投错 JD 是时间黑洞。一份没优化过的简历，平均会漏掉目标 JD 里 52% 的关键词（ResumeAdapter ATS 数据，2026），而 99.7% 的招聘方就是用这些关键词过滤来分拣简历。这 17 个 Prompt 帮你诚实评估匹配度、锁定 2–3 个 deal-breaker 技能、决定要不要投，要投就把简历和 talking points 一起定制好。
一句话总结
- 把 JD 和简历放进同一个 Prompt，模型才能交叉对照；分两步走会丢掉关联。
- 把打分 + gap 分析 + deal-breaker 三连当成 5 分钟分拣，再决定要不要投入面试准备。
- 大约 6+/10 且没漏 deal-breaker 就值得投。漏一个 deal-breaker，别处 9/10 也救不回来。
- 论定制的诚实度，Claude Opus 4.7 是最稳的默认（它不会编造指标）；ChatGPT GPT-5.5 走量最快；Gemini 3.1 Pro 在你能说出公司名、想要实时市场行情时最好用。
- 关键词匹配目标定在 65–75%，但绝不靠编造职责来凑。
这套 Prompt 主要解决什么问题
JD 有 20–30 条 bullet，但只有 4–6 条真正重要。无脑全投浪费几周；只投 100% 匹配又错失机会。这些模板把必备从愿望清单里拆出来，诚实给你的匹配度打分，识别可桥接的 gap，再把分析转成定制 bullet 和面试 talking points。
该用哪个 AI 模型（2026 年 6 月）
三个前沿模型都能一次读完整份 JD 加简历。对求职真正有影响的区别如下：
| 模型 | 套餐与价格（美元/月） | 上下文 | 文件上传 | 最适合 |
|---|---|---|---|---|
| GPT-5.5（ChatGPT） | Plus $20 | 应用内约 320 页（完整 1M 仅 $200 Pro） | 单文件最大 512 MB | 快速走量分拣；动词强势 |
| Claude Opus 4.7 / Sonnet 4.6 | Pro $20（年付 $17） | 100 万 token | 单文件最大 30 MB | 诚实定制；不会编指标 |
| Gemini 3.1 Pro | Google AI Pro $19.99 | 100 万 token | 单文件最大 100 MB | 用 Search 实时查公司/薪资 |
补充（截至 2026 年 6 月）：ChatGPT 免费版跑 GPT-5.5，额度很紧，美国免费版已开始带广告。Claude Pro 捆绑 Claude Code 和 Cowork。Google AI Pro 就是早些年那个”Gemini Advanced”（2026 年初改名）。一个实用提醒：你没给数字时，GPT-5.5 有时会编一个，比如”带来 40% 营收增长”，所以它加的任何指标都要核实。下面的”诚实规则”就是为这个准备的。
这篇适合谁
每周分拣 30+ 开放岗位的求职者；现实检查背景能否桥接到新行业的转行人；比较两份 offer JD、决定哪个 loop 值得投入的资深工程师；解码 JD 通货膨胀（“5 年经验”对应入门岗）的应届；帮候选人做定制申请的猎头。
什么时候不建议用
明显匹配的岗位别用——分析不会让你惊讶。JD 太模糊解析不了（一段”我们要找优秀工程师”）——先找 HR 问真实预期。也别把匹配分当成 7+ 的硬切线——有些 6/10 会因 network、故事、招聘紧迫感而转化，判断仍然重要。
Prompt 结构公式
一个 JD 匹配 Prompt 应包含 6 个要素：
- JD 全文：完整粘贴，包括公司段。
- 你的背景：简历或浓缩背景。
- 目标：打分、必备提取、gap 分析、或定制。
- 诚实规则：模型必须把 gap 当 gap 标出；“可迁移技能”不是万金油。
- 输出形状：结构化（表或编号列表），不是大段散文。
- 行动：你拿结果做什么——申请、跳过、准备、定制。
这套 Prompt 适合用在哪
- 投前分拣（投或跳）
- Cover letter 准备（强调什么）
- 面试准备优先级（先桥接哪个 gap）
- 转行可行性检查
- 两份 offer 头对头比较
- 解码膨胀 / 黑话 JD
- 识别 JD 隐藏 red flag
- 按岗位定制简历 bullet
17 个可直接复制的 Prompt 模板
[方括号] 里的占位符由你填。请把完整 JD 和简历都粘上；模型需要两者在同一条消息里。
1. JD-fit 打分
