写出被真正读完的要点
简历上每一条要点都在和其它几十条要点抢招聘方那 6 秒。把每一条都用来回答三个问题：
- 你做了什么？
- 你是怎么做的？
- 因此有什么改变？
对比：
负责改进结账页。
用服务器组件重写结账页，上线首月跳出率从 18% 降到 11%。
同一份工作。一条像职责描述，另一条像成果。多用动词（重写、迁移、上线、调优、指导），能量化就量化（从 X 到 Y、每周节省 N 小时、N 个用户），砍掉系动词（是、有、负责）。
经验法则：能删掉「负责」二字而句意不变，就一定要删。
指南
求职里真正管用的那点事
没有几千字的博客。只有真正在用的那几个模板和经验法则。
招聘方扫一份简历只花 6 秒。以动词开头、以数字结尾的要点才熬得过这次扫描。
钩子、证据、下一步。不要「I am writing to apply for」。不要堆形容词。
情境、任务、行动、结果。听起来很机械，但实际讲的时候对方会往前倾。
职业早期一页；确实撑得住再考虑两页。没人是主动想多写一页的。
如果 LinkedIn 比简历更强，就放；如果只是过期的骨架，别放。
简历在 Figma 里越好看，被 ATS 打乱的概率越高。
生成的文本是起草，不是成品。三种失败模式要警惕。
堆关键词会被过滤；不匹配技能名会被五分钟拒。中间路径存在。
三段式求职信
不要写「I am writing to apply for」。这句话浪费掉大多数人唯一会读的那一行。
- 钩子。 对这家公司或这个岗位有指向性的一两句话 — 某个产品决策、最近的发布、你真的认同的某个价值观。
- 证据。 从你简历里挑一件事，对应到 JD 里的一条要求。要写结果，不要只写活动。
- 下一步。 一句自信的话：你愿意聊什么话题，以及怎么找到你。
长度：250-400 词。更长就像散文，更短就像表单。
STAR：面试官听故事的方式
「说一次你……的经历」是让你讲故事 — 但对方需要一个能打分的结构：
- 情境（Situation）。 两句话交代背景。什么时候、什么地方、什么团队。
- 任务（Task）。 你负责的那一块。不是团队的，是你的。
- 行动（Action）。 你具体做了什么。动词。选择。
- 结果（Result）。 什么变了。能有数字就上数字；别用形容词。
最常见的错是把 80% 时间花在情境和任务上，行动和结果匆匆带过。反过来。
简历到底该多长？
默认一页。对相关经验少于约七年的人，这个默认是对的——招聘方第一遍只花六到二十秒，第二页几乎到不了。
只有当两个条件同时成立时才考虑两页：（a）你有招聘方真的会遗憾错过的材料；（b）你已经把第一页砍到骨头了。「我需要更多空间」几乎总是意味着「我还没砍该砍的东西」。
先砍：形容词（「有热情」「注重细节」）、软技能清单、references（「有需要可提供」是填充物）、十年以上的老岗位、和岗位无关的爱好。保留：数字、产物、动词。
要不要在简历里放 LinkedIn 链接？
正确的问题不是「要不要」，而是「LinkedIn 是否比简历更强」。如果头衔写全了、有三条以上推荐、每个岗位都有和简历对齐的要点，那放上去有帮助——想看更多的招聘方可以自己去看。
如果 LinkedIn 是过期的骨架，或者和简历矛盾（日期不一样、头衔不一样、少了一段经历），别放。一份强简历配一份弱 LinkedIn，比没有 LinkedIn 更糟——要么显得敷衍，要么显得虚。
格式建议：用短链接（linkedin.com/in/yourname），别用原始 ID 串。放在页眉里的邮箱电话旁边，不要塞进个人简介段落。
留白、字体、以及 ATS 陷阱
招聘方看到你的简历前，ATS（申请追踪系统）先解析。它从 PDF 里抽文字——这意味着：多栏排版会乱序、图片里的字看不见、装饰字体会变成小方块、表格会被压成一行。
安全默认：单栏、标准字体（Calibri / Arial / Times New Roman / Georgia / Helvetica）、正文 10.5-11 pt、无头像、不用带信息的图标（装饰性图标没事，被解析的是旁边的文字）。
留白不是浪费。分节和边距给眼睛喘息的地方。上边距至少 1 cm，两侧 1.5-1.8 cm。如果内容溢出两页，在一段经历的末尾断，不要断在一段的中间。
用 AI 生成简历的常见坑
用 AI 起草简历或求职信时，三种模式要警惕：
- 1. 编数字。 只要提示词里提到过部署相关工作，AI 就会写「部署时间减少 35%」——即便你从没量过。你简历里的每一个数字，都必须对应一个你真的观测过的数字。面试里答不出来的，删掉。
- 2. 陈词滥调堆叠。 「充满热情地利用前沿方案驱动变革性成果」。每一份 AI 生成的简历都从这里开始。先把所有形容词删了，再基于具体岗位挑几个加回去。几乎没几个能存活。
- 3. 岗位描述回声。 把要点改写成岗位 JD 的原话、但缺少事实支撑，读起来比原版还差。技能名对齐，营销话术别对齐。
健康的做法：用 AI 起草，然后当成别人的稿子来编辑——假设你明天面试就要为它辩护。
怎样诚实地对齐岗位关键词
岗位描述会被两次模式匹配：先被 ATS 软件筛，再被招聘方眼扫技能。要求的技能在简历里找不到，两道过滤都会淘汰你。整份简历原样复述 JD，招聘方一眼看穿，直接下一份。
诚实的中间路径：找出 JD 里真的要求的 5-8 个具体技能（技术栈、方法论、工具、领域术语）。你确实有的那些，简历里就用 JD 一样的词——JD 写「Kubernetes」你就写「Kubernetes」，别改成「容器编排」。
不要单独堆一个「技能」区把所有关键词塞进去。把匹配到的词织进经验要点里，让证据和词在同一句话里：「运行 40 节点 Kubernetes 集群，服务……」是真的；技能条目里孤零零一个「Kubernetes」是没法验证的。
工具版：把 JD 粘进已保存岗位的「评分」操作里。它会点出哪些必需关键词漏了、哪些出现了但没被证实、哪些可以照原样保留。