首页/ATS 检查什么
ATS 到底检查你简历上的什么
申请者追踪系统不会拒掉你的简历。它是读它——如果读错了,招聘官就永远找不到你。这是两种不同的失败,修法也不同,而几乎每一条简历建议都把两者混在一起讲。下面写清实际发生了什么,以及我们跑的那 21 条机械检查。
发布于 2026 年 10 月 25 日,最后更新于 10 月 27 日。下面每一条规则,都是本站实际在跑的那一条——规则改了,这一页就跟着改。
先看这一句:这一页记录的是 ATS Score 内部的规则集,而 ATS Score 是我们自己的产品。公开它,是因为你应当能核对我们的工作——也因为真正有用的那部分(解析器怎么把双栏排版读乱)不管你用不用我们的工具都成立。凡是依赖当地招聘惯例而不是机械原理的规则,我们会明说。
ATS 是怎么读一份简历的
从你点下提交、到招聘官看见你的名字,中间发生四件事。绝大多数简历问题都出生在第一件上。
1. 抽取 —— 文件变成文本
PDF 是页面描述格式,不是文档格式。它里面装的是「在 x=412, y=96 处画这个字形」这类指令。文件里没有任何一个对象写着「这是一行」或「这是一栏」。所以在别的任何事情能发生之前,解析器必须从坐标里把行猜回来——而绝大多数损伤就发生在这一次猜上。
两份在屏幕上长得一模一样的 PDF,会因为你用哪个工具导出,而抽出完全不同的顺序。典型情形是双栏排版:抽出来的文本经常是交错的,左栏一行、右栏一行,一路到底。
2. 切分 —— 文本变成字段
有了文本之后,解析器要判断每一块是什么:这块是联系方式,这一段是一份工作,这一行是雇主,那一行是职位名,这些是日期。它靠匹配自己已知的模式来做这件事——章节标题、日期格式,以及在页面上的位置。
它认不出来的东西不会礼貌地消失。它会落进错误的字段,或者落进一个什么都能装的桶里。一个标题写作「这些年我在哪」的章节,很可能根本不被当作工作经历来读;里面的内容会被折进它前面那一节。
3. 建索引 —— 字段变成一条可检索的记录
切分出来的字段变成每位候选人一条记录:姓名、雇主、职位、日期、技能、教育。从这里往后,存在的不是你的简历,是那条记录。
4. 检索 —— 不是拒绝
这是大多数简历建议弄错的地方。在我们看过的那些系统里,常见的情形不是「ATS 拒掉了 75% 的简历」,而是:
- 招聘官用关键词(常常还带布尔运算符)去索引里搜一遍,拿到一个列表。
- 不在那个列表里的候选人,从来没有被拒绝过。他们是从来没被看见。
- 另有一件事是分开的:有些职位在申请表单上带硬性筛选题——工作许可、工作年限、薪资期望。那些确实会拒掉你——但它们是表单字段,不是解析。简历再完美,也救不了你在那道题上答「不」。
两种失败,两种修法。解析失败是文件问题:修文件。筛选题失败是匹配问题:改简历改不动它。多数「ATS 把我拒了」的故事属于前一种——但不是全部,而且没有任何扫描器能告诉你属于哪一种,因为扫描器看不见雇主的表单。
第 1–4 条 · 它到底读得进这个文件吗
这四条在上游。文件在这里失守,里面写得再好也没有意义——下游没有任何东西会看见它。
1. 文件里有文字吗?
如果你粘贴文本,这条自动通过。如果你上传 PDF,我们数每页能抽出来的字符数。扫描件、照片、或者「压平」过的导出件,几乎没有。
没有文字层,就没有东西可以切分,也没有东西可以索引。简历可以看起来完美无瑕,同时对每一个读它的系统都是空的。
怎么修:打开 PDF,试着用光标选一句话。如果你选不亮它,就没有解析器读得进去。从原始文档里重新导出并保留文本,或者直接交 DOCX。
2. 双栏排版、表格和文本框
我们评的是排版而不是设计:按看起来像表格的行占多少算,再对表格和文本框各记一笔。表格和文本框权重最重,因为里面的内容是绝对定位的,落在哪取决于抽取工具当时把它放哪。
一个三格的表格行会变成一行连着的长句,或者变成散得很远的三行。用文本框做的侧边栏,通常出现在页面末尾——排在你的工作经历之后,而没人会去那里找你的技能。
怎么修:单栏、真正的项目符号、不要表格单元格。想让日期靠右对齐,用制表位——一行结束时右对齐的日期能干净地抽出来,所以我们把这类行算作安全而不是风险。
3. 章节标题是不是那些最无聊的?
