1. 网申系统会怎样处理你的简历
ATS（Applicant Tracking System，招聘管理系统）是企业用来收集和管理求职申请的软件，外企网申和很多公司的校招投递都会用到类似的系统。上传简历后，系统一般会先把文件转成文字，再尝试拆成联系方式、实习/工作经历、教育背景等字段，方便招聘人员搜索和筛选。每家公司用的系统和设置都不一样，自动化程度也不同，所以并不存在一个统一的“ATS 分数”可以去刷。
你能掌控的其实只有两件事：文字能被按正确顺序读出来；内容能用事实证明你符合岗位要求。这两点做好了，之后读简历的 HR 和面试官也会更省力。
2. 两分钟纯文本解析测试
先别急着研究关键词，确认文件能被正确读取：
- 打开你准备上传的那个文件——导出后的 PDF 或 DOCX，而不是设计稿。
- 全选、复制，粘贴到记事本，或纯文本模式下的文本编辑器里。
- 从上往下读一遍：姓名和联系方式应该在最前面，每段经历的公司、职位、时间要挨在一起，每条要点都要出现在对应的经历下面。
- 检查缺了什么：图片或图标里的文字、技能进度条，以及放在页眉、页脚或文本框里的内容。
- 如果左右两栏的内容交错在一起（双栏模板很常见），或者出现乱码，就简化排版后再测一次。
中文简历最常见的问题：用表格排版的个人信息栏、把证件照和姓名做成一张图、用图标代替“电话”“邮箱”等文字，以及各种模板网站导出的花哨双栏设计。
InterviewWare 的 AI 简历分析会直接给你看这一步的结果：上传后展开“提取的文字”，就能看到解析器实际读到的前 2,000 个字符。如果这里就不对，后面的 AI 分析也是基于错误的文字，应该先改文件，再看分数。
3. PDF 还是 DOCX？
先看网申页面的要求：规定了格式就按规定来。两种都可以时，只要能通过上面的纯文本测试，一般都没问题——真正影响解析的是排版，而不是文件后缀。
文字型 PDF 在任何设备上排版都不会变；扫描件或拍照生成的 PDF 没有文字层，解析器什么也读不到。DOCX 很容易被软件转成文字，但换台电脑打开排版可能会变，而且有些解析程序会跳过文档的某些部分。
以 InterviewWare 自己的简历解析为例（只说明我们的做法，不代表任何招聘方的系统）：
- 支持 5 MB 以内的 PDF 和 DOCX 文件，并会核对文件内容是否与后缀名一致。
- PDF：读取文字层。扫描件无法识别，请导出文字型 PDF。
- DOCX：读取正文，包括表格里的文字；Word 页眉和页脚中的内容不会被读取，文本框里的内容会被放到它所在段落的后面。
- 至少需要 40 个字符的文字；只保存提取出的文字，不保存原文件。
对任何系统都适用的结论：姓名和联系方式写在正文里，不要放进页眉；重要内容不要放在文本框里。有些网申除了上传附件，还要求在线逐项填写经历，两边的时间、职位要保持一致，否则会显得不够仔细。
4. 用证据对照 JD，而不是堆砌关键词
招聘人员会按岗位要求去搜索和阅读，所以同一件事用 JD 里的说法来写，确实有帮助。问题在于把自己证明不了的词也抄进去——没有经历支撑的关键词，面试官一追问就露馅。比较稳妥的做法：
- 把 JD 复制下来，标出其中的具体要求——工具、技能、职责，跳过公司介绍之类的套话。
- 逐条写下简历里哪一条经历、哪个项目或哪门课能证明它；找不到就先空着。
- 有经历、只是叫法不同的，在准确的前提下换成招聘方的说法。比如你做的“对照实验”其实就是 A/B 测试，就可以写 A/B 测试。
- 完全没有依据的，不要加这个词。要么补上之前漏写的真实经历，要么把它当成面试前需要准备的短板。
- 把最相关的证据放在前面：每段经历里的要点顺序、项目的先后顺序都算。
校招简历经历少，很容易把 JD 里的词都塞进“技能”栏。更有效的做法，是在项目经历里写出你用这项技能做了什么。
