述职报告是向上级、评委或团队汇报”我在这个岗位上做了什么、做得怎么样、下一步怎么打算”,常用在年终、转正、晋升和竞聘。它和流水账式的工作总结不同,更强调对岗位职责的完成度和结果证据。AI 能帮你把零散工作整理成”职责—成果—数据—亮点—规划”的清晰结构,但业绩数字和贡献边界要你自己提供和确认,不能让它替你夸大。
述职报告和工作总结有什么区别
两者常被混用,侧重点不同:工作总结偏”我做了哪些事”,述职报告偏”我把这个岗位干得怎么样、达成了什么结果”。述职更强调对齐岗位职责和目标,面向考核与晋升,因此更需要量化成果和亮点提炼。如果你要的是日常复盘,可用 AI工作总结生成器 先出草稿,再按述职角度改写。
写述职报告前要准备的 5 类材料
- 岗位职责:你这个岗位本该负责什么,作为评价基准。
- 关键成果:这段时间完成的重点工作和交付物。
- 量化数据:能用数字说明的结果,如增长、效率、成本、满意度。
- 问题与改进:遇到的困难、怎么解决、还有什么不足。
- 下一步规划:下阶段目标和具体动作。
可直接复制的述职报告提示词
把下面的提示词复制到 DeepSeek、Kimi 或豆包,填入你的真实材料:
你是一名熟悉职场汇报的述职报告助手。请根据我提供的材料,整理成一份结构清晰、可用于{年终/转正/晋升}述职的中文述职报告,不要编造我没有提供的数据或成果。
岗位与述职场景:{填写岗位、汇报对象、时间范围}
岗位职责:{填写}
关键成果:{逐条填写}
量化数据:{数字、比例、周期、对比,没有就写"暂无"}
问题与改进:{填写}
下一步规划:{填写}
请输出:
1. 开头:一句话说明岗位、时间范围和整体表现
2. 职责与成果:按岗位职责逐项对应成果,关键处引用数据
3. 亮点提炼:2-3 个最能体现价值的成果,说明影响
4. 问题与改进:坦诚不足和已采取的措施
5. 下一步规划:可执行、有优先级的目标
要求:
- 区分"我负责/我参与/我协助",不夸大贡献
- 数字、项目名、时间原样保留,缺失处标注"待补充"
- 不使用"最、第一、完美"等无依据的绝对化表述
- 输出后自检:有没有把参与写成主导、把计划写成已完成
一个真实示例:运营岗的述职片段
输入(零散):负责公众号和社群;粉丝涨了;做了几场活动;有篇文章火了。
AI 整理后:
- 职责:负责公众号内容与用户社群运营。
- 成果与数据:本年度公众号净增粉丝约 1.2 万,较去年增长 35%;策划社群活动 6 场,平均参与率 42%;其中《XX》一文阅读量 5 万+,带来入群用户约 800 人。
- 亮点:把爆款文章的选题方法沉淀成可复用模板,团队复用后平均阅读量提升。
注意:上面的”1.2 万、35%、5 万+”必须是你真实的数据,AI 只负责组织表达,不负责替你造数。
让述职报告加分的 4 个点
- 用数据说话:能量化的成果尽量给数字和对比,比形容词有力。
- 对齐职责和目标:成果要能对应岗位职责和团队目标,而不是罗列杂事。
- 提炼亮点:从一堆工作里挑 2-3 个最有价值的重点讲透,别平均用力。
- 坦诚问题:适度写不足和改进,反而显得真实、有反思。
述职报告完成后必须核对的清单
- 数字、项目名、时间是否真实准确。
- 贡献边界是否清楚,有没有把”参与”写成”主导”。
- 亮点是否有成果或数据支撑,不是空话。
- 下一步规划是否具体、可衡量。
AI 写述职报告的能力边界
AI 能帮你搭结构、润色表达、提炼亮点,但它不知道你的真实业绩,也不能替你判断哪些是你的主要贡献。数据要你提供,贡献边界要你把关,最终对内容负责的是你自己。涉及绩效、晋升、评优的关键数字,务必核对无误再提交。
关于用 AI 写述职报告的常见问题
AI 会不会把我的述职写得太夸张
有这个风险,所以提示词里要求它不编造、不用绝对化词。生成后你要删掉任何没有依据的拔高表述。
没有漂亮的数据,还能写好述职吗
能。没有大数字时,可以突出过程改进、流程沉淀、协作贡献和具体案例,同样有说服力,关键是真实具体。
述职报告和述职 PPT 是一回事吗
不是。报告是完整文字版,PPT 是汇报时的提纲和视觉版。要做 PPT 可参考 述职PPT大纲提示词。
相关教程
做绩效自评可看 AI绩效自评提示词;年终场景可用 AI年终总结提示词;要把述职做成 PPT 可看 述职PPT大纲提示词;日常复盘可用 AI工作总结生成器。更多模板进 AI办公提示词模板大全。
用交付结果倒推需要的信息
例如，述职报告写了几十项工作，评审者仍看不出最重要的三项贡献。这类任务的难点通常不在“让AI写一段话”，而在于先把事实、边界和交付对象理顺。开始前应单独列出已有材料、尚未确认的信息和不能由模型替你决定的事项。没有依据的数字、承诺、人员安排和专业结论一律标记待确认，不用看似完整的句子掩盖信息缺口。
处理时重点抓住这些要素：职责、目标、行动、结果、证据、协作、复盘和下一阶段计划。先用一小段材料跑通，再扩大到完整任务，能更早发现字段缺失和理解偏差。涉及多人协作时，最好让下一位执行者复述一遍：他从文档里看到了什么、准备先做哪一步、遇到什么情况需要停下。复述不一致，说明文档仍需修改。
从错误版本反推检查点
一个常见的失败版本是：用形容词代替数据，团队成果归个人，回避未达成目标。它往往表面整齐，实际无法执行。修正时不要只让AI“更专业”，而要指出哪一项事实缺失、哪句话无法验证、哪一步没有责任人或判断条件。每轮只改一类问题，并保留修改前后的差异，后续才能沉淀出稳定做法。
- 事实核对：人名、日期、金额、指标、文件版本和业务规则回到原始材料逐项确认。
- 边界核对：区分已经决定、正在讨论、个人建议和模型推断，不能把四者混写。
- 执行核对：动作写到具体对象、负责人、时间和可观察结果，删掉“持续关注”“及时处理”这类空话。
- 风险核对：敏感数据先脱敏，合同、财务、法律、安全、医疗等结论交给相应专业人员。
交付前用一个简单标准验收：核心成果有口径和证据，问题说明原因与改进，计划能回应业务目标。再安排一次反例检查，故意输入一条缺日期、缺负责人或相互冲突的材料，看结果是否会明确提示缺口，而不是自行补全。能在正常情况和异常情况下都给出可核对结果，这套做法才算真正可复用。
最后保留三样东西：原始材料、采用的版本和人工确认记录。下一次遇到相似任务，可以复用字段和检查表，但仍要替换当次事实。模板的价值是减少遗漏，不是让所有场景得到同一答案；只要任务目标、读者或约束变化，就应重新检查输入和验收条件。