我们找的是标准那一套——联系方式、简介、经历、教育、技能、项目——遇到下面还压着实际内容的自定义标题就扣分。
标题是切分用的锚点。「Professional Experience」能被认出来,「The Story So Far」就是掷硬币。锚点一旦没被认到,下面那一块不会凭空消失;它会被上一节吸走——工作经历就是这么被归档成了简介的一部分。
怎么修:Experience、Education、Skills、Projects、Certifications。把个性写进句子里,不要写进标题里。
4. 联系方式埋在页眉或页脚里
页眉和页脚区是和正文分开抽取的,而且有相当一批解析器直接把它们丢掉。于是你的邮箱就从招聘官要搜的那条记录里消失了——你成了一个联系不上的候选人。
怎么修:姓名、邮箱、电话、城市和 LinkedIn 放在正文第一个区块、在所有东西之上。不要放进 Word 页眉,不要放进页面页脚,也不要放进一颗钉在页面上边距的文本框里。
第 5–9 条 · 结构
这五条主要是关于读你的人的,不是关于解析器的。它们照样让你付代价,只是发生在流程更后面。
5. 页数与工作年限
十年经验以内一页,十到二十年两页,再往上三页。职业早期就写两页,罚得比少写一页重得多。
这不是解析规则,是注意力:一个招聘官手上压着八十份申请,第一遍只花几秒钟,而第一页就是被读到的绝大部分。
怎么修:砍掉最久远或最不相关的那段经历,而不是把字号缩小。如果你有论文或专利,多出来那一页站得住;除此之外很少站得住。
6. 联系方式是否完整、是否解析得出来?
我们按邮箱 40%、电话 35%、城市 15%、LinkedIn 10% 加权。
邮箱和电话是别人联系你的方式。哪个解析不出来,简历写得再好这次申请也死了。城市有用是因为它喂给地域筛选。LinkedIn 很少决定什么,但它只花一行。
怎么修:纯文本——不是图标,不是图片,也不是一段可见文字写着「Email me」的超链接。一个电话号码,跨境申请就带上国家区号。
7. 日期格式一致吗?
我们数文档里出现了几种不同的日期格式。一种干净;两种扣分;三种及以上不及格。
日期是解析器用来拼任职区间的原料。「03/2021 – Present」和「Mar 2021 – Present」是两种模式;混在同一份文档里,同一段经历可能裂成两条,或者算出来的时长差好几年。
怎么修:选一种格式,用到所有地方。月份加年份在各地区都最安全——「03/2021」在美国读作三月,在别处可能读作非法,也可能读成某个未知月份的 3 号。
8. 没有解释的就业空档
我们找出上一段经历结束到下一段开始之间的间隔,再看正文里有没有东西解释它。
同样不是解析问题——空档是读者脑子里的一个问号,而在二十秒的扫描里,没被回答的问题往往会自己变成「不」。
怎么修:在简历上写一行:「职业中断——全职照护,2022–2023」。只花一行,把问题关掉。你不需要为这件事向任何人道歉。
9. 照片、年龄、婚姻状况、国籍之类字段
我们会标记照片、出生日期、婚姻状况、性别、国籍和身份证号。
这一条真的分地区。在美国和英国,这些字段会带来平等就业方面的暴露,招聘官被训练成把这类简历放到一边,以免落人口实。在德国、法国和东亚大部分地区,照片是应当有的——不放反而让简历看起来没做完。规则不是「删掉照片」,而是「搞清楚你在投哪个市场」。
怎么修:投美国、英国、加拿大就删掉。投德语区和东亚市场,按当地惯例来。两边都投,就留两个版本的文件——反正你本来就该这么做。
第 10–13 条 · 要点到底说了什么
简历在这里才从「一堆工作」变成「证据」。
10. 每条要点都以动词开头吗?
