快速結論：AI 履歷優化先做哪一步？
| 你的問題 | 先做什麼 | 適合工具 |
|---|---|---|
| 投很多職缺都沒回音 | 對照 JD 抽關鍵字，重寫個人簡介與技能區 | ChatGPT、Claude |
| 經驗很多但寫不出成果 | 用 STAR 原則補數字、任務、行動與結果 | Claude |
| 擔心 ATS 讀不到 | 改成單欄、純文字、少表格與圖片 | Rezi、Teal、CakeResume |
| 怕看起來像 AI 寫的 | 最後做語氣降噪，保留具體細節 | Claude、人工校稿 |
AI 履歷工具最適合處理兩件事：把職缺需求翻成履歷關鍵字，以及把普通經驗改成有數字、有脈絡的成果描述。但最後一定要人工檢查，因為 HR 真正在意的是你是否真的做過，而不是句子漂亮。
ATS 篩選機制簡介
2026 年的台灣求職市場有個你必須知道的事：多數中大型企業的 HR 不會親手翻你的履歷（實際比例依產業差異大，科技、金融業普及度最高）。
ATS(Applicant Tracking System，求職者追蹤系統)會在 HR 看到之前先做一輪自動篩選——你的履歷會被掃描、提取關鍵字、跟職缺描述比對，分數不夠的根本到不了人手上。
這意味著「履歷寫得好」分兩層：
- 過機器這關：有對的關鍵字、格式機器讀得懂
- 過人類這關：故事清楚、量化具體、不像 AI 寫的官腔
實務上最常見的差距在這兩關：同樣的能力，如果履歷沒有對上職缺語言，ATS 可能先扣分；如果全篇像模板，HR 又會覺得缺少可信細節。
三步驟法
Step 1 — 從職缺描述提取關鍵字
把目標職缺描述(JD)整段丟進 Claude 或 ChatGPT，用這個提示：
這是我的目標職缺 JD:[貼上完整 JD]
請幫我提取:
1. 必備技術關鍵字(20 個內,排序重要程度)
2. 軟性能力關鍵字(10 個)
3. 公司文化暗示(從用語推斷)
4. 隱含但沒明說的需求(從 JD 段落結構推測)這比你肉眼看 JD 抓關鍵字精準得多。AI 會抓到你沒注意的細節——例如職缺強調「跨部門溝通」可能暗示組織內政治複雜，「快速迭代」可能暗示工時長。
Step 2 — 用 STAR 原則量化經驗
履歷最大的差別不在「做過什麼」，在「怎麼描述」。同一段經驗：
沒效的寫法:
負責公司 SEO 操作，提升網站流量
有效的寫法(STAR):
情境(Situation)：接手電商網站，月流量 50,000，跳出率 78% 任務(Task):6 個月內提升流量 30% 並降低跳出率 行動(Action)：重寫 30 篇核心商品頁 + 補 800 字產品描述 + 加入內部連結網 結果(Result):9 個月後月流量 92,000(+84%)，跳出率降到 42%，自然搜尋流量佔比從 18% 升到 41%
提示模板：
我這段經驗是:[簡略描述]
請用 STAR 原則幫我重寫,務必:
- 包含具體數字(時間、金額、百分比、人數)
- 強調我的個人貢獻(不是團隊集體成就)
- 結果端要有「**可衡量的商業影響**」
- 不要用「**負責**、**參與**、**協助**」這種模糊動詞Step 3 — 去除 AI 痕跡，保留人味
AI 寫的履歷有典型徵兆，HR 看 100 份履歷就能聞出來：
- 句式太工整、每段長度一樣
- 用詞太「正式」（過度使用「承擔、負責、致力於」）
- 故事弧線太完美（沒有任何失敗或波折）
- 缺乏「只有你會說」的個人語氣
去除痕跡的提示：
這是我用 AI 寫的履歷:[貼上]
請幫我:
1. 打散過於工整的句式(讓段落長短不一)
2. 加入 2-3 個「**做錯後修正**」的故事(顯示成長型心態)
3. 用一些口語化詞語替代正式用語(「**搞定**」替代「**完成**」,**「**踩到雷**」替代「**遇到挑戰**」)
4. 在最後一段加入「**個人特質**」(用第一人稱,直接但不誇張)工具配對表
