返回部落格

如何用 ChatGPT 寫出能拿到面試的履歷

招募人員幾秒鐘就能看穿一份很 AI 的履歷。這篇教你怎麼用 ChatGPT 寫出真的能拿到面試、又不會露出明顯 AI 痕跡的履歷。

如何用 ChatGPT 寫出能拿到面試的履歷
這個月你投了四十封履歷。也許六十封。幾乎都沒有回音,到了某個時間點,你開始懷疑問題到底出在你身上、你的履歷、還是這片虛空本身。
其實大多是虛空的問題。光是 LinkedIn 現在每分鐘就收到約 11,000 份求職申請,一年內成長了大約 45%,部分原因正是 AI 讓大量投遞變得太簡單。你的履歷不是在爭取注意力,而是在一片注意力裡溺水。
所以會想找 ChatGPT 幫忙是合理的。大約 9 億人每週都在用它,其中不少人正拿它來改履歷。好消息是:它真的有用。一份發表在 Management Science 的大型隨機研究追蹤了將近 480,000 名求職者,發現履歷有獲得演算法寫作協助的人,錄取率高出大約 8%。
問題就藏在三個字裡:用對方法。隨便亂用,ChatGPT 產出的,正是招募人員早已學會一眼看穿、然後丟掉的那種千篇一律的履歷。這篇要談的就是兩者的差別。你會拿到可以複製貼上的提示詞、一個關於「到底有沒有人看得出來」的誠實答案,以及如果你想要的是面試而不是已讀不回,那一步絕對不能跳過的關鍵。

用 ChatGPT 到底是加分還是扣分?

老實說答案是「兩者都有,看你怎麼用」。有兩個恐懼讓大多數人卻步,所以在你寫下第一個提示詞之前,我們先用真實數據把這兩件事講清楚。

招募人員看得出來嗎?

他們覺得自己看得出來,而且會主動去找。在 TopResume 對 600 位招募主管的調查中,大約五分之一(19.6%)的人說,如果他們認為一份履歷完全是 AI 生成的,就會直接淘汰。另一份 Resume Genius 的調查則發現,53% 的人把「AI 生成的內容」列為履歷上最大的警訊。
但這裡有個改變一切的細節。同一份 TopResume 調查發現,52% 的人完全可以接受用 AI 來校稿和打草稿。而 Resume Now 針對 925 位 HR 工作者的報告發現,62% 的人會淘汰那些缺乏個人化的 AI 履歷,同時有 78% 的人認為個人化的細節代表了真正的興趣。把這些放在一起看,訊息很清楚:沒有人是在懲罰這個工具,他們懲罰的是千篇一律。

ATS 會自動把它刷掉嗎?

這是另一個大恐懼,而它大部分是建立在一個迷思上。你大概看過這種說法:「75% 的履歷在真人看到之前就被軟體刷掉了。」這個數字並沒有可信的來源。它最早可以追溯到一家十幾年前就倒閉的公司,而且 HR 研究人員早就一再戳破它
真正的事實是:97.8% 的財星 500 大企業都在用申請人追蹤系統(ATS)。另一個事實是,這些系統是透過關鍵字來分類和搜尋履歷,並試著解析你的排版。它們並不會偵測是不是 AI 寫的。沒有任何一個主流 ATS,包括 Workday、Greenhouse 和 Lever,會標記 AI 作者身份。所以真正的篩選關卡不是某個機器人在挑剔你的措辭,而是幾秒鐘後的一個真人,在決定你讀起來像個活人,還是像一份範本。
這就是整場遊戲的重點。把 ChatGPT 當成一個替你磨利真實經歷的編輯,而不是替你捏造一個全新的你的代筆。做到這點,你就賺到那 8% 的提升;跳過它,你就變成了眾多範本之一。下面所有內容,都是教你怎麼站在這條線的正確一邊。

