大多数简历输在关键词「排序」上，而不是被某个神秘机器人直接丢进垃圾桶。「ATS 在人看到之前就自动拒掉 75% 简历」基本是个传言：2025 年一项覆盖 10 多个平台、25 位美国招聘者的调查显示，92% 表示自家 ATS 并不会按简历内容自动拒人，大多数申请仍然至少会被人扫一眼。真实情况是：99.7% 的招聘者用关键词搜索和排序候选人（Jobscan《2026 求职现状报告》），所以一份匹配差的简历会沉到招聘者后台的第 5 页，根本不会被点开。下面这 15 个 Prompt 把关键词工作做成一条结构化流水线——提取、分类、对比、修复、排序——让你的简历在那次搜索里浮到靠前的位置。
一句话总结
- 目标不是「打败机器人」，而是当招聘者在 ATS 里做关键词 / Boolean 搜索时排到靠前，同时通过雇主设的硬性门槛题（工作许可、最低年限）。
- 对单份 JD 争取 75-85% 关键词匹配。Jobscan 推荐目标是 75%；很多岗位 65% 就能过，严格的要 90%。100% 匹配通常意味着关键词堆砌，反而过不了人工那关。
- 关键词要放进真实语境（嵌进具体 bullet），不要平铺成清单。现代 ATS 用语义匹配，会识别不自然的重复。
- 先提取和分类，再改写。绝不编造一个你面试答不出来的技能。
- 当下最好的工具：一个 1M token 的模型（Claude Sonnet 4.6、GPT-5.5 或 Gemini 3.1 Pro），这样能把完整 JD 和完整简历一次性贴进去。
适合哪些人
通过 ATS 重度依赖渠道投递的求职者——主流的企业级平台（iCIMS、Workday、Greenhouse、Lever、Ashby，外加 LinkedIn Easy Apply）覆盖了美国企业岗位中相当大的一部分——转行者、帮候选人改简历的猎头，以及背景不差但回复率只剩个位数的人。
ATS 到底怎么给你排序（2026 年 6 月）
值得先理清，因为它会改变你的写法：
| 机制 | 它做什么 | 你能控制的 |
|---|---|---|
| 关键词 / Boolean 搜索 | 招聘者用 AND / OR / NOT 字符串搜候选池；匹配的排得更靠前 | 用 JD 原文的硬技能词，让你出现在这些搜索里 |
| 匹配分 | 系统按章节和频次加权给关键词重叠打分 | must-have 词争取约 75-85% 命中，且在语境内 |
| 门槛题 | 雇主设的硬性闸门（许可、年限、地点）——这才是真正的自动过滤 | 如实回答；靠关键词调不过去 |
| 人工 review | 90%+ 的申请仍至少被扫一眼 | 保持简历可读；堆砌的关键词在这里会反噬 |
两个结论：（1）关键词的语境胜过纯频次；（2）你没法靠关键词绕过门槛题。写 Prompt 时按这个来。
什么时候不必用这套
熟人推荐绕过搜索环节的不用；看作品集而非关键词招人的（设计、研究）不用；简历本身就缺相关经历的也不用——关键词调整补不出不存在的经历。
这类工作最好用哪个 AI 模型（2026 年 6 月）
你需要一次模型调用就能装下整份 JD 加整份简历，这样它才能逐行对比。
| 模型 | 上下文 | 用于简历的说明 |
|---|---|---|
| Claude Sonnet 4.6 | 1M token | 擅长诚实、结构化的 diff；Pro 每月 $20 |
| GPT-5.5 | 应用内约 320 页（Plus $20）；完整 1M 仅 $200 Pro | 排序和语气贴合都不错 |
| Gemini 3.1 Pro | 1M token | Google AI Pro 每月 $19.99；适合多 JD 长批量 |
这三个都能在一个 Prompt 里轻松装下一份两页简历加 5 份 JD。若要对某个具名 ATS 专门打分，Jobscan 的目标匹配率是 75%。
Prompt 结构
关键词匹配 Prompt 应该带这六个要素：
- 角色：让 AI 扮演谁（recruiter、HR、职业教练）。
- 上下文：目标岗位、行业、级别、地区、你的背景、JD。
- 目标：一个具体可交付物——改写后的 bullet、关键词排序、带打分的排序。
- 限制：AI 不能做什么（别编造指标、别改事实、别堆我答不出的术语）。
- 输出格式：编号清单、markdown 表格、并排 diff、带打分的排序。
- 信号：1-2 段你自己的真实语气，让改写保持你的风格。
下面模板的一点说明：发送前把每个 [方括号] 占位符换成你的真实内容。
15 个可直接复制的 Prompt 模板
1. 整份 JD 对整份简历
从这条开始——先看全景再放大。
You are an ATS-savvy recruiter. Compare this resume against this JD. Output a markdown table with columns: JD requirement | Resume evidence (section + bullet number) | Match strength (Strong / Partial / Missing). Do NOT suggest rewrites yet. End with a 3-sentence diagnosis: which 3 gaps would most hurt my keyword ranking.
