TL;DR
把完整 JD 加一段简短的背景摘要丢给 Claude（Sonnet 4.6，免费档够用）或 ChatGPT（GPT-5.5），让它一次做四件事：分清 must-have 和 nice-to-have、标出空洞的 buzzword、把你的经历对应到每条要求、预测面试题。模型擅长跨几千份 JD 找 pattern，但不懂公司内部上下文，所以它给的匹配分只是假设，不是定论。别因为一个 gap 就劝退自己：有调研显示候选人通常在满足约 52%（男性）到 56%（女性）要求时就会投，并不是凑到 100%。
任务场景
刚跳出来一份第一眼”很匹配”的 JD。其中一半是经理粘到每个岗位都用的 buzzword，另一半才是真门槛。你要知道哪些是哪些、你的背景实际落在哪里、gap 在哪、面试会被问什么。没这个分诊，要么你劝退自己不投，要么投了之后在二面卡死。
还有第二个理由要认真做。截至 2026 年 6 月，超过 90% 的雇主会用 ATS（申请人追踪系统）筛简历，而一份没针对岗位调整过的简历，平均会漏掉目标 JD 里约 52% 的关键词（Jobscan, 2026）。把 JD 里的真要求抽出来，是写出既能过关键词筛选、又能打动后面那个真人的简历的第一步。
哪些情况适合让 AI 来做，哪些不要
AI 善于把信号和 buzzword 分开（它读过几千份 JD，pattern 很熟）、把要求对应到你的简历、并预测面试题。但它不懂内部上下文——有时”nice-to-have”其实是硬要求，因为经理写得随手；有时看起来吓人的 must-have，对合适的人反而能谈。模型标”nice-to-have”时，能和 HR 初筛核对一句更稳。
它也告诉不了你薪资带宽、经理口碑、团队是不是正在着火。这些只能从人那里拿到，不在文本里。
用哪个模型
任何当下的前沿模型都能胜任。截至 2026 年 6 月：
| 工具 | 免费档够用吗 | 为什么选它 |
|---|---|---|
| Claude（Sonnet 4.6） | 够 | 结构化抽取和诚实 gap 分析都强；JD 加背景摘要塞进上下文很轻松 |
| ChatGPT（GPT-5.5） | 免费档够用，消息数较少 | 约 2026 年 4 月起为默认模型；排序那步建议在选择器里切到 Thinking |
| Gemini 3.1 Pro | 够（Google AI Pro 19.99 美元/月可提额度） | 如果你的简历本来就在 Google Docs/Drive 里，顺手 |
单看一份 JD 不需要付费档。只有当你要批量分析几十个岗位、或想让模型在一次会话里同时读长简历 PDF 加多份 JD 时，付费档才有意义。
需要给 AI 的输入
- 完整 JD 文本（含标题、级别、地点）
- 你的简历或背景摘要（精简，不是整简历）
- 公司 + 团队（让模型推测惯例）
- 你的真实资历，不是你希望的那个 title
- 你不能让步的：地点、工时、薪水底线、签证
- 你具体的担心（例如”我没 Kubernetes 经验”），让模型针对它分析
Prompt
帮我分析这份 JD。
公司 + 团队：[line]
我真实资历：[年限 / 级别]
不能让步的：[列表]
我具体担心的：[line]
JD：
"""
[paste]
"""
我的背景摘要：
"""
[2-3 段]
"""
请输出：
1. Must-have 真要求（经理不会松口的）——附 JD 里的对应行
2. Nice-to-have 要求（强候选人通常能豁免）
3. Buzzword bullet（没实际意义——忽略）
4. 背景与要求的对应：哪段经验对应每个 must-have
5. 诚实 gap 分析：哪些是 dealbreaker、哪些能绕开谈
6. 5 个该岗位可能的面试题
7. 我应该在初筛里反问的 3 个问题
8. 如果有不能让步的 dealbreaker，给一个"不要投"提示资深岗位再加一句：“加一段战略叙事——我应该讲一个关于自己最近 2 年、能挂到这个岗位的故事。”
想同时备好简历，再加：“列出这份 JD 里 ATS 会筛的 15 个关键词，标出哪些已经在我背景里，并建议在不撒谎的前提下把缺的补在哪。“
好的输出长什么样
一张干净的四列表（要求 / 我的对应 / gap 严重度 / 怎么处理）、buzzword 单独列出、预测问题列成 list、收尾给”该不该投”。拿这个标准对一下：
- Must-have 能追到 JD 里具体行，不是凭感觉
- buzzword 一眼空（“rockstar”、“ninja”、“10x”、“self-starter”）
- 背景对应引用你真实经历，不是泛泛的优点
- gap 分析诚实——如果模型对每个 gap 都说”问题不大”，就要 push back
- 预测问题像这个团队会问的，不是通用 top-10
看穿 JD 的暗语
模型对这类暗语判断还行，但你最好自己也熟，方便复核。常见 JD 措辞和它们通常暗示什么（Ongig, 2026）：
| JD 措辞 | 通常意味着 |
|---|---|
| ”Fast-paced environment” | 工时长、人手不足、要随时待命 |
| ”Wear many hats” | 岗位边界不清，你会干很多分外活 |
| ”Self-starter” | 几乎没有培训和支持 |
| ”Work hard, play hard” | 长工时，偶尔发个披萨 |
| ”Ownership culture” | 帮助比你想的少，得自己扛 |
这些都不是自动出局的理由，而是提示你在初筛里问更尖锐的问题。
容易踩的坑
- 把 AI 的匹配分当圣经——它只是起点假设
- 不喂真背景——模型没法帮你映射 gap
- 把每个 nice-to-have 当 critical——浪费准备时间
- 跳过”反问问题”——HR 注意到你没问
- 带着 dealbreaker gap 硬投、还没准备说法——二面会暴露
- 太迷信关键词清单——把 JD 原样塞进简历，真人审稿能看出来；目标是自然覆盖，不是 100%
FAQ
有真实 gap 该不该投？ 不是 dealbreaker 就投。“只在 100% 符合时才投”是个误区：2022 年一项一万多人的研究里，男性大约在满足 52% 要求时就投，女性约 56%（Behavioural Insights Team）。在 cover letter 或初筛里把 gap 讲清楚就好。
JD 写了 12 条 must-have 怎么办？ 真 must-have 通常只有 5 到 7 条。让模型按”被豁免的可能性”排序，先准备最不可能被豁免的那一档。
简历到底要匹配多少 JD 关键词？ 目标是覆盖约 60%–80% 的有效词，不是全部。带上岗位原标题的简历拿到的面试邀约明显更多，所以先对齐标题和最核心的几个技能。
少一个关键词会被 ATS 自动刷掉吗？ 现在的 ATS 更多是排序和排前，而不是因为缺一个词就硬拒；但关键词重合度低会把你压到队列后面。正因为多数雇主仍在按关键词筛，针对岗位调整简历比以往更重要。
AI 能告诉我薪资或团队好不好吗？ 不能。它能提示 JD 是否藏了薪资带宽、是否堆了红旗式措辞，但薪资、经理质量、团队健康度只能从 HR 初筛、Glassdoor 和你的人脉那里拿。
相关
- AI 写英文简历 ——按 JD 调简历
- JD 匹配分析 AI ——更深的 JD-简历匹配打分
- Cover Letter 定制 Prompt ——按 JD 写 cover letter
- STAR 面试回答 ——为该岗位准备行为面试
- 模拟面试 AI ——练预测问题
- 自我介绍 ——60 秒开场
- 行为面试问题 Prompt ——预测行为面试