ATS 与作品集策略
国内互联网公司、人力外包、国企创新部门在 2024-2025 年都进入了“AI 辅助招聘”阶段。BOSS 直聘、拉勾、智联等平台会用 ATS（Applicant Tracking System）+ AI 评分去筛选海量简历，用人团队则会同步查看候选人的线上作品集、GitHub、飞书空间甚至小红书/抖音输出。本篇从“多版本简历 + 关键词地图 + 作品集 + AI 流程”的角度，给出一套适合国内小伙伴的实战方案。
1. 招聘流程里 ATS 的真实动作
- 上传解析：招聘网站或内推系统会读取你的 Word/PDF，识别姓名、电话、邮箱、教育、技能标签。排版复杂、多列、图形化的简历容易识别失败。1
- 关键词评分：ATS 会把 JD 中的核心词（如“Vue3”“Nuxt”“To B”“低代码”）与简历匹配，按照权重给出一个分数（常见及格线 60-70 分）。
- AI 初审：部分平台（如 BOSS 直聘 AI 简历诊断、Moka 智能写简历）会用大模型检索“有无项目指标、是否存在语义重复、是否出现违禁词”。
- HR + 技术交叉验证：
- HR 关注基础信息是否完整、经历是否符合薪资级别。
- 用人经理重点看最近 2~3 个项目、关键技术、业务成果。
- 线上身份查验：打开 GitHub、语雀、飞书文档、掘金、知乎、抖音/小红书等链接，确认候选人的实际输出和长期沉淀。
了解动作之后，准备材料就能更有针对性。
2. 多版本简历的落地 SOP
| 版本 | 适用场景 | 结构重点 |
|---|---|---|
| 主版（完整版） | 线下面试、好友推荐、猎头定向投递 | 全量项目 + 指标 + 技能，排版可稍有设计感 |
| ATS 纯文本版 | BOSS 直聘、拉勾、智联、内推系统上传 | 一栏排版、标准标题、粗体突出关键信息 |
| 作品集引导版 | 需要二维码/链接跳转 Demo 或案例的岗位 | 摘要 + 亮点 + 作品集入口，减少冗余文字 |
执行步骤：
- 基于主版确定“基础信息模块”：个人信息、教育、技能、荣誉，保持所有版本一致。
- 将项目经历按照 STAR（场景/目标/行动/结果）写成卡片，标注可复用的关键词（如“PWA”“AI 落地”“数据中台”）。
- ATS 版只保留与目标岗位最匹配的 2~3 个项目；为了提高关键词匹配度，可把技术栈单独列为“技能”或“项目行动”中的小段落。
- 作品集版在每个项目下放置“Demo 链接 / GitHub / 视频解说 / 语雀文档”入口，方便 HR 一键查看。
- 文件命名建议：
姓名-目标岗位-版本类型-2025Q1.pdf，配合飞书或 Notion 记录投递时间与反馈。
3. 构建关键词地图（AI 辅助）
- 采集 JD：保存 5-10 条目标岗位 JD，可用飞书表格或 Notion 数据库存档。
- AI 拆词：把 JD 粘贴到通义千问、Kimi、讯飞星火或企业版 GPT，让模型输出“技术栈关键词”“业务场景关键词”“软技能关键词”。
- 手动去重 + 分组：按“语言/框架/工具/平台/业务/协作”六组整理。
- 映射项目：为每个关键词找到对应的项目或成果，例如“低代码平台：负责拖拽编排、组件市场、上线后节约 40% 交付时间”。
- AI 校验：使用 Moka 智能写简历、拉勾 AI 小助手或通义千问 Prompt，检查自己是否遗漏高频词，再由人工确认真实可靠。2
关键词需要自然融入描述中，不要单独堆砌列表，也不要写自己并未掌握的技术。
4. 作品集与案例库的国内打法
推荐承载方式
- 技术/产品/设计：
- GitHub/Gitee：代码库、Issue、PR 记录。
- 语雀、飞书文档、Notion（国内团队多用语雀/飞书）：写案例复盘、架构文档、测试报告。
- 腾讯云开发者平台、腾讯文档、腾讯微搭 Demo。
- 运营/内容/新媒体：
- 飞书多维表搭建选题库 + 数据看板。
- 腾讯文档 + 小程序截图 + 视频合集。
- 小红书集合、抖音合集展示数据、互动、转化。
作品集结构模板
- 背景：业务目标 / 用户痛点 / 项目规模。
- 角色与任务：你的职责、团队规模、协作方式（如“与算法工程师/产品经理日常沟通，使用飞书文档、语雀、蓝湖协同”）。
- 方案与行动：核心思路、关键技术、使用的工具、决策过程。
- 数据与结果：上线时间、核心指标、用户反馈、节省成本或提升效率的数据。
- 复盘：问题、改进、二次迭代计划。
- 附录：代码仓库、Demo 链接、PRD/原型、运营数据截图等。
AI 加速作品集迭代
- 使用通义千问、智谱清言等模型快速生成初稿，再人工润色。
- 借助飞书多维表 + 飞书机器人，每次完成项目后提醒自己补充案例。
- 用 Lark Base/腾讯文档的 AI 概览功能自动生成摘要，便于 HR 快速理解。
5. AI 驱动的求职仪表盘（可选）
- 数据记录：用飞书表格或腾讯云开发者项目记录“岗位名称、来源、投递日期、版本、反馈”。
- 自动提醒：结合飞书自动化或企业微信机器人，根据投递时间推送“跟进提醒”“面试准备 checklist”。
- 分析面试反馈：将复盘内容输入大模型，请它帮助归纳高频问题、能力短板，形成“下一轮面试准备计划”。
- ROI 评估：统计每种渠道/简历版本的通过率，及时调整策略。
6. 投递节奏与跟进建议
- 控制节奏：每周集中投递 5-8 个最匹配的 JD，保证简历版本和作品集针对性，避免疲劳面试。
- 反馈闭环：记录 HR 回复、面试问题、被拒原因，定期复盘关键词和项目描述是否需要调整。
- 多渠道同步：招聘平台 + 社群内推（脉脉、钉钉/飞书社区）+ 线下活动（掘金/语雀 Meetup、阿里云天池、开源社区），保持信息一致。
- 保持线上形象：更新 GitHub README、语雀/博客、B 站或抖音的技术分享，形成“可检索、可信赖”的个人品牌。
7. 常见问题（FAQ）
Q1：AI 生成的内容会被识别出来吗？
大模型常见问题是“模板化语句”和“事实错误”。确保所有指标真实，并在面试前准备相应的复盘材料；可使用 BOSS 直聘 AI、Moka 等工具检查语句是否重复。
Q2：作品集链接太多会不会影响 HR 阅读？
在简历上保留 1-2 个最重要的入口，将其他内容集中在作品集首页导航。可使用飞书多维表或语雀目录统一管理。
Q3：如何兼顾中文和英文版？
先打磨好中文主版，再使用通义千问、DeepL、火山翻译等工具生成英文草稿，最终人工确认专业术语和数据。
Q4：AI 面试越来越多，简历要怎么准备？
AI 面试通常围绕简历内容深挖。确保关键项目有清晰数据、工具链、协作方式；提前准备“AI 面试问答库”，并模拟录音练习表达节奏。
Footnotes
- Moka. 2024 招聘趋势与 ATS 使用白皮书, 2024. https://www.mokahr.com/ ↩
- 拉勾 AI 小助手 功能介绍, 2024. https://www.lagou.com/subject/aiassistant ↩
↑