没数字的 bullet 几乎等于隐形。TheLadders 2012 年的眼动研究（2018 年又更新过一次）发现，recruiter 第一次扫一份简历平均只花 6 到 7.4 秒，而这点时间大半落在职位、日期和那些一眼跳出来的数字上。行业数据显示，带具体指标的 bullet 进入 shortlist 的概率，比纯定性描述的高出约 40%。所以数字很重要。但伪造数字更糟，因为 recruiter 会在电话筛里反过来核对。
真正的功夫是诚实量化：原数据丢了找 proxy、具体不能说就用 scope 暗示、不确定就给区间。下面 15 个模板教你 recruiter 真正吃这一套的写法。
一句话总结
- 量化过的 bullet 能扛住 6 秒扫读；笼统的”负责……”扛不住。
- 永远别编数字。改用代理指标、scope 暗示，或一个诚实区间。
- 想要诚实量化，Claude Opus 4.7 / Sonnet 4.6 是更稳的默认选项：2026 年的独立测试里，它更常留一个占位符并反过来问你真实数字，而 ChatGPT 更容易直接编一个看着像真的数。
- 目标是 60% 到 70% 的 bullet 带数字，不是 100%（满屏数字反而像注水）。
- 投递前给每个数字写一段 30 秒答辩。答辩不通，就软化成”approximately”或一个区间。
用哪个 AI（2026 年 6 月）
诚实量化的前提，是模型不会替你编数据。三大主流助手在这件事上表现不同，而且有据可查。
| 工具 | 最擅长 | 缺数字时是否老实 | 价格（2026 年 6 月） |
|---|---|---|---|
| Claude Opus 4.7 / Sonnet 4.6 | 诚实改写，保住你的故事和语气 | 2026 年测试里约 80% 会先问真实数字而不是猜 | 免费（Sonnet 4.6 有限）；Pro $20/月 |
| ChatGPT（GPT-5.5） | 快速改 bullet、收紧、控制格式 | 不盯死的话更容易编一个像样的数（同测试约 60%） | 免费 $0（美区自 2026 年 2 月起带广告）；Plus $20/月 |
| Gemini 3.1 Pro | 用实时 Google 搜索按某个 JD 定制 | 与 GPT-5.5 接近；每个数字都要自己核 | Google AI Pro $19.99/月 |
实操流程：先用 Claude 起草，把事实和时间线理顺；再把结果贴进 ChatGPT（GPT-5.5）去掉废话、缩短 bullet。不管用哪个模型，都加一句限制：“Do NOT fabricate metrics; if a number is unknown, leave a bracketed placeholder and ask me.”（别编指标，数字不知道就留占位符并反问我。）就这一句话，能保住输出的诚实。要按单个岗位定制时，Gemini 3.1 Pro 能拉到实时 JD，但它给的任何数字在你确认前都只当草稿。
适合哪些场景
实际做过事但忘了具体数字、或者根本没有 dashboard 权限的工程师、PM、设计、市场、运营。
什么时候不建议这样写 Prompt
真没东西可量化（纯学术零项目）的不用；行业本身忌讳自报指标（学术 CV、部分临床岗位）的不用。
Prompt 结构公式
量化类 Prompt 一定要带这六个要素：
- 角色：让 AI 扮演谁（recruiter、HR、职业教练、同级面试官）。
- 上下文：目标岗位、行业、级别、地区、你的背景、你在回应的 JD 或邮件。
- 目标：一个具体可交付物——改写后的 bullet、关键词排序、STAR 答案、follow-up 邮件。
- 限制：AI 不能做什么（别编造指标、别改事实、别堆我答不出的术语）。
- 输出格式：编号清单、markdown 表格、并排对比、带打分的排序。
- 示例 / 信号：1-2 段你自己的真实语气，或一份”好输出”参考。
这套 Prompt 适合用在哪
- 改一份记不清数字的旧简历
- 量化没有 dashboard 权限的实习 / 兼职
- 具体数据涉密时估算 scope
- 面试前对每个数字预演 30 秒答辩
- 把”负责……”翻译成”推动 X 提升 Y%“
15 个可直接复制的 Prompt 模板
1. 职责 bullet → 量化 bullet
主力转化 Prompt。
Rewrite this duty-style bullet into a quantified-impact bullet. Use ONE of: percentage, absolute number, time saved, scope (team size / revenue / users / records). Do NOT fabricate. If a number is unknown, propose 2 versions: (A) one with an honest estimate I can defend with "approximately", (B) one with a scope cue instead of a metric. Mark which version is safer.