在 InterviewWare 的 AI 简历分析里，可以选填岗位 JD，结果中会多出与该岗位的对照：匹配度估算，以及已匹配和缺失的技能。“定制要点”会挑出最多 12 条现有经历朝这个岗位改写，只使用简历里已有的事实；需要数字而简历里没有的，会留下 [数据] 这样的占位符，由你填入真实数字或者删掉。简历里没有证据的要求会以提示的形式给出（“如果你有……，可以补一条体现它的经历”），而不会替你写成既成事实。
5. 改写前后对比：经历要点怎么写
一条好的经历要点，要写清你做了什么、范围多大、带来了什么变化。下面的改写没有编造任何数字；需要数字的地方用占位符标出，由你填入真实数据。
示例为演示编写，并非真实简历内容
只写职责，没写贡献
修改前
负责公众号运营。
修改后
- 经历要点
- 负责社团公众号的选题和排期，每周发布推文；每月复盘哪类内容留言更多，据此调整下个月的选题比例。
改在哪里
把“负责”换成具体动作，再加上一个复盘机制。如果你清楚阅读量怎么变化、数据从哪来，可以补上；没有，这条经历也立得住。
技能栏罗列，没有证据
修改前
技能：Python、SQL、Tableau、机器学习、大数据、A/B 测试
修改后
- 项目经历
- 用 SQL 从订单库提取 [时间范围] 的数据，用 Tableau 搭建周报看板，供运营组每周例会使用。
- 技能栏
- Python、SQL、Tableau
改在哪里
写进经历里的技能才有证据。“机器学习”“大数据”被删掉，是因为简历里没有任何一条能证明它们——面试官往往第一个就问这些。
说不清来源的数字
修改前
大幅提升团队工作效率 300%。
修改后
- 经历要点
- 把手工传 Excel 的交接方式改成共享在线登记表，每周对账时间从 [改前时长] 缩短到 [改后时长]。
改在哪里
说不清来源的数字反而是风险。保留你能解释清楚的部分——替换了什么、为什么——前后对比只填你真正统计过的数据。
只写参与，不写自己做了什么
修改前
参加数学建模竞赛，与队友合作完成论文。
修改后
- 经历要点
- 数学建模竞赛中负责数据清洗和模型求解代码（Python），并完成论文中的灵敏度分析部分。
改在哪里
讲清哪一部分是你做的：面试官会追问的正是这一部分，招聘方按“Python”检索时也能找到这一条。
6. ATS 分数能说明什么，不能说明什么
很多简历工具，包括 InterviewWare，都会给出一个“ATS 分数”。我们的分数是 AI 根据提取出的文字给出的 0–100 可读性估算，不是在任何招聘方真实系统里跑出来的结果；也没有哪个工具能知道某家公司的 ATS 具体怎么设置。最终做决定的，是人。
这个分数适合用来比较你自己简历的前后版本，而不是当作及格线。修好了乱码、补上了对某项要求的证据，分数上升是有意义的；如果只是因为塞进了自己说不清的词，简历其实变差了。
7. 投递前检查清单
每次投递前都过一遍，而不只是第一次：
- 文件通过纯文本解析测试：内容完整、顺序正确。
- 姓名、邮箱、电话写在正文里，不在页眉页脚、图片或文本框中。
- 板块标题用常规说法：教育背景、实习经历、项目经历、技能；英文简历用 Education、Experience、Projects、Skills。
- 日期格式统一；每段经历都写明单位、职位和起止时间。
- 文件格式和文件名符合网申要求，例如“姓名-学校-岗位.pdf”，方便 HR 查找。
- 声称符合的每项要求，都有经历、项目或课程作为证据；技能栏里的每一项，你都能展开讲五分钟。
- 每个数字都说得清来源，改写时留下的 [占位符] 已全部替换或删除。
- 链接都能打开；网申在线填写的内容与附件简历一致。如果同时提交中英文简历，两个版本的经历和时间要一一对应。
- 站在 HR 的角度快速看一遍：一分钟之内，能看出你想投什么岗位、凭什么合适吗？
最后一项检查要开口完成：简历上的每一行，都可能变成面试题。你可以把简历附到 AI 模拟面试里，让面试官围绕简历内容提问。
