前几天看到一篇讲「AI 怎么筛简历」的文章https://www.quora.com/How-does-AI-actually-read-a-resume-What-is-it-even-looking-for
写得挺好，逻辑也清楚。里面有一段大意是这样的：
早年的系统靠关键词匹配，你写 managed projects，岗位要求写 project management，笨一点的匹配器就认不出来。但现在不一样了，现在的系统用的是语义匹配，它知道这两个是一回事，也知道 Python 和 Django 是相关的。它把岗位描述和简历都变成向量，算相似度，给出的是一个分数，不是简单的关键词命中。
我看到这段的第一反应是：听起来很合理，但这是它应该怎么工作。
我前阵子刚好拿真实简历量过一遍它实际怎么工作。发现2个不小的漏洞。
测试数据和分析方法
12 份真实简历，来自 9 个人。其中有一个人给了我同一段职业经历的三个不同写法，这个后面是重点。招聘启事 9 份，也都是真的。
做法是把每份招聘启事拆成一条条具体要求，然后一条一条判：这份简历里，有没有东西能支持这条要求。规则在读简历之前就定死了——职称本身不算证据，你得能指出简历上具体哪句话；同义词、上位词、能合理推出来的都算，不做字符串对比。另外配了对照组，就是故意把不相关领域的简历和岗位配在一起，看判定结果会不会分开。
有三件事我得先讲清楚，不然后面的数字你没法判断：
样本很小。12 份不叫研究，叫探针。
判定的是最顶流的语言模型，不是招聘经理。
13 组配对里只有 1 组是两个判定者独立做的（一致率大概 87%），剩下的都是单个判定者做的。所以「两名独立裁判」这种话我不能说。
好，下面是正题。
第一处：整篇丢进去，语义匹配基本上是失效的
我手上刚好有一个天然的对照组，就是前面说的那三份简历。
同一个人，同样的雇主，同样的年份，同样的学历，同样那几段经历。唯一的区别是写法。
人工一条一条判下来，三份能拿出证据的比例分别是 44%、24%、27%。最好的那份差不多是最差那份的两倍。这个差距不小，人扫一眼就能感觉出来。
然后我把三份完整简历分别编码成向量，跟同一份岗位描述算余弦相似度，得到 0.6584、0.6551、0.6660。
人工看到的差距是 0.21，向量看到的差距是 0.011。
差了快二十倍。
但真正让我停下来的不是这个，是顺序反了。人工判定 B 最好，向量把 B 排到了最后一名，把人工认为证据最少的那份排到了第一。
这就不是「同义词认得不够准」的问题了。这是它连好坏都分不出来。
其实想想也不奇怪。一份简历一千多个词，压成一个几百维的向量，那点因为写法产生的差别，会被整体语义冲掉。三份简历讲的是同一个人的同一段经历，在向量空间里它们本来就该长得很像——它们确实很像，像到看不出区别。
有意思的是，同样这批数据，我把简历按条目拆开再分别编码，区分度立刻从 0.011 回到 0.25，跟人工的 0.29 差不多。
所以结论不是「AI 读不懂简历」，是 AI 读不懂整篇丢进去的简历，切开就读得懂了。
这个区别对求职者其实挺重要的：你写得好不好能不能被看见，取决于对面用的是哪一种。而这件事你完全无从得知。
第二处：缺的东西不是同义词，是压根没写
那篇文章隐含的建议是，把说法换成岗位描述里的用词，让机器认得出来。
但我这批数据里，领域相符的配对下，一半以上的岗位要求在简历里找不到任何依据。
我不打算给你一个精确数字，因为不存在这么一个数字。不同配对之间波动特别大，从 25% 到 82% 都有，两轮加起来平均下来大概 55%。这个波动本身就是发现：同样一批要求，不同的人差三倍。
至于缺的是什么：每天用什么工具，缺三成左右；负责多大范围——带几个人、多少预算、哪些市场、端到端做到哪一步——也缺三成左右。而沟通、协作这类软技能只缺 7%，是唯一不缺的。因为人人都写。
我还做了一个不用任何模型的检验：数一下「岗位描述里出现、简历里完全没出现的实词」占多大比例，然后跟「能拿出证据的比例」做相关。结果是很强的负相关，ρ 大概在 −0.7 到 −0.8 之间。
也就是说，缺口的主要原因不是「换了个说法机器没认出来」，是这件事根本没被写下来。
（这里得交代一句：把同一个人的三个版本去重之后只剩 8 个样本，这个相关性方向不变但达不到统计显著。所以我认为方向是可信的，强度存疑。）
三个具体的人
数字看多了没感觉，说三个具体的。
第一个，一位持牌财务顾问，简历上一张证照都没写。
她在一家大保险公司做持牌顾问，按当地监管要求，她几乎不可能不持有相应资格。但简历里一个字没提。判定结果：无证据。
同一个人做过四份金融销售的岗位，工具那一栏写了 Salesforce、Apollo、Notion、Canva——没有 Excel。
不是她不会用 Excel，是这事太日常了，日常到不值得写。
第二个，多写七年履历，只多答上了一条要求。
版本 J 比版本 C 多出七年完整的工作经历，还有更多品牌相关的细节。34 条要求，它只多翻了 1 条。
「简历写得更全一点」这个建议，在这个例子里基本没起作用。
第三个，同一段经历写成概括句，证据少了一半。
版本 B 写的是具体的动作和数字：做了哪些渠道、投放数据多少、金额什么量级、怎么追踪评估的。同一个人在另外两个版本里，把这些压成了一句 Led overall brand communication strategy。
证据从 15 条掉到 8 条。同一段经历，同一个人，就是换了个写法。
那篇文章哪里说得对
解析很重要，排版会毁掉解析，结构化的数据比自由文本好读——这几点我完全同意，没有异议。
它没说到的是：它默认简历里的信息是齐的，问题只出在机器认不认得出来。
但我这批数据里，最大的损失发生在更前面一步。那件事压根没被写下来。排版再干净，同义词换得再准，没写就是没写。
顺便说一句，那篇文章自己有句话我觉得特别关键：不同厂商之间的「智能」程度差异巨大。
这句话其实等于承认了，任何关于「机器会怎么处理你的简历」的通用建议都是没根据的。
包括我这篇。所以我把方法、数据、还有每一处我觉得不可靠的地方都写下来了，你自己判断。
对我们求职者意味着什么？
下面这五条只是从上面那些缺口里直接读出来的：
写出你每天真的在用的工具名字。越觉得「这还用写吗」的，越要写。
写出你负责的范围。带几个人，多少预算，哪些市场，端到端做到哪一步。
动词加对象加量级。「做了什么」比「负责什么」有信息量得多。
把形容自己的词删掉。Self-motivated、Team player、Mature 这几个，在我的数据里换来的「有证据」是零。
一件事一行，别合并成概括句。上面版本 B 和版本 C 的差别，主要就是这一条。
方法说明、判定规则原文、还有聚合之后的数据都在这里：\[https://drive.google.com/file/d/1vMhM6RknIic\_udqNzv2Tak-4L5J6-UA1/view?usp=sharing\]