JD:
[paste JD]
Resume:
[paste resume]优化建议： 输出太泛时加一句：“Only flag requirements that appear in the JD’s Responsibilities or Requirements section; ignore the boilerplate intro.”
2. JD bullet 对 resume bullet 1:1 对比
Take this single JD responsibility bullet and compare it to my single most-relevant resume bullet. Score on 4 dimensions (0-3 each): keyword overlap, action verb strength, quantification, seniority match. Then write ONE rewritten bullet that scores 3/3/3/3 without fabricating facts.
JD bullet: "[jd bullet]"
Resume bullet: "[resume bullet]"3. ATS 关键词提取
Extract the keywords an ATS would parse from this JD. Output 3 lists: (1) Hard skills (tools, languages, frameworks, certifications) ranked by frequency, (2) Soft skills (collaboration, ownership, etc.) ranked by emphasis, (3) Action verbs the JD uses. Mark which terms appear in the JD title or first paragraph — recruiters most often search on those.
JD:
[paste JD]4. 硬关键词 vs 软关键词分类
Below is a flat list of keywords I scraped from a JD. Classify each into: HARD (tool / language / cert / metric), SOFT (trait / collaboration), DOMAIN (industry vocabulary), or NOISE (boilerplate). For each HARD keyword, mark whether it is "must-have" or "nice-to-have" based on JD phrasing.
Keywords:
[paste list]5. 缺失关键词检测
Compare my resume against this JD. Output ONLY the keywords that appear in the JD but are absent from my resume. Group into: (A) keywords I could honestly add because I have the experience but did not name it, (B) keywords I cannot add without lying, (C) keywords that are JD boilerplate and not worth chasing.
JD:
[paste JD]
Resume:
[paste resume]6. 关键词语境检查
For each of these target keywords, count how many times it appears in my resume and where (which section / bullet). Flag keywords with count 0 (missing), 1 (under-weighted), and 4+ (looks stuffed). For each missing or under-weighted term, suggest the specific existing bullet to edit so the keyword reads naturally — do not invent a new accomplishment.
Keywords: [list]
Resume:
[paste resume]7. 同义词扩展
For each keyword in this JD, list 3-5 synonyms or adjacent terms an ATS or recruiter might also search (e.g., "A/B testing" -> "split testing", "experimentation", "controlled experiments"). Mark which synonyms I currently use in my resume so I can decide whether to swap toward the JD's exact wording.
JD keywords: [list]
My resume:
[paste resume]8. 行业黑话解码
I am switching from [source industry] to [target industry]. This JD is full of [target industry] jargon I half-understand. For each jargon term, give: (1) plain-English meaning, (2) the closest equivalent from [source industry], (3) whether it is safe to claim on my resume given my background.
JD:
[paste JD]9. 地区差异关键词替换
My resume uses [region A] conventions (e.g., "CV", "A-Levels", "Pence"). I am applying to [region B]. Rewrite the keyword choices, certifications, and metric formats so the resume reads as native to [region B] without fabricating credentials. Preserve all facts. Output a diff: original -> new, with one-line reason per change.
Resume:
[paste resume]10. 动作动词升级
For each bullet in my resume, score the action verb (Weak / OK / Strong) against the JD's verb register. The JD uses verbs like: [list 5 JD verbs]. Suggest a stronger verb where applicable, but only if the new verb is still factually accurate for what I did. Output as: original bullet -> suggested verb swap -> reason.
Resume bullets:
[paste]11. 级别信号匹配
This JD is for a [target level] role (e.g., Senior, Staff, Lead). My resume currently reads at [current level]. Identify the 5 phrases or framing patterns that signal a seniority mismatch (e.g., "assisted with" vs "owned", "contributed to" vs "drove"). Rewrite those phrases to read at [target level] without inflating titles or scope.