JD：[paste]。我的简历：[paste]。打 1–10 分。拆分：3 条我明显满足的必备、3 条我部分满足的必备、3 条我有的 nice-to-have、3 条 gap。结尾用 1 句话推荐：申请 / 带保留申请 / 跳过。2. 提取真正的必备
下面是有 30+ bullet 的 JD。识别真正的必备（大约 4–6 条），与愿望清单分开。每个标"必备 / 强偏好 / 加分"。用 1 行说明每个"必备"分类的理由。
JD：[paste]3. 申请或跳过决策
我对这份 JD 的 fit 分是 [N]/10（粘贴）。要申请吗？给推荐：(a) 拿到 HR 电话的现实概率，(b) cover letter 应该强调什么，(c) 如果我再给一份背景信息，什么会改变你的判断。4. Gap 桥接计划
我对 JD 有这 3 个 gap：[gaps]。每个建议 2–3 个面试前桥接方式（如 1 周边项目、1 小时课程、能诚实讲的相邻经历故事）。每个建议：执行时间、它建立的可信度。5. 面试 talking points
基于 JD 和我的背景，生成 8 个面试中应该织入的 talking points。每个：1 行 talking point、1 个我的背景具体例子（可能带指标）、在哪个 round 用（HR / hiring manager / panel）。
JD：[paste]
简历：[paste]6. 可能的面试问题
基于 JD 预测 12 个可能问题：技术深度（4）、行为（4）、岗位 fit（4）。标出回答弱了就是 deal-breaker 的题。每题建议 1 个 talking point 准备。7. 两份 JD 与我背景对比
我在比较 JD-A 和 JD-B（两份都粘贴）。给每个打 fit 分（1–10）。推荐先攻哪个、为什么。包含：哪个更可桥接、哪个竞争更小、哪个更优化我想要的下一步。
JD-A：[paste]
JD-B：[paste]
简历：[paste]8. JD 黑话转人话
这份 JD 又密又多黑话。请翻成人话：这个岗位实际日常做什么？每条"职责"在第 1 周 vs 第 6 个月分别长什么样？标出任何暗示真实预期的短语。
JD：[paste]9. 识别隐藏 red flag
下面是一份 JD。识别任何暗示 red flag 的短语：scope 蔓延、工作量对应低 headcount、模糊 seniority、不明确 ownership、"身兼数职"、奇怪的薪酬暗示、"fast-paced"双关。每个：原句、可能信号、我在 HR 电话里应该问什么验证。
JD：[paste]10. 按 JD 定制简历 bullet
基于 JD 和我的简历，列出能不撒谎就提升 fit 的具体 bullet 改写。每个 before 然后 after。只改最近 2 个岗位的 bullet。不要捏造职责——只重新强调已有的。尽量浮现我真正匹配的 JD 关键词。11. JD 定制 Cover letter 大纲
基于 JD 和我的背景，给 250 字 cover letter 大纲：钩（1 行把我的背景对接到团队使命）、2 段证据（每段引 1 个具体故事或指标对应一个 JD 必备）、收尾（1 句为什么是这个团队不是任何团队）。
JD：[paste]
背景：[paste]12. 识别 deal-breaker
从这份 JD 识别 2–3 个 deal-breaker 要求——没满足就不会过初筛、其他再强也没用。每个：JD 原话、为什么可能是 deal-breaker（合规 / 团队能力空缺 / 岗位特定）、如何在 HR 电话验证。
JD：[paste]13. 匹配概率与时间线
JD：[paste]。我的背景：[paste]。估计：申请拿到 HR 电话的概率（0–100%）、过电话筛的概率、拿到 onsite 的概率。每个估计用 1 行说明。保守一点——不要膨胀。14. JD red-flag 与 Glassdoor 交叉核
下面是 JD，再下面是同公司的 8 条 Glassdoor 评论。交叉核：哪些 JD 主张（如"协作文化"、"成长机会"）与评论主题矛盾？列出矛盾及对应的评论引语。
JD：[paste]
评论：[paste]15. 转行可行性
我在从 [current field] 转 [target field]。JD：[paste]。我的简历：[paste]。诚实评估：哪 2–3 个技能我最难展示、每个最少需要什么桥接（项目、证书、故事）。诚实——不要说服我去拼一个会失败的 stretch。16. 薪资期望与 JD 校准
JD：[paste]。地点：[location]。Seniority：[level]。基于 (a) JD 的 seniority 信号、(b) 公司融资阶段 / 市场位置（如有提及）、(c) 地点，估计这个岗位的现实薪资区间。给低 / 中 / 高。说明你用了哪些信号。17. JD 驱动的 30 天计划
