十三年下來，履歷被機器讀過再送到人眼前，已經是常態。但現在多了一層：不少企業在 ATS 之後再加一段 AI 摘要初篩。兩套機制的判斷邏輯不同，寫法上有交集也有衝突。這篇把交集講清楚。
最典型的衝突是關鍵字。為了過 ATS，很多人把職缺敘述的詞整段搬進履歷，結果句子失去因果，AI 摘要時抓不到任何具體事實，反而變成扣分。
解法不是二選一，而是把關鍵字放進有因果的句子裡。
第二句同時含有關鍵字，也提供了可驗證的因果與數字。
人資平均六秒決定是否繼續看下去，這件事沒有因為機器介入而改變，只是順序變了：現在通常是機器先過濾，人再用六秒判斷。所以最前面那一段更關鍵，它同時要讓機器摘要得出來，也要讓人一眼看到重點。
我們的建議是：履歷最上方放三行摘要，每一行都是一個帶數字的成果，不寫形容詞。
機器初篩過了之後，面試官會拿著摘要來問。這代表你履歷上的每一個數字都可能被追問細節。準備方式是：每一條成果都要能講出前後對照、你負責的部分、以及當時的限制條件。講不出來的成果，寧可拿掉。
這一段我們在 履歷重構暨面試技巧 裡會逐條演練，包含把模糊敘述改寫成可驗證因果、以及模擬追問。需求可以直接填 履歷與面試需求問卷。
原句：負責公司社群經營，成效良好。這句話有三個問題：沒有範圍、沒有動作、沒有結果。
改寫後：獨立經營三個社群帳號，將每週發文流程從個人臨時決定改為月度排程加素材庫，發文準時率由六成提升到九成五，客服重複問題量下降約三成。
改寫後的句子同時滿足兩套機制：關鍵字（社群經營、流程、客服）自然出現，因果與數字也具備，面試官追問時每一個數字都有來源可以說明。
AI 初篩經常會同時讀履歷與自傳。如果兩份文件的時間、職稱、成果數字對不上，系統會標記為不一致，人資看到的摘要也會出現保留字眼。
檢查方式很簡單：把兩份文件裡出現的所有年份、職稱與數字各自列出來，逐項比對。這件事十分鐘可以做完，卻能擋掉一整類扣分。
這三件事準備完，面試的前十分鐘通常就能建立起穩定的印象，後面的問題也會往你熟悉的方向走。
三種情況值得找外部視角：投了二十份以上但面試邀約低於一成、每次面試都卡在同一類問題、或者你正在跨產業轉職而不確定哪些經驗可以轉譯。
這三種情況的共同點是：問題不在努力程度，而在敘事結構，而敘事結構的盲點通常自己看不出來。十三年下來，我們看過最常見的狀況是求職者把最有價值的一段經驗寫在履歷第三頁的第七條，自己完全沒有意識到那才是重點。
把系統解析的要求與語意判讀的要求放在一起，交集大約是九項：純文字可選取、單欄版面、標準區塊標題、日期格式一致、職稱使用產業通用說法、成果句包含可驗證的數量、避免圖片與表格承載關鍵資訊、檔名清楚、以及檔案格式使用最通用的那一種。
九項裡有七項是格式問題，只有兩項與內容有關。這說明多數履歷被卡住的原因不是內容不好，是格式讓內容無法被正確讀取。
第一項是最有效的一項。純文字版本如果讀起來混亂，那就是系統實際讀到的樣子。
除非對方明確指定，否則使用最通用的文件格式。要避免的是：把整份履歷做成圖片、使用非標準字型導致文字無法擷取、以及使用複雜的多欄排版。
一個簡單的驗證方式是：用文字選取工具把整份履歷的文字選起來複製，貼到空白文件裡。如果貼出來的順序與原本一致、沒有缺漏，格式就沒有問題。
這個測試三十秒可以做完，卻能擋掉最常見的一類失敗，內容很好但系統讀不到。