我们算以动作动词开头的要点占多少,及格线定在 80% 而不是 100%——以名词短语开头并不自动算错。
以「Responsible for」开头的要点,描述的是一份岗位说明书,不是一个人。它还浪费掉每行最前面两个词,而最前面两个词正是会被读到的那部分。
怎么修:「Responsible for managing the onboarding pipeline」改成「Managed a 40-person onboarding pipeline」。开头就写你做了什么。
11. 结果是否量化
整套规则里权重最高的一条。我们找要点里的数字、百分比和金额,目标是其中一半——不是全部,因为为了填坑编出来的数字比没有数字更糟。
一个数字,就是「一句声明」和「一份证据」之间的差别。「提升了性能」无法核对;「把 p95 延迟从 800ms 降到 120ms」一秒钟就能掂出分量。
怎么修:每段经历至少两个数字。如果你没有业务指标,就用规模——团队人数、数据量、预算、可用性、工单量、服务过的用户数。
12. 空泛的填充词
我们统计「team player」「hard-working」「results-driven」「detail-oriented」「go-getter」这类短语出现的次数。
它们无法被证伪,每个申请者都在用,所以它们一点信息都不携带。更糟的是,它们占掉了本来能放一个数字的位置。
怎么修:删掉。不要换成同义词——换成它们本来在替身的那个证据。
13. 技能写的是具体工具吗?
我们看技能栏里写的是具体东西——语言、框架、平台、证书——还是形容词。三个以上泛泛的条目就把这条的分数封顶,不管其余部分多好。
关键词搜索匹配的是字符串。「Python」是招聘官会去搜的字符串,「较强的分析能力」不是。
怎么修:列出你真用过的工具。列表太长就分组:Languages / Frameworks / Infrastructure / Tools。
第 14–17 条 · 与职位的匹配
这四条需要职位描述。没有它,这四条整个被跳过,分数按其余十七条归一化,所以两种情况下的数字仍然可比——只是量到的东西更少。
14. 硬技能关键词覆盖
整体权重最高的一条。我们把招聘广告里要求的具体技能抽出来,检查它们有没有出现在你的简历里,按词边界匹配,所以「Java」不会因为「JavaScript」得了分。
这正是招聘官真正会跑的那一次搜索。覆盖率掉到 70% 左右以下,简历就开始在那次搜索里浮不上来。
怎么修:凡是你真做过的事,用招聘广告上的原词。他们写「Kubernetes」而你写「容器编排」,你对那条查询就是隐形的——同一个技能,不同的字符串。
15. 职位名称是否对齐
我们把招聘广告标题里的词和你的简历比一遍,再单独和开头几行比一遍,因为写在开头的职位名比埋在经历里的那个分量重。
招聘官按职位名筛人。一个和招聘广告对得上的职位名,是「你跟他们在找的是同一种人」这个信号里最短的一条。
怎么修:如果你公司内部的职位名很怪——比如「Member of Technical Staff」——把市场上的叫法写在旁边:「Member of Technical Staff(Senior Software Engineer)」。
16. 行业术语命中率
我们检查有没有从招聘广告所属行业里来的领域词汇。
读者靠它判断你懂不懂这个语境,搜索也靠它把相邻行业的候选人捞出来。
怎么修:如果你真的接触过这个领域,就明确写出来——那套合规框架、那类客户、那个产品品类。如果没有,就不要写。假装懂行,正是面试要拆穿的东西。
17. 软技能关键词匹配
四条里最轻的一条。有些招聘广告会按「stakeholder management」「cross-functional」这类短语做关键词匹配,而在它确实成立的地方写上这个短语,不花你任何成本。
怎么修:只在它描述了你真做过的事情时才写——最好放在一条同时带数字的要点里。
第 18–21 条 · 细节与风险
18. 成果是否具体、规模是否写清
我们找同时包含一个指标、一个动作动词、至少八个词的要点——并且当其中至少两个指标是硬指标(百分比、金额、用户数、记录数、交易量)时给满分。
「参与过那次迁移」是一项任务。「把 4,000 万条订单记录迁到 Postgres,零停机」是一个带规模的成果。
怎么修:每段经历写一条要点,回答两个问题:这件事有多大,因为它什么变了。
19. 证书与执照
我们先找有没有证书章节,再找里面有没有能认出来的资历名称。
在某些行业,执照是硬门槛——护理、会计、教师、云架构。在另一些行业,它只是同等条件下的加分项。无论哪种,没写出来的资历都帮不了你。
