多数候选人要么乱投，要么干脆不投。到了 2026 年这两种都行不通：约 97.8% 的财富 500 强岗位前面都挡着一套可检测到的 ATS（招聘追踪系统，数据来自 Jobscan 2025 年报告），大约 75% 的简历还没到人眼就被筛掉，而「投递→面试」的转化率已经从 2023 年的 8.4% 跌到 2024 年的 3% 左右——因为 AI 把每个岗位的投递量都灌满了。海投现在等于制造噪音。正确做法是先 triage（分流）：在花一小时定制简历之前，先诚实读一遍 JD，只把力气投到你真正适配的岗位上。
下面 12 个 Prompt 做的就是这件事。它们帮你把真实要求和心愿单分开、捕捉隐藏信号，最后给出一个站得住脚的「投 / 转 / 弃」判断，让你别再为那些本来就过不了的岗位白费功夫。
一句话总结（TL;DR）
- 这些 Prompt 是用来先判断要不要投的，在定制简历或写 cover letter 之前用。
- 决策主线就三个模板：#1 真要 vs 心愿单、#2 七维适配评分（1-5）、#6 投 / 转 / 弃。
- 一定要贴你真实的背景。光让 AI「诚实点」、却不给它任何材料，它只会给你一堆自信的猜测。
- 做分析本身，Claude Opus 4.7 或 Sonnet 4.6 更倾向于直接标出缺口而不是编数字；GPT-5.5 在你只有一张 JD 截图时更顺手。无论用哪个，模型给的数字都要核对。
- 在真正适配的岗位上做定制，回复率能比海投高出好几倍——前面这步分流，正是让定制值得做的原因。
适合谁
需要从一长串岗位里做分流的求职者、要校准「能伸手够多远」的转行者，以及帮候选人把明显不匹配的岗位提前筛掉的 recruiter。
用哪个模型跑（截至 2026 年 6 月）
做分流不需要付费套餐，免费档处理单个 JD 完全够用。几个模型的区别主要在「信息不足时它怎么办」：
| 模型 | 入口套餐 | 在这里最适合 | 要注意 |
|---|---|---|---|
| Claude Sonnet 4.6 / Opus 4.7 | 免费（Sonnet，有限）/ Pro $20 / Max $100 起 | 诚实的适配分析、找缺口、长 JD | 基本没坑，反而会主动标出缺数据的地方 |
| GPT-5.5 | 免费 / Go $8 / Plus $20 | 贴 JD 截图、头脑风暴切入点 | 你不拦它就会编一个薪资数字或日期 |
| Gemini 3.1 Pro | Google AI Pro $19.99 | 拿来做第二意见交叉验证、Workspace 用户 | 同样：任何数字都要对照来源 |
2026 年 5 月的对比测试里，当被要求「在没有真实数字的情况下把某句话写得更有力」时，Claude 约 80% 的概率会插一个方括号占位符并反问你要数字；而 ChatGPT 约 60% 的概率会直接给一个看起来合理、却完全编造、也没任何提示的数字。做适配分析时，这种「先打问号」恰恰是优点。挑你已经付费的那个模型就行，然后对所有模型套同一条规矩：把每一个薪资区间、日期、「这个级别通常如何」的说法都当成待验证的假设。
Prompt 结构拆解
每个 JD 适配 Prompt 都该带这六个要素：
- 角色：让 AI 扮演谁——候选人、招聘经理还是 recruiter。
- 上下文：目标岗位、公司、级别，以及你的背景。
- 目标：一个交付物——一张表、一个评分、一个判断。
- 限制：字数、禁用短语、必须出现的事实。
- 语气：自信 / 好奇 / 克制——挑 2-3 个锚点。
- 示例：贴 1-2 段你过往的经历条目，让模型对齐你的真实记录，而不是套模板。
关于下面的占位符：把 [jd]、[me]、[title] 换成你自己粘贴的内容。保留这种方括号写法——它在向模型暗示「这里用我给的材料填」，能减少凭空编造的细节。
12 个可直接复制的 Prompt 模板
1. 真要 vs 心愿单
JD: [jd]. Identify: (a) MUST-haves (the role won't function without them), (b) NICE-to-haves (wishlist), (c) cargo-cult lines copied from another posting. For each line, say how you can tell which bucket it belongs in. Output a 3-column table.替换： [jd]
2. 七维适配评分
JD: [jd]. My background: [me]. Score fit on 7 dimensions: domain, level, skills, scope, leadership, cultural, comp range. Each 1-5 + a one-line rationale. Total >= 25 = strong apply; 18-24 = stretch; under 18 = pass.替换： [jd]、[me]
3. stretch 岗分析
I'm a stretch for this role. Identify: (1) 2 things I genuinely lack, (2) 2 ways I can credibly compensate, (3) 1 area I should not pretend to have. Be blunt — pretending gets exposed by the third interview.4. 隐藏信号
Read between the lines of this JD: (1) Why does this role exist now — new team, backfill, or expansion? (2) What scope creep is hinted at? (3) What culture clues do the verbs leak ("thrive in ambiguity", "self-starter", "wear many hats")? Output a short between-the-lines note.5. 头衔与实际不符