Original: "{bullet}"
Context: {role, team size, what tools you had access to}2. 代理指标查找
I cannot remember the exact metric for this bullet. Suggest 5 proxy metrics I might still be able to recover: things like ticket counts, PR counts, deploy frequency, meeting frequency, doc page views, slack channel size. For each proxy, name where I would go to look it up (Jira, GitHub, Notion, etc.).
Bullet context: {describe what you did}3. 涉密时用 scope 替代
I cannot share the exact revenue / headcount / user count because of NDA. Rewrite this bullet using scope cues that signal magnitude without exact numbers: e.g., "supporting a team of dozens", "for a 7-figure ARR product", "across 3 product lines". Give 4 variants of increasing specificity so I can pick the safest one.
Original: "{bullet}"
Actual scope (private): {numbers}4. 节省时间计算
I built {automation / process improvement}. Walk me through how to compute the time saved honestly: (1) baseline manual time per task, (2) frequency, (3) post-change time, (4) annualized hours saved. Show the math so I can defend it. End with one resume bullet using the result.
Details: {paste 5 lines}5. 前后对比 diff
Below is a baseline state (before my work) and a result state (after my work). Write 3 bullet variants: (A) percentage improvement, (B) absolute delta, (C) ratio. Mark which framing is strongest for {target role}.
Before: {numbers + units}
After: {numbers + units}
Target role: {role}6. 区间表述
I am not sure if the metric was X or Y. Write a bullet that brackets the range honestly using phrases like "between A and B" or "approximately N". Then write a confident interview answer for when the recruiter asks "which was it exactly?" — without committing to a single number I cannot prove.
Uncertain metric: {describe}
Bullet context: {describe}7. 多维度影响
My work had impact on multiple axes: revenue, time, quality, and team morale. Write ONE bullet that names the strongest axis quantitatively and references 1-2 other axes qualitatively. Do not stack 4 numbers in one bullet — that reads padded.
What I did: {paragraph}
Metrics I have: {list}8. 工程岗影响量化
For this engineering work, quantify using ONE of the patterns SWE recruiters recognize: (a) p95 latency reduced from X to Y, (b) deploy frequency Z/day, (c) incident count reduced N/quarter, (d) code coverage from A% to B%, (e) build time X -> Y. Pick the most honest pattern given the details and write the bullet.
Work: {describe}
Measurements I have: {list}9. PM 岗影响量化
For this PM work, quantify using ONE of: (a) DAU/MAU lift, (b) conversion rate delta, (c) retention curve change, (d) NPS / CSAT delta, (e) roadmap items shipped, (f) cross-team OKRs unblocked. Pick the strongest given my data and write the bullet. Mark which metric I should be ready to defend in a screen.
Work: {describe}
Metrics I have: {list}10. 设计 / UX 影响量化
For this design work, quantify using ONE of: (a) usability test pass rate, (b) task completion time, (c) error rate reduction, (d) component reuse count, (e) accessibility WCAG conformance level, (f) design system adoption %. Suggest 3 framings ranked by defensibility.
Design work: {describe}
What I measured: {list}11. 销售 / 市场影响量化
For this sales / marketing work, quantify using ONE of: (a) pipeline generated, (b) conversion rate, (c) CAC reduction, (d) deal cycle length, (e) reach / impressions, (f) qualified leads. If exact numbers are confidential, propose a scope cue instead. Write 3 bullet variants.
