ChatGPT 和 Claude 改履歷怎麼分工：按任務選，不要迷信模型

面向求職者的 ChatGPT vs Claude 履歷比較：涵蓋 JD 分析、ATS 關鍵字、中文/英文重寫、語氣潤稿和寄出前審稿。

1. 比較表：按履歷任務選模型

   寫 summary 時，最大風險是空泛：像「結果導向」「熱愛挑戰」「經驗豐富」。如果你已經提供職缺、年資、領域、成果和目標職位，Claude 常能先寫出更自然的版本；ChatGPT 則適合接著檢查關鍵字、長度和是否出現無法查核的 claim。

   可用 Prompt： 請把這段履歷 summary 改寫給 [目標職缺]。控制在 3 行以內，只使用這些事實：[事實]。刪除「結果導向」「充滿熱情」「經驗豐富」等空泛表達。
   表達示例： Claude 先改自然語氣；ChatGPT 再檢查職缺關鍵字、長度和事實支撐。

2. 適合 / 不適合：bullet 和 summary

   寫 bullet 時，ChatGPT 擅長強制補結構：動作、範圍、工具、指標和結果；Claude 更適合在事實已完整時，把僵硬或過度包裝的句子改得自然。更穩的流程是先讓 ChatGPT 追問缺失證據，再把補完後的版本交給 Claude 重寫。

   可用 Prompt： 先問我每條 bullet 缺哪些證據：範圍、對象、工具、指標、基準、結果和責任邊界。等我補充後，再把每條改寫成 1-2 行，不要編數字。
   表達示例： ChatGPT 找缺少的指標和範圍；Claude 把「負責 onboarding」改成可信、可讀的成果表達。

3. 成本、限制和風險：ATS 關鍵字

   ATS 任務需要分類、表格和可重複邏輯。第一輪通常讓 ChatGPT 把 JD 中的硬技能、工具、職責、seniority 訊號和缺失關鍵字整理成表格更穩；Claude 可以在關鍵字清單乾淨後，把選中的詞自然放進 bullet。兩輪之後一定要終審：關鍵字不能憑空補，技能要能對應真實經歷，section heading 和格式也不能影響 ATS 讀取。

   可用 Prompt： 請從這份 JD 提取 ATS 關鍵字，分成硬技能、工具、領域詞、職責、seniority 訊號和可原樣使用的短語，並把每個關鍵字映射到我履歷裡已有的證據。
   表達示例： ChatGPT 輸出關鍵字到證據表；Claude 每條 bullet 最多自然放入 1-2 個選中關鍵字。

4. 示例 Prompt：語氣調整和去 AI 味

   Claude 常更適合處理語氣：讓句子少一點機械感、節奏更自然、去掉誇大包裝，同時保留事實。ChatGPT 仍適合執行規則，例如禁用詞、字數限制、ATS 關鍵字覆蓋和無法查核 claim 標記。

   可用 Prompt： 請把這些 bullet 改得更直接、更像真人經歷。保留所有事實，刪除誇大表達，調整句子節奏，並標出所有需要證據支撐的 claim。
   表達示例： Claude 改自然語氣；ChatGPT 檢查長度、禁用詞、關鍵字覆蓋和事實風險。

5. Claude、Copilot、ChatGPT 要不要寫進履歷關鍵字？

   不要因為工具名熱門就放進技能欄。只有當職缺 JD 明確提到 AI 輔助工作、Prompt 流程、程式碼輔助、辦公自動化或 AI 審稿，而且你確實用過，才考慮寫。寫法要回到證據：你用它完成什麼任務、有什麼人工覆核或安全邊界、效率或品質有什麼變化。

   可用 Prompt： 請比對這份職缺 JD 和我的履歷，判斷 Claude、Microsoft Copilot、GitHub Copilot、ChatGPT 等工具名是否應該出現。每個工具標記：JD 是否需要、我是否真實使用、證據是否足夠、適合放在哪一段、是否應刪除。
   表達示例： 較好：用 GitHub Copilot 輔助單元測試腳手架，並經過 code review，減少重複設定時間。較弱：技能區只寫 Claude AI、Copilot、ChatGPT，沒有專案證據。

6. 下一步：按任務分工，不按模型熱度選

   summary：Claude 先寫，ChatGPT 審核；bullet：ChatGPT 補結構，Claude 改自然；ATS 關鍵字：ChatGPT 先做；語氣調整：Claude 先做；寄出前審稿：ChatGPT 查清單，Claude 看可讀性。任何模型都不能替你編指標、決策權、seniority、工具或商業結果。

   可用 Prompt： 請標出這份履歷中所有需要事實核對的 claim，尤其是指標、決策權、seniority、工具和商業結果。
   表達示例： 結構任務用 ChatGPT，語氣任務用 Claude，重要投遞用同一份真實證據跑兩個模型。