The JD title says [title]. Read the responsibilities. Does this role actually match the title at typical companies? Flag whether it looks (a) under-leveled, (b) over-leveled, or (c) unusually scoped, and tell me how to adjust my expectations.替换： [title]
6. 投 / 转 / 弃
Based on my fit analysis above, decide: (a) APPLY now, (b) PIVOT (same kind of role but at a smaller / larger / different-stage company), or (c) PASS. Give a one-paragraph rationale plus the next 3 concrete actions.7. 投前要补哪些
For the genuine gaps in my fit, list: (a) skills I could close meaningfully in 4 weeks, (b) a project I could ship as proof, (c) what NOT to invest in because it won't move the decision. Be ROI-aware and rank by impact.8. JD 红旗
Audit this JD for red flags: "wears many hats" with no team, "must be passionate" with no comp, "fast-paced" with no leadership context, an unrealistically long requirements list, or a title/responsibility mismatch. Output each flag plus its impact on whether I apply.9. 薪资信号
From this JD infer: company size, location, role level, equity language. Estimate a likely comp band and explain the reasoning. Cross-check against levels.fyi and public salary data, footnote your uncertainty, and do not invent a specific offer number.10. cover letter 锚点提取
From this JD, extract the 3 phrases I should echo (not parrot) in a cover letter — the specific responsibility or value they prioritise. For each, write one sentence linking it to my real background: [me].替换： [me]
11. recruiter 电话准备
Based on my fit analysis, prep recruiter-screen talking points: (a) a 30-second elevator opener, (b) one example matching their top requirement, (c) the one honest gap question they'll likely ask and how I'd answer, (d) 2 sharp questions I should ask them.12. 三家 JD 对比
Compare 3 similar JDs: [jd1], [jd2], [jd3]. For each: scope, level signal, must-haves, culture clues. Then recommend which one to prioritise for application and why.替换： [jd1]、[jd2]、[jd3]
容易踩的坑
- 没有具体上下文（公司 / 岗位 / 级别）。输入泛泛，输出也泛泛。
- 要诚实却不给真实经历。 没有任何材料可锚定，模型会把优势和缺口都编出来。
- 直接信它给的数字。 AI 会编薪资区间、日期和头衔。第 9 个薪资 Prompt 存在的意义是逼它去查来源，而不是替你查。
- 所有公司用同一个答案。 同一家公司的 recruiter 会互通，一模一样的措辞一看就是海投。
- 没有语气锚点。 不给 2-3 个语气词，输出会很平。
- 把初稿当终稿。 模型原始输出读着像 AI；2026 年的测试里，经人手编辑过的经历条目在「岗位匹配度」上比原始输出高约 27%。
优化技巧
- 贴真实经历条目，让模型对齐你的语气，而不是套模板。
- 把 #2（适配评分）和 #6（决策）当一对跑，然后让模型反过来论证相反的结论，给判断做压力测试。
- 对 stretch 岗，先让 AI 扮面试官——弱答案会在真面试之前先暴露出来。
- 每家公司一个 doc：放适配分析、要补的缺口、要问的问题。
- 面试当天早上再快速扫一遍——看上一周有没有新闻或发布。
FAQ
- recruiter 看得出 AI 写的吗？ 越来越看得出——不是靠检测工具，而是因为低质 AI 输出现在又通用又满天飞。用你真实记录里的具体内容，是唯一的解药。
- 适配分析该用哪个模型？ 想让它标出缺数据而不是瞎猜，用 Claude Opus 4.7 或 Sonnet 4.6；只有 JD 截图就用 GPT-5.5。两种都要核对数字。
- 投之前研究到什么程度算够？ 真心想要的岗位，连这些 Prompt 一起 60-90 分钟。再多回报递减得很快。
- 什么时候开始查薪资？ 投之前，用第 9 个 Prompt 作为起步假设。在任何议薪之前，先用 2-3 个来源（levels.fyi、Glassdoor、近期招聘帖）交叉验证。
- 定制真能改变命中率吗？ 海投到面试的转化率约 2-3%；定制且真正适配的投递明显更高。前面这套分流，正是告诉你哪些岗位值得花那个定制时间。
- stretch 岗到底要不要投？ 通常要投——但用 #3 Prompt 诚实写出你缺什么，这样面试里你能主动回应，而不是被戳穿。