Resume:
[paste resume]12. 可转移技能翻译
I have no direct experience with the JD's primary domain ([JD domain]), but I have transferable skills from [your background]. For each of the top 5 JD requirements, write ONE resume bullet that honestly bridges my experience to the requirement using transferable framing. Mark any bullet that would be a stretch (an interviewer would question it).
JD:
[paste JD]
My background summary:
[paste 5 lines]13. 空白期 / 缺失项表述
My resume has a gap in [keyword / skill / years of X]. The JD requires it. Write 3 options for handling this gap: (A) cover-letter framing that acknowledges and bridges, (B) resume bullet that uses adjacent evidence, (C) honest "I do not have X but I have Y" line. For each, mark whether it risks failing a knockout question vs just lowering my match score.
Gap: [describe]
JD requirement: [paste line]14. 多 JD 重叠分析
一次申一类角色 5+ 家公司时跑。
Below are 5 JDs for the same role family. Extract the keywords that appear in 4+ of the 5 JDs — those are the role-family core. Then list keywords unique to each JD — those are company-specific tailoring opportunities. Output two tables: Core Keywords (rank by frequency) and Per-Company Unique Keywords.
JD 1:
[paste]
JD 2:
[paste]
JD 3:
[paste]
JD 4:
[paste]
JD 5:
[paste]15. Recruiter 词汇翻译 + fit 排序
最后跑；把分析结果转成申 / 不申的决定。
You are a senior recruiter. For each of these 10 JDs I am considering, score my resume against it 0-10 on: (1) hard-keyword match, (2) seniority match, (3) industry match, (4) realistic interview shot. Output a ranked table sorted by overall fit. For the bottom 3, explain in one line why I should skip them rather than spend tailoring time.
Resume:
[paste resume]
JDs (numbered 1-10):
[paste]容易踩的坑
- 把关键词当尾页清单平铺——现代 ATS 看上下文，不只看频次，还会识别不自然的重复。
- 直接复制 JD 原话——人工 review 一眼看穿，反而降分。
- 一份 JD 一份 JD 单独优化，没先抽出岗位族共性。
- 忽略动作动词——JD 的动词语气是一半的级别信号。
- 塞了一堆你面试答不出的关键词——排得高，电话筛选却挂了。
- 只看硬技能不看软技能——“ownership”、“ambiguity”、“cross-functional” 也会被搜。
- 想靠关键词绕过门槛题——许可和最低年限这种闸门不是改措辞能过的。
优化技巧
- 先跑模板 3（提取）+ 模板 4（分类），再动笔改。诊断在前，修复在后。
- must-have 词目标匹配 75-85%，分散在多条 bullet，不要堆在一段。超过约 90% 就有堆砌嫌疑。
- 保留一份「全量诚实」主简历，每次按 JD 通过删 + 调序派生，别从零写起。
- 关键词若出现在 JD 标题里，就把它放在显眼处——那是招聘者最可能搜的词。
- 高级岗位优先调动词语气和 scope 信号，关键词频次次之。
- 改完后大声读一遍，听着像机器人，人工 reviewer 也会这么觉得。
- 每次申请的关键词 diff 存成 CSV，10-15 次后规律就出来了。
FAQ
- 关键词匹配到多少才够？: must-have 词争取 75-85%，且都在语境里。Jobscan 推荐目标 75%；有些岗位 65% 就过，严格的要 90%。100% 匹配通常是堆砌信号，过不了人工那关。
- ATS 真会自动拒我的简历吗？: 很少按内容拒。2025 年一项 25 位招聘者的调查里，92% 说系统不按简历内容自动拒人；真正的过滤是雇主门槛题（许可、最低年限）和招聘者根本没翻到你那一页。关键词工作就是把你的排序抬上去，让他们翻得到。
- AI 会不会编出 JD 里没有的关键词？: 会。提取后再回 JD 原文逐条核对，原文里没有的就丢掉。
- 该用 JD 原话还是改写？: 硬技能 / 证书照用原话（这些是被逐字搜的）；软技能可改写，让简历仍是你自己的语气。
- 哪个 AI 工具最合适？: 任何 1M token 的模型——Claude Sonnet 4.6、GPT-5.5 或 Gemini 3.1 Pro——这样能把完整 JD 和完整简历一次贴进去。要对某个具名 ATS 打分，就用 Jobscan 这类专门工具。
- 整份简历贴给 ChatGPT 安全吗？: 可以，但把电话、地址、不能公开的客户名脱敏。脱敏不会影响输出质量。