很多人第一次用 AI 求職助手,只把它當成履歷潤色工具。這當然有用,但價值只發揮了一小半。
更適合的用法是:先讓 AI 幫你篩職缺,再針對值得投的職缺改履歷。也就是把職缺要求、個人經歷、投遞優先級、定制材料和投遞記錄串起來。
先準備三類資料
不要一上來就讓 AI 寫履歷。先準備:
- 個人基礎檔案;
- 經歷素材庫;
- 投遞偏好。
個人檔案可以包含目標職位、年限、城市或遠端偏好、技術棧、當前履歷和不能編造的邊界。
經歷素材庫建議按專案整理:
1
2
3
4
5
6
7
8
9
10
11
12
|
## 專案:內部知識庫檢索系統
- 角色:後端開發
- 時間:2025.03 - 2025.09
- 技術:Python、FastAPI、PostgreSQL、向量檢索、Docker
- 做過的事:
- 設計文檔解析和入庫流程
- 接入權限校驗
- 優化檢索響應時間
- 結果:
- 查詢平均響應時間從 3.2 秒降到 1.1 秒
- 支援 5 個業務部門使用
|
投遞偏好則用於篩職缺:
1
2
3
4
5
6
|
## 投遞偏好
- 優先:遠端 / 混合辦公、AI 應用方向、工具平台類產品
- 可接受:傳統 SaaS、企業內部系統、資料平台
- 暫不考慮:純外包、長期駐場、銷售導向職缺
- 每週最多投遞:15 個高匹配職缺
|
第一步:讓 AI 拆解職缺要求
不要直接問「我適合嗎」。先讓 AI 拆 JD:
1
2
3
4
5
6
7
8
9
10
|
請把下面這份職缺 JD 拆成結構化信息:
1. 必須滿足的硬性要求
2. 加分項
3. 實際工作內容
4. 隱含能力要求
5. 可能的面試重點
6. 需要我在履歷裡重點回應的關鍵詞
請不要評價我是否適合,先只分析職缺。
|
這能避免 AI 一開始就給出過度樂觀的匹配判斷。
第二步:用匹配矩陣篩職缺
不要只看總分。讓 AI 輸出證據矩陣:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
請基於我的個人檔案和經歷素材庫,對這份職缺做匹配分析。
請輸出表格:
- 職缺要求
- 我的相關證據
- 匹配程度:強 / 中 / 弱 / 無
- 是否需要補充
- 履歷中應該怎麼體現
最後給投遞建議:
A:強烈建議投遞
B:可以投遞,但需要定制履歷
C:暫緩投遞
D:不建議投遞
沒有證據的地方請寫「暫無證據」,不要替我編造經歷。
|
矩陣比「匹配度 82 分」更有用,因為你能看到每條要求背後是否有真實證據。
第三步:把職缺分成三檔
| 檔位 |
特徵 |
操作 |
| 高優先級 |
核心要求和經歷高度重合 |
定制履歷和求職信 |
| 中優先級 |
方向匹配但有短板 |
輕量定制 |
| 低優先級 |
關鍵詞相似但職責不匹配 |
跳過或收藏 |
AI 的價值不是讓你投更多,而是讓你少投低品質職缺。
第四步:讓 AI 只改「相關表達」
不要全文重寫履歷。更好的提示:
1
2
3
4
5
6
7
8
|
請基於這份職缺 JD,只改寫我履歷中與該職缺相關的部分。
要求:
1. 不新增我沒有做過的經歷
2. 不改變專案事實
3. 優先強化和 JD 相關的關鍵詞
4. 每條經歷盡量包含:動作、技術/方法、結果
5. 輸出「修改前 / 修改後 / 修改理由」
|
原始表述:
1
|
參與內部知識庫系統開發,負責後端接口和資料處理。
|
可以改成:
1
|
參與內部知識庫檢索系統開發,負責文檔解析、權限校驗和檢索接口設計,使用 FastAPI 與 PostgreSQL 支撐跨部門知識查詢場景,將平均查詢響應時間從 3.2 秒優化至 1.1 秒。
|
第五步:補齊履歷裡的證據鏈
一條好的履歷經歷應該回答:
1
2
3
4
5
|
職缺需要什麼能力
我在哪個專案裡用過
我做了什麼
產生了什麼結果
和該職缺有什麼關係
|
讓 AI 檢查:
1
2
3
4
5
6
7
8
|
請檢查這份定制履歷是否形成清晰證據鏈。
對每個專案輸出:
- 對應的職缺要求
- 目前證據是否充分
- 哪些表達太泛
- 哪些資料或場景可以補充
- 哪些內容看起來像誇大
|
第六步:求職信只寫職缺相關理由
求職信不需要萬能自我介紹。可以用三段式:
1
2
3
4
5
6
7
8
9
10
11
12
|
請基於職缺 JD 和我的定制履歷,寫一封簡短求職信。
結構:
1. 我為什麼關注這個職缺
2. 我哪兩段經歷最匹配
3. 我能為團隊解決什麼問題
要求:
- 不超過 300 字
- 不誇大經歷
- 不使用空話
- 語氣自然,像真實求職者
|
第七步:建立投遞記錄和復盤字段
| 字段 |
示例 |
| 公司 |
Example AI |
| 職缺 |
AI 應用工程師 |
| 來源 |
官網 / LinkedIn |
| 匹配檔位 |
A / B / C / D |
| 核心匹配點 |
RAG、Python 後端、內部系統落地 |
| 短板 |
K8s 經驗不足 |
| 是否定制履歷 |
是 |
| 投遞日期 |
2026-07-10 |
| 狀態 |
已投遞 / 已約面 / 拒絕 / 無回覆 |
| 復盤 |
面試重點、被問到的問題、下次優化 |
每週讓 AI 復盤:
1
2
3
4
5
6
7
|
請根據我的投遞記錄做一次求職復盤:
1. 哪類職缺回覆率更高
2. 哪些關鍵詞常出現在高匹配職缺中
3. 哪些短板反覆出現
4. 下週應該優先投哪類職缺
5. 履歷應該做哪些小改動
|
常見坑:AI 改履歷時最容易出的問題
1. 把沒有做過的事寫進履歷
固定加一句:沒有明確證據的經歷不能寫入履歷。
2. 關鍵詞堆得太滿
關鍵詞應該放進真實專案動作裡,而不是堆在技能欄。
3. 每個職缺都深度定制
A 檔深度定制,B 檔輕量調整,C/D 檔跳過。
4. 只改履歷,不改投遞策略
沒回覆不一定是履歷措辭問題,也可能是方向、渠道、城市、年限或薪資不匹配。
5. 忽略 ATS 可讀性
檢查複雜表格、圖片化文字、標題、時間線和項目符號是否可解析。
一個可複用的完整提示詞
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
你是我的 AI 求職助手。請基於我的個人檔案、經歷素材庫和職缺 JD,幫我完成一次職缺篩選和履歷定制。
請按以下步驟輸出:
1. 拆解職缺 JD
2. 匹配矩陣
3. 投遞建議
4. 履歷改寫
5. 風險檢查
重要約束:
- 沒有證據的地方寫「暫無證據」
- 不要編造工作經歷、專案資料、公司名稱或職位職責
- 優先保留我自己的表達風格
|
小結
AI 求職助手最實用的姿勢,不是寫一份萬能履歷,而是圍繞職缺判斷是否值得投、有哪些真實證據、履歷該強化哪些表達,以及投遞後如何復盤。這樣它才是求職流程助手,而不只是履歷潤色器。