按场景重写
如何用 AI 从 JD 中提取简历关键词
把岗位 JD 拆成简历关键词、招聘信号、证据缺口和改写 Prompt，适合投递前用 AI 修改简历，避免关键词堆砌和无证据包装。
简短答案
JD 关键词提取不是把所有名词抠出来。先让 AI 区分必备技能、岗位产出、重复词、资深度信号和证据缺口，再把强信号转成简历修改决策。
适合人群
正在针对某个岗位定制简历、比较类似岗位、诊断投递没回应，或想先做 JD 关键词表再改写 bullet 的求职者。
避免使用情境
没有目标 JD、想批量生成简历、照搬岗位描述，或让 AI 编造缺失经验的人。
下一步
关键词只有能改变结构、证据或表达时才值得写进简历。
搜索意图判断
用户手里通常已经有 JD，想知道哪些词真的该影响简历、哪些缺口要处理，以及怎样让 AI 改简历而不是堆关键词。
-
提取招聘信号，而不是平铺关键词
JD 里有工具、职责、结果要求、协作信号和资深度暗示。AI 应该说明每类词代表什么，分别适合放到技能区、经历、Summary，还是标成缺口。
可用 Prompt： 请分析这份 JD，并提取招聘信号：必需技能、工具、职责、结果要求、资深度暗示、行业词、协作信号和重复出现的表达。请解释每组为什么重要。 -
先排优先级，再修改简历
把词分成必配、加分差异、背景信息和可跳过泛词。这样 AI 不会把每个短语都当成必须塞进简历的关键词。
可用 Prompt： 请把这些 JD 信号分成必配项、加分差异项、背景信息和可跳过泛词。对每个必配项说明招聘方期待看到什么证据。 -
把每个关键词对到证据或缺口
真正有用的输出不是词表，而是决策表。每个重要词都要标成强证据、相邻证据、学习证据或缺失。
可用 Prompt： 请对比我的简历笔记和已排序的 JD 信号，把每个关键词标成强证据、相邻证据、学习证据或缺失。不要编造证据，并给出缺口的安全写法。表达示例： 运营岗位里，SLA、供应商管理、流程优化、报表和跨部门协作，都应该对应到真实项目，否则就标成缺口。 -
只改写有证据支撑的 bullet
提取完成后，再让 AI 带约束修改简历：自然使用 JD 语言，指标要能解释，没有证据的词不要硬塞。
可用 Prompt： 请只使用有强证据或相邻证据的关键词，为这个目标 JD 改写 6 条简历 bullet。表达要自然，只有我提供过的指标才能写，避免关键词堆砌。
发布前检查清单
- JD 词按招聘信号分组，而不是平铺列表。
- 必配关键词和泛词被分开处理。
- 每个重要关键词都有证据状态。
- AI 只改写有真实证据支撑的经历。
常见问题
AI 提关键词比关键词工具好吗？
AI 更适合理解上下文和分组信号；关键词工具擅长统计频率，但未必知道哪个词最影响这个岗位的招聘判断。
可以同时分析多份 JD 吗？
可以。3-5 份同类 JD 能帮你找到岗位族共同模式，但最终投递仍要针对具体 JD 调整。
提完关键词后怎么避免堆词？
只有关键词能对应真实证据时才写进简历。没有证据的词应标为缺口或学习项，不要硬塞进 bullet。
先做 JD 抽词 Brief，再用关键词表把每个词对到证据。
生成 JD 关键词表