75%簡歷被AI秒拒：3年經驗產品經理寫了個免費工具反殺

你花了三小時改簡歷，逐句對齊招聘要求，點擊提交時甚至有點儀式感。兩周后收到系統自動回復："您的申請已進入人才庫。"然后就沒有然后了。

這不是你運氣差。75%的簡歷在被人看到之前，就已經被ATS（申請追蹤系統，一種自動篩選簡歷的軟件）扔進了垃圾桶。不是HR冷酷，是機器先動的手。更糟的是——你永遠不會知道死因：格式不對？關鍵詞缺失？還是某段話觸發了隱藏規則？

一位做了三年SaaS產品的開發者受夠了這套黑箱。他做了個免費工具，讓求職者第一次看清自己是怎么"死"的。

ATS不是敵人，但它是盲人摸象的裁判

這套系統的邏輯其實粗暴：把職位描述拆成關鍵詞，掃描簡歷里出現了多少次。匹配度高，進下一輪；匹配度低，直接歸檔。問題是，同一家公司的不同HR可能用不同關鍵詞描述同一崗位，而求職者只能靠猜。

Smart Resume的解法是把裁判規則攤開來。上傳簡歷和職位描述，30秒內拿到診斷報告：缺了哪些關鍵詞、哪些詞出現次數不對、被動語態在哪里拖后腿、有沒有漏掉可量化的成績。每一項都標了優先級——高影響的問題先改，低影響的以后再說。

工具還內置9個經過ATS兼容性測試的模板。不是"好看"的模板，是"能過機篩"的模板。這個區別，投過100份簡歷的人都懂。

技術選型：為什么選Cloudflare Workers

作者在技術博客里的解釋很產品經理思維："我不想維護服務器，也不想付數據庫費用。"

整套架構跑在Cloudflare Workers（邊緣計算服務，代碼運行在離用戶最近的服務器節點）上，前端用Vue 3。沒有數據庫，所有處理實時完成——簡歷解析、關鍵詞提取、匹配度計算，全部在邊緣節點跑完，數據不落地。

關鍵詞提取的核心邏輯并不復雜：過濾停用詞、統計詞頻、取前30個高頻詞。但魔鬼在細節。比如"匹配分數"的計算，不是簡單看關鍵詞有沒有出現，而是看出現次數是否達到職位描述里的預期頻率。出現太少，扣分；出現太多，可能觸發"關鍵詞堆砌"的反向懲罰。

代碼片段里有個細節：用正則表達式全局匹配時，作者特意把職位描述和簡歷都轉成小寫。這個case-insensitive的處理，能避免"Python"和"python"被當成兩個詞。小寫轉換是免費的，但漏掉這一步，匹配率可能直接崩掉幾個百分點。

免費工具的商業模式悖論

Smart Resume目前是純免費。作者的說法是"先解決自己的問題，順便幫別人"。但熟悉SaaS的人都知道，純免費工具要么死，要么轉型。

可能的變現路徑很清晰：高級功能訂閱（比如批量分析、歷史對比）、企業端賣ATS優化服務、或者把數據脫敏后做成行業洞察報告。但作者似乎還沒想那么遠——技術博客里連Google Analytics都沒裝，"因為懶得寫隱私政策"。

這種"先做出來再說"的風格，很符合個人開發者的典型路徑。但求職者可能希望它能活得久一點。畢竟，市面上類似的工具要么收費（Resume Worded月費49美元），要么功能殘缺（只能檢查格式，看不懂職位描述）。

一個被忽略的產品細節

Smart Resume的"量化成就檢查"功能，會掃描簡歷里的數字。但作者加了個有趣的規則：不是有數字就行，而是看數字前面有沒有動詞。

"銷售額增長20%"是弱表述。"推動銷售額增長20%"才是HR想看的。這個區分很細，但投過騰訊、字節簡歷的人都知道——大廠JD里"推動""主導""搭建"這些詞的出現頻率，和過篩率高度相關。

工具目前只支持英文簡歷。作者在技術博客評論區回復過中文支持的疑問："分詞比空格分詞復雜十倍，等我有空。"這條回復發布于三個月前，至今沒有更新。

如果你現在去試，會發現上傳界面有個不起眼的提示："建議職位描述超過150詞，分析更準確。"這個閾值從哪來的？作者沒解釋。但測試過幾份JD后發現，太短的職業描述確實會讓關鍵詞提取變得隨機——系統會抓出一些通用詞（"團隊""溝通"），而漏掉真正的硬技能要求。

你會為了過機篩，把簡歷改成機器喜歡的樣子嗎？還是說，這種對抗本身就已經扭曲了求職這件事？