用AI寫履歷和求職信，通過真正的篩選關卡

簡短的答案

AI最能幫上忙的地方，是求職時大家都會偷懶跳過的那一步：客製化。招募人員和篩選軟體都會偏好針對特定職缺撰寫的履歷，但幾乎沒有人會針對每個職缺重寫履歷，因為那要花上一個小時。AI把這一個小時縮短到十分鐘，讓客製化這件事變得真正可行。

整套工作流程是一個循環：貼上職缺說明，貼上你目前的履歷，請AI把你的經歷對應到這個職缺的要求，標出落差，並用職缺說明本身的用語重寫你的條列內容。接著你要親自核對每一項事實，因為只要你放手，AI就會很樂意「美化」你的過去經歷。

AI絕對不能貢獻的是內容本身：不能捏造數字，不能誇大職稱，不能寫出你其實不具備的技能。捏造的條列內容能通過篩選，卻會在面試時當場破功。分工必須嚴格：事實是你的，包裝才是AI的。

ATS篩選系統實際上在檢查什麼

大多數中大型雇主，在人資真正看到履歷之前，都會先用申請人追蹤系統（ATS）過濾一輪；Jobscan長期的分析顯示，財星500大企業使用ATS的比例超過97%。這帶來兩個結果，而AI對兩者都有幫助。

關鍵字幾乎是逐字比對。 如果職缺說明寫的是「利害關係人管理」，而你的履歷寫的是「與夥伴合作」，關鍵字篩選就可能漏掉你。請AI「列出這份職缺說明反覆出現的技能和用語，再看看我的履歷用了哪些不同的說法來表達同樣的內容」，幾秒鐘內就能找出這類落差。

解析很脆弱。 分欄、表格、圖形和頁首頁尾，會讓比較舊的解析程式把你的經歷弄得亂七八糟。這正是專門的履歷製作工具靠乾淨版型真正值回票價的地方；不過用任何文書處理軟體做一份單欄的純文字文件，免費也能達到同樣效果。

而最終還是人在做決定。Ladders的眼球追蹤研究發現，招募人員初次看一份履歷，平均只花7.4秒。第一頁最上面三分之一的內容，決定了這份申請能否過關，這也是為什麼下面的客製化循環，會從那裡開始。

客製化循環，一步一步來

1. 抓出目標。「列出這份職缺說明裡最重要、且反覆出現的10項要求和用語，依重要程度排序。」這份清單就是接下來整個循環要對照的基準。
2. 把自己對應上去。「這是我的履歷。針對每一項要求，告訴我我是直接寫出來了、用不同的說法寫出來了，還是完全沒有提到。」中間那個類別，正是免費就能拿到的加分空間。
3. 重寫最重要的條列內容。「重寫我最相關的三條履歷內容，以結果開頭，並使用職缺說明的用語，不要加入任何我沒有說過的內容。」數字保留不變，動詞寫得更有力。
4. 為那7秒重新排序。把最相關的職務經歷和技能，放到第一頁最上面三分之一的位置。
5. 逐行核對。把AI寫出來的內容對照你真實的經歷讀一遍。任何你在面試時無法捍衛的內容，一律刪掉。

這個循環要針對每一次應徵各跑一次，不是做一次就了事。寄給新創公司和寄給銀行的履歷，本來就不該一樣，而有了這套循環，每一個版本只需要花幾分鐘。

求職信：草稿容易寫，開場鉤子要靠你自己

AI只要下指令，就能寫出結構完美的求職信，但這正是問題所在：招募人員現在要讀的，是好幾百份結構完美、內容卻可以互換的求職信。一份通用的AI求職信，比完全不寄還糟。

解決方法是提供AI不可能知道的那一件事：為什麼是你、為什麼是這家公司、為什麼是這個職位。給它兩三個真實具體的細節（例如「我上一份工作就用過他們的產品」「這個職位正好結合了我背景裡的兩個部分」），讓它以這些細節為核心來寫這封信。結構交給AI，內容交給你。

除非這個領域習慣寫得更長，否則求職信控制在250字以內。從來沒有人是因為求職信寫得長才被錄取的。

該用哪個AI，要花多少錢

任何前沿AI模型都能跑這套工作流程。Claude寫出來的文字通常最自然，是寫求職信的首選；GPT則在要求對應分析上最強。把這個循環拆開來跑，分析交給一個模型，起草交給另一個模型，正是「用多模型工作空間勝過單一助理」這個說法最實際的論據：在Whizi，Starter方案是每月$10.99（年繳），內含GPT和Claude Haiku，而Pro方案$19.99則再加上Claude Sonnet和Opus。

專門的履歷製作工具（像Kickresume、Rezi等）把版型、ATS安全格式，以及逐職缺客製化打包成一個產品，通常每月$19到$29，如果你要應徵好幾十個職位，這種整合服務可能值得。它們背後跑的，其實是和你直接對話的同一類模型；你付費買的，是圍繞在這些模型外面的那套工作流程。給求職者一個坦白的預算建議：一個通用型工作空間，除了履歷，還能涵蓋面試準備、研究和寫作，而專門的履歷工具只涵蓋履歷本身。

學生和轉職者從對應這一步得到的幫助最大，因為他們的經歷描述，通常本來就不是用這個產業的行話寫的；學生工作空間指南和自由工作者指南涵蓋了相鄰的工作流程，而用AI寫電子郵件裡同一套三段式提問原則，也適用於應徵過程中的後續追蹤信和感謝信。針對客製化調整和求職信這兩個步驟，履歷提示詞包有二十則可以直接複製的提示詞。

讓AI履歷被拒絕的那些錯誤

捏造成就。 AI會用「你根本沒有量過的數字」來「美化」一條履歷內容。這讀起來很漂亮，直到面試官問起細節才會出問題。要確認每一個數字，都能追溯回你原本的紀錄。

流行術語塞爆。 把職缺說明裡的每個關鍵字都硬塞進去，做出來的履歷能過軟體篩選，卻會讓人看了反感。在真的符合事實的地方使用職缺說明的用語，其他地方就用平實的說法。

到處都用同一份通用版本。 用AI只寫出一份「更好」的履歷，卻完全錯過重點：AI真正的價值，是能用極低成本針對每個職缺分別客製化。

語氣不搭。 履歷寫得謙虛，求職信卻被AI寫得誇張浮誇，或是反過來，讀起來就是會讓人一眼看穿。把兩份文件放在同一次對話裡寫，語氣才會一致。

格式越改越花。 請AI做出「現代化設計」，結果就是分欄和圖形，而這些正是ATS解析程式會弄亂的東西。內容交給AI，版面保持樸實無華。