这里我试了三组组合：DeepSeek单独用、Kimi单独用、两个串起来用。效果差很多。

为什么是DeepSeek分析JD而不是Kimi？

DeepSeek对中文JD的关键词提取更精准，特别是"多轮对话""用户留存""GMV增长"这类职场高频词。我测了10份JD，DeepSeek提取的核心词和实际面试中面试官问的问题重叠度更高。

那为什么简历改写用Kimi而不是DeepSeek？

Kimi改写出来的文风更自然，不会出现"我有较强的适应能力"这种AI味浓的句子。但Kimi改完之后我会用DeepSeek再扫一遍做二次检查——看改写后的版本里有没有漏掉JD关键词。两次交叉校对，面试率最终稳定在40%左右。

简历改写Prompt（给Kimi）: "这是我的原始简历和一份目标JD。请你做两件事： 1.对照JD，找出我简历里被低估的能力（我做了但没写清楚的点） 2.把每个项目经验重写，加一个具体的结果数字（我想不起来的数字帮我用合理的数据范围替代）  原始简历：[粘贴] 目标JD：[粘贴]"

这一步我上一篇文章写过详细版，这里只补充一个关键的优化。

最早我只让AI出题，后来加了"答案质量评分"。每次面完回来把录音转成文字，扔进同一个Prompt里："上次你出的20道题，实际面试中问到了这6道。以下是我的实际回答，给每道题打分，并指出一个可以优化的点。"

面了5家之后，AI给我的打分从第1家的平均3.2/5，涨到了第5家的4.5/5。

不是AI让我变强了——是AI帮我量化了自己的进步。这个反馈闭环是人类教练做不到的。