首先:用哪個 ChatGPT,要貼什麼(又絕對不能貼什麼)

免費版就夠用了

這件事你不需要花錢。截至 2026 年中,預設模型是 GPT-5.5,免費帳號就能用。免費用戶也可以上傳檔案(所以你可以把現有的履歷以 PDF 丟進去)、搜尋網路(研究公司時很方便),還能用 ChatGPT 的記憶功能,跨對話保留你的背景資料。ChatGPT Plus 每月 $20,主要是提高使用額度,只有當你想一次跑大量修改時才有差。給跟著舊教學走的人一個提醒:別再去找「GPT-4o」了,它已經在 2026 年 2 月從 ChatGPT 下架

先做「全部倒出來」這一步

這是讓你聽起來不千篇一律的最大關鍵,而幾乎每個人都跳過它。在你寫任何提示詞之前,先把你真實的經歷倒進一份純文字文件裡。不用修飾,只要真實又具體:
像這樣:「替一個零售品牌經營 Instagram 和 LinkedIn。在 18 個月內把粉絲從 2,000 成長到 12,000。用 $15,000 的預算跑付費廣告活動。」真實的數字、真實的工具、真實的專案。
ChatGPT 只能重新表達你餵給它的東西。給它三行模糊的內容,它就回你三行模糊、塞滿流行詞的條列。給它具體細節,它才有真材實料可以磨。你提供的細節,正是把你的履歷和同一分鐘內落地的另外 11,000 份區隔開來的東西。

什麼不能貼

你的履歷含有個人資料,所以小心一點是值得的。別貼上你的住家地址、電話和完整的出生日期,這些等最後再自己加回完成版的文件裡。這個對話用「臨時對話」(Temporary Chat)。在「設定」的「資料控制」裡,你可以關掉「為所有人改進模型」,這樣你輸入的內容就不會被拿去訓練。如果你目前的工作牽涉到任何機密,就完全別把它放進提示詞裡。

一步一步:用 ChatGPT 打造每個段落

這就是你來看的部分。讓 ChatGPT 履歷變好的訣竅其實很無聊:一次處理一個段落,而且每一次都把真正的職缺說明交給它。叫它「把我整份履歷重寫一遍」,你得到的會是一團糊。下面這些提示詞要照順序跑。把 {{double-brace}} 的部分填上你自己的內容。

1. 把你的經歷貼合這份職缺

從這裡開始,因為「貼合」這件事,對 ATS 的關鍵字搜尋和真人讀者都最有影響力。貼上職缺公告和你目前的經歷:

You are a hiring manager for {{target_role}}. Using the job description and my existing bullet points, rewrite each bullet to:
- Keep the same task and scope (do not invent anything)
- Add a metric only where I already gave a number, or leave a [blank] for me to fill
- Work in one or two keywords from the job description per bullet
- Keep each bullet under two lines

Job description:
{{job_description}}

My experience:
{{experience}}

2. 讓每一條條列都值得存在

弱的條列描述職責,強的條列描述成果。最可靠的公式來自 Google 前人資長 Laszlo Bock:「以 [Y] 衡量,透過做 [Z],完成了 [X]。」講白話,就是一個有力的動詞、一個數字,加上你怎麼做到的。

Rewrite each of these into a resume bullet using the formula "Accomplished [X] as measured by [Y] by doing [Z]." Start each one with a different strong past-tense verb. Use only the facts and numbers I give you. Never invent a metric. If a number is missing, leave a [blank].

My notes:
{{rough_notes}}

3. 寫一段不是廢話的個人摘要

大多數履歷摘要什麼都沒說(「以成果為導向、尋求機會的專業人士」)。讓 ChatGPT 把你的摘要錨定在這個職位和你真實的數字上:

You are an experienced recruiter in {{industry}}. Write a 3-line professional summary for me that:
- Matches the target role: {{target_role}}
- Includes two or three hard skills from the job description
- Mentions one or two results using only numbers already in my resume
- Uses plain language, no buzzwords
Return only the summary.