JD：[paste]。假设我拿到岗位。请写 30 天计划：第 1 周（要见的人、要读的文档）、第 2 周（第一次交付）、第 3 周（第一个 quick win）、第 4 周（90 天提案）。我会带到 final round 作为可信度建立。具体到这个团队，不要通用。容易踩的坑
- 无脑全投策略。 分散精力、定制质量下降、HR 能察觉。
- 把 JD bullet 当等权重读。 2–3 条是 deal-breaker，其余是愿望清单。别把面试准备浪费在愿望清单上。
- 忽略 2–3 个 deal-breaker。 漏一个就 screen 死掉，其他都没意义。
- 过度定制到撒谎。 把”写内部文档”改成”主导文档战略”会在面试中被抓。（其实多数 ATS 淘汰是因为缺关键词和格式坏掉，不是自动拒：2025 年一项研究发现 92% 的招聘方没设按内容自动拒的规则，但表格和多栏排版会造成约 23% 的解析失败。）
- Cover letter 重复简历。 它应该加简历 bullet 装不下的证据，不是复述。
- 跳过公司研究。 两份相同 JD 可能对应完全不同的团队文化。Glassdoor 加 LinkedIn 员工任期比 JD 说得多。
- 照字面信 JD 的 seniority 标签。 创业公司 A 的”高级”常常约等于公司 B 的”中级”。按职责对比，不是按 title。
下一步怎么继续提升
- 把打分 + gap 分析 + deal-breaker 跑成分拣三连。一起做能 5 分钟内给出每份 JD 的申请/跳过判断。
- 永远JD 和简历在同一个 Prompt 里。两步走（先析 JD 再对比简历）会丢掉模型需要的交叉引用。
- 决定要申请的岗位，模板 #10 接 #11 顺跑——定制 bullet 喂给 cover letter。
- final round 前跑模板 #14（Glassdoor 交叉核）。它会浮出”你有什么问题要问吗”环节该问的事。
- 转行先跑模板 #15。多数转行失败，5 分钟可行性检查就能预判。
- HR 电话之后再跑一次 deal-breaker Prompt，带上新学到的信息——真实 deal-breaker 常和 JD 说的不一样。
- 把gap 桥接计划（模板 #4）存成永久文档。即使这份没拿到，gap 会在相似 JD 反复出现。
FAQ
- 什么匹配分应该真去投？ 大约 6+/10 且没漏 deal-breaker。低于 6，cover letter 的工作量就不合理了。漏了 deal-breaker，别处 9/10 也过不了 screen。
- 这些 Prompt 该用哪个 AI 模型跑？ Claude Opus 4.7（Pro，$20/月）是最稳的默认，因为它不会编指标。ChatGPT GPT-5.5（Plus，$20/月）走大量分拣最快。Gemini 3.1 Pro（Google AI Pro，$19.99/月）在你能说出公司名、想要 Search 实时薪资和市场行情时最好用。三者都能在一条消息里读完整份 JD 加简历。
- 能信模型的薪资估计吗？ 当区间信，当精确数不信。用它定个底线，再用 Levels.fyi 或同行验证。
- 关键词匹配率该定多少？ 对 JD 的 65–75% 匹配是常见基准，因为没优化的简历平均会漏掉 52% 的目标关键词。靠重新强调真实经历去够，绝不靠编造职责。
- 应该按 JD 定制每条简历 bullet 吗？ 只定制最近 2 个岗位的 bullet。再深就过度定制、显假。
- 每份 JD 花 10 分钟分析真值得吗？ 资深岗值得——每份应申要 4+ 小时面试准备。初级岗不值——量比精度重要。
- ATS 关键词优化呢？ 用简历关键词匹配 Prompt；本文聚焦 fit 和定制，不是 ATS 玩法。
相关阅读
- 简历 Prompt —— 更广的简历改写工作流
- 简历关键词匹配 Prompt —— ATS 关键词优化层
- Cover letter Prompt —— 从 JD-match 分析生成 cover letter
- Cover letter 定制 Prompt —— 一封 cover letter 跨岗适配
- 公司研究 Prompt —— 与模板 #14 配深入公司尽调
- STAR 面试 Prompt —— 支撑模板 #5 talking points 的故事库
- JD 匹配分析用例 —— 端到端示例
- 行为面试准备用例 —— 含 JD 分析和 STAR 的完整准备 loop