| 場景 | 推薦工具 | 為什麼 |
|---|---|---|
| 寫得最像真人 | Claude 4.7 | 句式自然、不會過度堆關鍵字 |
| 邏輯結構分析 | GPT-5 | 抓 JD 關鍵字 + 分析隱含需求最強 |
| 台灣職缺最熟 | CakeResume AI | 對 104、1111、LinkedIn 台灣職缺資料庫熟悉 |
| 英文職缺、ATS 友善 | Rezi 或 Teal | 自動產出 ATS 通過的純文字格式 |
| 履歷視覺設計 | Canva AI(Magic Studio) | 視覺履歷，適合創意產業 |
Mason 的組合:
- 抓 JD 用 GPT-5
- 寫每段經驗用 Claude 4.7
- 校對 + 去 AI 味用 Claude 4.7
- 最終視覺（如有需要）用 Canva 但只用基本模板
3 個致命錯誤
錯誤 1：全文 AI 寫，完全沒人味
HR 看 100 份履歷有經驗識別。對策：每段經驗後加 1-2 句「只有你會說的觀察」——你做這個專案學到的最意外的事、你跟主管的觀念差異、你被打回票後的反思。這些細節 AI 寫不出來。
錯誤 2:ATS 不吃花俏格式
- 不要用兩欄式排版（ATS 解析會錯亂）
- 不要把資料放在表格、文字框、頁眉頁腳裡（機器掃不到）
- 不要用圖片、ICON、條形圖表現數據（機器看不懂）
- 首選：單欄、純文字、PDF 或 docx 格式
錯誤 3：過度堆關鍵字反而被視為作弊
ATS 也會偵測「關鍵字密度異常」。對策：每個關鍵字最多用 3-5 次，並且在「自然語境」中使用——不是條列堆疊。
💡 Mason 的判斷
朋友半年內 3 次轉職用這個流程，從每次海投 50 份零回應 → 改完履歷後 5-10% 回應率。但要強調 3 件事：
1. AI 改履歷只解「怎麼呈現」，不解「你會不會」 如果你 React 沒寫過卻在履歷寫 React 3 年經驗，面試一問就破功。AI 是把你的真實能力「包裝到最好」，不是無中生有。
2. 投遞的選擇比履歷本身更重要 履歷品質提升 100% 只能帶來 X 倍回應；但投對職缺（你能力對應的、產業有缺口的）能帶來 10X 倍回應。先看 AI 應用領域 找對方向。
3. 不要過度 AI 修飾求職信(Cover Letter) 求職信比履歷更需要「個人聲音」。我會建議用 AI 改履歷，但求職信自己手寫（用 AI 校對文法即可）。雇主真正想看的是「這個人是誰」。
❓ FAQ
AI 履歷修改工具推薦哪一個？
中文履歷先用 Claude 或 ChatGPT 抓 JD 關鍵字，再用 CakeResume 做版面與台灣職缺語境；英文履歷可以加 Rezi 或 Teal 檢查 ATS 格式。不要只用單一工具一鍵生成，最好分成「關鍵字分析」、「經驗改寫」、「格式檢查」、「人工校稿」四步。
HR 真的看得出來履歷是 AI 寫的嗎？
有經驗的 HR 可以（看到第 30 份 AI 履歷後，模式很明顯）。但就算被看出來，如果內容紮實仍會給面試——HR 在意的不是「用沒用 AI」，是「這個人有沒有用心」。用 AI 寫但有客製化、量化具體的履歷，跟用 AI 寫但全篇陳腔濫調的履歷，差別很大。
履歷要不要附作品集連結？
技術職、創意職、行銷職：強烈建議。連結到 GitHub、Behance、個人網站、Medium。對 ATS 而言這也是「可驗證的權威信號」，通常會加分。但連結要可點開、可看到具體成果——不要連到「首頁但沒內容」。
同一份履歷投不同職缺要不要客製？
要，但不要全改。技巧：(1) 個人簡介段落每次微調對應 JD、(2) 經驗條目調整順序（把跟 JD 最相關的放到醒目位置）、(3) 關鍵字依 JD 替換（同義詞替換，例如「用戶研究」可改「使用者訪談」）。其他段落保留即可。AI 工具可以一次替你產出 5 個職缺對應的客製版本。