Job description: {{job_description}}
My resume: {{resume}}

4. 找出你漏掉的關鍵字

這是「打敗 ATS」的正當版本。你不是在硬塞關鍵字,而是在檢查那些你本來就符合資格的字,有沒有真的出現在頁面上。

From this job description, list the hard skills, tools, and certifications it asks for. Compare them to my resume and return a table: Skill | In the job ad? | On my resume? | Action (add / keep / ignore). Only suggest adding skills I genuinely have.

Job description: {{job_description}}
My resume: {{resume}}

5. 要一份誠實的評論

在送出之前,讓 ChatGPT 扮演那個挑剔的人:

Act as a recruiter hiring for {{target_role}}. Compare my resume to this job description and score the match from 0 to 100. Then list: (a) the five most important requirements I'm missing, (b) bullets that read as vague or generic, (c) anything that sounds AI-written. Do not rewrite anything yet. Just give me the audit.

Job description: {{job_description}}
My resume: {{resume}}
一個誠實的提醒:那個 0 到 100 的分數是 ChatGPT 的粗略猜測,不是真正的 ATS 判讀。把它當成一個直覺檢查,然後在投遞之前,用真正的 ATS 掃描工具跑一次你的履歷。
注意到了嗎,這些提示詞每一個都是同樣的填空形狀:一份職缺說明、你的經歷、一個目標職位。每投一份工作你都會貼上它們,只換掉那幾塊。這正是 AI 提示詞裡的變數的用途。像 PromptNest 這樣的工具,讓你把每個提示詞只存一次,帶著 {{job_description}}{{experience}} 佔位符,之後填空、一鍵複製完成的提示詞,就不用再翻舊對話去找那個有效的版本了。

一個真實的「改造前後」

理論很容易。這裡是一條條列走完整個流程的樣子。
你從那句「全部倒出來」的內容開始:「我替一家小型網路商店做社群媒體,大概一年半內把追蹤人數成長了不少。」
用上面的 XYZ 提示詞,而且只用你真實的數字,ChatGPT 把它變成:「透過推出每週內容行事曆和一個 $15,000 的付費廣告計畫,在 18 個月內把品牌的 Instagram 追蹤人數從 2,000 成長到 12,000。」
接著你做 ChatGPT 做不到的那部分:你替它做事實查核。數字是真的嗎?是。「$15,000 的付費廣告計畫」是你在面試時真的講得出來的東西嗎?是。所以它留下。如果 ChatGPT 寫的是「帶動了 312% 的互動成長」,而你根本不知道 312% 是哪來的,你就會當場把它砍掉。最後那一道真人把關,就是一條強力條列和一個地雷之間的差別。
一份暗灰色的履歷,旁邊是一份更明亮、改善過的履歷,上面有長條圖、向上的箭頭和綠色打勾
一份暗灰色的履歷,旁邊是一份更明亮、改善過的履歷,上面有長條圖、向上的箭頭和綠色打勾

別讓 ChatGPT 捏造你的經歷

ChatGPT 想要幫上忙,而「幫上忙」有時候意味著編造東西。它會悄悄加上一項技能,只因為那項技能常常出現在你列出的某項技能旁邊。它會把一句模糊的「協助銷售」放大成「主導了一項客戶開發策略,帶動了 20% 的營收成長」,憑空生出那個 20%。在一個有記錄的案例裡,它把「5S 管理法」加進技能清單,純粹只是因為這個詞常常出現在「精實六標準差」附近。
這是用 AI 寫履歷最危險的部分,而且它跟被軟體「抓到」一點關係都沒有。陷阱在面試。招募人員讀到「20% 營收成長」,產生興趣,然後請你帶他走一遍。如果你說不出來,你就剛剛當面對那個唯一重要的真人證明了:你在履歷上灌水。
解法就是你加進每個提示詞裡的一句話:

Use only the experience, skills, and numbers I provide. Never invent a metric, tool, or accomplishment. If a number is missing, leave a [blank] for me to fill.
還有給你自己的一條規則:別把任何你沒辦法講上兩分鐘的東西放進履歷。如果 ChatGPT 寫了一條你沒辦法捍衛的條列,砍掉的是那條條列,不是事實。

怎麼讓它不要讀起來像 ChatGPT

就算事實都是真的,未經處理的 AI 產出還是有股味道。招募人員到現在已經讀過幾千份這種東西了,他們很快就會比對出模式。幾位具名的招募人員告訴 HuffPost,到底是什麼讓他們起疑:同樣的那幾個字、同樣的節奏、同樣的範本句。

那些洩底的字眼

ChatGPT 有幾個偏愛的動詞。「Spearheaded」是最大的一個(有個履歷團隊稱它是「每個主流 LLM 的絕對最愛動詞」)。「Leveraged」、「orchestrated」、「seamlessly」和「at the intersection of」這個片語也是。像「results-driven」、「dynamic」、「passionate」、「cutting-edge」這種流行詞,效果一樣糟。當你發現它們時,換成你真正想講的那個樸實動詞:不是「leveraged Salesforce」而是「used Salesforce」;不是「spearheaded an initiative」而是「ran」、「built」或「launched」。

其他的破綻

除了用字之外,還要留意:
  • 到處都是破折號。AI 很愛用,但大多數人不會去打它,這也是為什麼這整篇文章大致上都避開它。
  • 每一條條列都用同樣的方式開頭、跑同樣的長度。真實的職涯是凹凸不平的,所以讓你的開頭動詞有變化。
  • 殘留的佔位符。一份送出去的履歷裡留著「[在此加入數據]」,是個真實又常見的破綻。
  • 文字裡隨機散落的粗體字。粗體屬於標題,不是拿來灑著強調用的。
你可以讓 ChatGPT 自己做掉大部分的清理工作:

Rewrite this resume text to sound like a real person wrote it. Vary the sentence length and the opening verbs. Remove buzzwords like spearheaded, leveraged, dynamic, and "at the intersection of." Do not use em dashes. Keep every fact exactly as written.

{{resume_text}}
然後再加回 AI 給不了的東西:那個具體的名詞。客戶的名字、確切的工具、團隊的人數、真實的專案。這些細節既是讓你可信的東西,也正是 ChatGPT 會漏掉的東西。如果你想要一套更深入的方法,把你自己的聲音保留在 AI 寫作裡,我們寫了一整篇關於讓 AI 提示詞聽起來像你的指南。
一個放大鏡照在一份履歷上,彩色的字塊正在被替換,一個友善的機器人從頁面後面探出頭
一個放大鏡照在一份履歷上,彩色的字塊正在被替換,一個友善的機器人從頁面後面探出頭

它過得了 ATS 嗎?

簡短版:文字會過,但排版可能不會。記住,ATS 不是在讀有沒有 AI,它讀的是關鍵字,並試著把你的檔案解析成各個欄位。真正會把它弄壞的是花俏的設計,而這正是當你要求一個「精緻」版面時,ChatGPT 和許多履歷產生器會做出來的東西。
要保持容易解析:
  • 要求樸素的單欄文字。不要表格、不要文字方塊、不要分欄、不要圖示。
  • 用標準的段落標題,像 Experience、Education 和 Skills。ATS 找的就是這些確切的字。
  • 對於你具備的技能,配合職缺的用語。如果職缺寫的是「project management」而你寫的是「managed projects」,把他們的說法也加進去。
同時把真人讀者放在心上,因為他們才是真正的考驗。Ladders 的眼動追蹤研究發現,招募人員第一輪大約花 7.4 秒。你最相關、量化得最好的那條條列,應該擺在靠近頂端、那一瞥會落下的地方。ChatGPT 很擅長為了這個目的重新排序,只要你叫它「把跟 {{target_role}} 最相關的條列放最前面」。(避開那些會讓任何 ChatGPT 產出變更糟的提示詞錯誤也有幫助。)

幾個對常見問題的誠實回答

用 ChatGPT 寫履歷算作弊嗎?