怎么修:单开一节,写全称和年份。过期的删掉或标注——一张失效的执照比没有执照更难看。
20. 拼写
我们用词典加重复词检测来查。
这是被筛掉的理由里最便宜的一个。拼写检查抓不到你把「manager」写成「manger」,因为「manger」本身是个词(食槽)。
怎么修:倒着读,从最后一条要点读到第一条。句子不再连贯时,你的眼睛就停止自动纠错了。
21. 关键词堆砌,包括隐藏文字
我们检测白底白字、零宽字符,以及小到看不见的字号。
这些是能被查出来的,而后果不是分数变低——是招聘官没法再信任这份简历。有些系统会把隐藏文字剥掉,那小把戏就单纯失效了;另一些不剥,于是你的记录在搜索它的人眼里就是一堆乱码。
怎么修:永远不要。诚实地把关键词写进内容,或者不写。
这些里没有一条能告诉你的事
我们认为局限比功能列表更重要,所以照直写在这里。
- 你的分数不是雇主的分数。厂商之外没人知道那家厂商怎么给候选人排序。我们的是 21 条确定性规则,逼近大多数解析器常见的失效方式。把它当成一次机械的起飞前检查,不是判决。 在据此行动之前,先看这个分数该怎么读。
- 真人会不会喜欢它。这些检查找的是机械问题。它们没法告诉你你的经历对这个职位是否相关。
- 你会不会拿到面试。干净的解析把你送进搜索结果。它不会让你被选中,也不会让一份不匹配的申请变得匹配。
- 这个职位是不是真的。有些招聘广告已经内定了,有些只是为走流程挂出来的。你这一侧做什么都改不了它。
再多说一条,因为这是本行业被重复最多的数字:所谓 75% 的简历会被 ATS 拒掉,背后没有任何研究。它追到 Preptel 2012 年的一份新闻稿——一家做简历优化的厂商,2013 年 8 月关停,从未公布过样本、方法或数据集。这个数字今天还在以 70% 或 88% 的版本流传,取决于谁在转述——一个从来没有原文可供核对的数字,就是这么活下来的。
现有证据实际显示的是:2025 年 Enhancv 向 25 位美国招聘官、跨九套申请者追踪系统提问,其中 23 位——92%——说他们那套系统根本不会基于简历内容自动拒人,而 25 位全都用了硬性筛选题。哈佛商学院与埃森哲的《Hidden Workers》报告(2021;美国、英国、德国共 2,275 名雇主)发现,88% 的雇主承认自己的流程会筛掉那些不匹配职位描述原词的合格候选人。这是一个不同的论断,也是一个更有用的论断:失败发生在排序和措辞上,而不是有个机器人把你删掉。两者都是机械的,所以两者都能在你投出去之前先测一遍。
一页纸的检查清单
如果提交前你只做十件事,就做这些。分数背后的算术——每条规则的权重、归一化、以及一个你能手算核对的样例——在分数是怎么算的那一页。
- 在 PDF 里选中文本。如果什么都选不亮,重新导出。
- 单栏。不要表格,不要文本框,不要侧边栏。
- 联系方式块放正文,不要放页眉页脚。
- 标准标题:Experience、Education、Skills、Projects。
- 一种日期格式,全篇统一,月份加年份。
- 邮箱和电话用纯文本,带国家区号。
- 每条要点都以动词开头。
- 每段经历至少两个数字。
- 技能写工具,不写形容词。
- 把职位描述粘进去,投出去之前先读一遍缺失的关键词。
常见问题
- 我的文件会被上传吗?
- 免费扫描不会。解析和评分都在你的浏览器里跑,文件不会到任何服务器。付费改写是唯一的例外:你提交给它的那段文本会发到我们的服务器和 DeepSeek(在中国境内处理),之后不留存。
- 这个分数和那家公司 ATS 算出来的是同一个吗?
- 不是。它测的是各家解析器共有的机械失效方式——它不是某家厂商的排序,也没有任何外部工具能复现那套排序。当成起飞前检查,它有用;当成判决,它会误导你。
- 我必须粘一份职位描述吗?
- 不用。21 条里有 17 条不需要它,分数按这 17 条归一化,所以数字仍然可比。你只是拿到的信息更少——可动手的缺口通常就在那四条职位匹配检查里。
- 我在德国投简历,我的 CV 上有照片。这是错的吗?
- 在那边不是。照片这条规则针对的是美国、英国、加拿大的招聘实践,在那里它会带来偏见暴露。按当地惯例来——两边都投,就留两份文件。回到第 9 条。
- AI 改写会替我编经历吗?
- 不会。它重组、重述你已经写下的内容,并标出它填不上的坑。需要你自己补的地方会以方括号返回,由你替换。
你想比的是工具而不是规则?我们和 Jobscan、Resume Worded 的价格与功能对比在Jobscan 替代品那一页,包括他们才是更好选择的那些情形。