有的放矢，二是输出后你自己也知道该怎么检验。
2.1 一封合格cover letter的四个功能模块
第一个模块是“钩子”加“动机”。开头一段话，简洁地告诉对方你是谁、你正在应聘什么职位、你为什么对这个机会感兴趣。这里的“为什么感兴趣”不能写得太宏大、太空洞，最好能跟公司或岗位的某个具体特点挂钩。比如你应聘的是一家做跨境电商的公司，你可以说“贵公司在拉美市场的布局和本地化运营思路，让我看到过去两年积累的海外市场经