不算,只要頁面上的每件事都是真的。履歷一直以來都會經過別人幫忙潤飾,不管是朋友、職涯教練,還是付費的寫作服務。真正重要的界線不是「有沒有用 AI」,而是「誠實還是捏造」。用它把你真實的經歷表達得更好,你就沒問題;用它製造一段你沒有過的職涯,那面試時沒有任何工具救得了你。

我該告訴雇主我用了 ChatGPT 嗎?

你不需要。把 AI 當成編輯來用,比較接近用拼字檢查,而不是讓別人代替你做事。重要的是內容真的是你的、而且準確。如果一份申請明確要求你別用 AI,那就尊重它。否則,履歷被評斷的標準是它清不清楚、具不具體、真不真實,而不是哪些工具碰過它。

同樣的方法可以用在求職信上嗎?

可以,而且規則一模一樣。把職缺說明,加上你想要這份工作的真實、具體的理由餵給 ChatGPT,然後把任何千篇一律的東西砍掉。招募人員的一個警告:「貴公司『[使命]』的使命讓我深有共鳴」這種範本句是即時的破綻,因為大家都貼同一個提示詞。把那個「為什麼」寫得專屬於你,不然就別寫。

你的 ChatGPT 履歷檢查清單

把全部整合起來。一份能拿到面試的 ChatGPT 履歷,來自這個循環,而不是來自某一個神奇的提示詞:
  1. 在你開始下提示詞之前,先把你真實的經歷連同真實的數字全部倒出來。
  2. 一次處理一個段落,每一次都貼上真正的職缺說明。
  3. 用 X-Y-Z 公式重寫條列:動詞、成果、怎麼做到。
  4. 在每個提示詞裡加上那句防捏造的話,這樣它就不能編造你的過去。
  5. 清掉那些 AI 痕跡:殺掉流行詞、讓你的動詞有變化、移除破折號和殘留的佔位符。
  6. 加上只有你會知道的具體細節。
  7. 把格式保持樸素,這樣 ATS 才讀得了。
  8. 最後檢查:你能把每一行都講上兩分鐘嗎?如果不能,就砍掉。
用這個方法,你不是把求職交給一個機器人。你是用一個快速的編輯,把你真實的故事擺到一個真人面前,搶下他們願意給的那短短幾秒。一份更銳利的履歷無法解決幽靈職缺或純粹的投遞量,但它能幫你通過那道一直在吞掉你申請的關卡。

把你最好的提示詞放在找得到的地方

你第一次有了一場好的對話之後,會發生這種事:你關掉分頁,一週後又在對話紀錄裡滑來滑去,想找那個有效的貼合提示詞。再把這乘上每一份申請、每一個來求助的朋友、每一次你換跑道。
這篇指南裡的提示詞,設計上就是可以重複使用的。聰明的做法是把它們放在一個一秒就能抓到的地方,連填空的部分都內建好。這正是 PromptNest 的用途:一款原生的 Mac App,把你的提示詞整理好,離任何 App 都只差一個鍵盤快捷鍵。把貼合提示詞用 {{job_description}}{{experience}} 當變數存一次,下次你投遞時,只要填好這些填空式的變數,幾秒鐘內就能把完成的提示詞貼上。它在 Mac App Store 上是一次性買斷 $19.99,沒有訂閱。
從簡單開始:今天就把你最好的五個履歷提示詞存起來,放在對你來說順手的地方。重點不在工具,而在於你為了搞定一份好履歷所做的功,變成了你接下來一百份申請都再也不用重做的功。