Work: {describe}
Metrics I have: {list}12. 运营 / 客服影响量化
For this operations / support work, quantify using ONE of: (a) ticket volume reduced, (b) SLA met %, (c) escalation rate, (d) onboarding time, (e) headcount-hours saved, (f) cross-team requests fulfilled. Write the bullet and flag any metric the company might consider confidential.
Work: {describe}
Metrics: {list}13. 应届 / 实习量化
I am a new grad / intern and my work had small scope. Help me quantify honestly without overclaiming. Show me how to phrase "small but real" impact — e.g., "shipped 2 features used by 50 internal users", "reduced 1 manual step in onboarding". Avoid sounding inflated.
Work: {describe}
Real scope: {numbers}14. 可辩护性审计
投出去前对已写好的 bullet 跑一遍。
Below is my resume bullet with a number. Stress-test it as a recruiter: (1) What follow-up question would expose the number as inflated? (2) Can I defend the number in 30 seconds with a source? (3) Is the denominator (per what?) clear? Mark any number that I should soften with "approximately" or replace with a range.
Bullet: "{paste}"15. 全简历量化扫描
最后一步，扫整份简历缺数字的地方。
Scan my full resume. Output a table: bullet number | currently quantified (Y/N) | proxy metric available (Y/N + which) | suggested rewrite (one line). Rank the top 5 unquantified bullets where adding a number would have the highest ROI.
Resume:
{paste}容易踩的坑
- 编整数（“提升 50%”）——recruiter 一眼看穿。
- 每条都量化——100% 密度看着像注水；60-70% 最合适。
- 一条 bullet 堆好几个数字——挑最强的那个，其它定性提一句。
- 没分母——“engagement 提升 30%“，相对什么、什么时间段？
- 用虚荣指标（曝光、注册）而岗位看重留存或收入。
- 量化没 scope 上下文——“节省 100 小时”得搭配团队规模才有意义。
- 投递前没做可辩护性测试——面试官一定会追问。
优化技巧
- 简历上每个数字，私下写一段 30 秒答辩。答辩不通就软化。
- 宁可写”approximately N”+ 真实出处，也别写一个证不出来的精确数。
- 涉密时用 scope 暗示（“dozens of users”、“7-figure revenue line”）。
- 节省时间类 bullet：单次节省 × 频次，才有说服力。
- 区间（“12-18%“）往往比假精确数字（“15.4%“）更好。
- 量化 + 级别动词搭配：“led” + 数字比单独任何一个都强。
- 每 6 个月重新量化一遍——新数据进来，旧 bullet 才不会过期。
FAQ
- 真的没指标怎么办？: 用 scope 暗示（团队规模、产品线、客户数）+ 代理指标（PR 数、上线频率、页面浏览量）——这些也是诚实量化。
- recruiter 能接受 “approximately” 吗？: 远比假精度容易接受。“approximately 30%” 看着诚实；“30.0%” 看着可疑。
- 每条 bullet 都得有数字吗？: 不必。60-70% 最合适。100% 注水，低于 50% 空。
- 公司说数据涉密怎么办？: 用 scope 暗示、不带绝对分母的百分比、定性量级表述。绝不要瞎编。
- AI 能帮我估数字吗？: AI 可以帮你搭框架（节省时间公式、scope 暗示），也能建议该去追哪个代理指标，但底层数据必须你自己来。别让任何模型编数字。
- 哪个 AI 最不爱编数字？: Claude（Opus 4.7 / Sonnet 4.6）。2026 年的独立测试里，它约 80% 会留一个占位符并反问真实数字；而 ChatGPT 在不盯死的情况下，约 60% 会直接编一个像样的数。不论用哪个模型，都务必带上”别编造”这句限制。
- 主观影响（士气、文化）怎么写？: 在定量锚之后定性提一句。“上线时间砍掉 40%，团队 retro 里把它列为本季度最大士气提升”这种写法可以。