一个关于输给一个简历是直接复制粘贴与聊天机器人对话记录的候选人的亲身经历，为什么关键词评分层恰恰奖励了这种做法，以及为什么早期投递是唯一可扩展的防御。
前段时间，我申请了一家大型雇主的一个职位。纸面上有充足的相关经验，职位描述读起来就像是为我写的，而且离截止日期还有好几周。我提交了申请，礼貌地等了三周，然后收到了礼貌的拒绝邮件。
我有一个朋友在那家公司工作，所以我问了一下。他的回答是，我投递得太晚了。
注意，离截止日期还有好几周。理论上还有充足的时间。但这家公司的申请人追踪系统会将收到的简历与职位的关键词档案进行预排序，而招聘人员几乎完全按照这个预排序列表工作。当我的申请到达时，一份可行的候选名单已经从更早的申请者中建立起来了，我的简历进入了"可能"堆。"可能"堆永远不会被重新审阅。
然后他告诉了我，当他坐下来面试一个系统确实挑选出来的候选人时发生了什么。
那个候选人提交的简历，是他们与ChatGPT的完整未编辑对话记录。问题、回答、问题、回答。提示词在页面上清晰可见。模型的回复清晰可见。候选人的实际经验（如果有的话）则不可见。
那份简历获得了面试机会。我的简历，带着在真实职业生涯中积累的相关经验，却没有。
值得理解为什么这种做法有效，因为它解释了当前就业市场为什么感觉如此。
当申请人追踪系统对收到的简历运行关键词或AI评分层时，该层评判的是关键词密度和术语广度。一份真人简历有正确的关键词分布在有限数量的要点中，大概30到60个，用简洁的简历英语撰写。一份关于同一主题的聊天机器人对话记录则有数百段详细的解释，每个子概念都被命名，每个同义词都被呈现，每个相邻技能都被提及（还有一些不相关的）。对于一个衡量与职位描述重叠程度的评分层来说，它看起来像是队列中最强的匹配。
公平地说，不是每个申请人追踪系统都这样过滤。关于ATS会悄悄拒绝所有缺少特定关键词的简历的广泛说法是被夸大了的，我们已经在这里写过这个问题。Workday、Greenhouse、Lever、Ashby和SmartRecruiters默认会将每份申请都展示给人类招聘人员，不涉及自动拒绝。但大多数情况下是关键词。不少大型雇主在其技术栈之上运行AI评分层、淘汰问题或第三方筛选服务，在这些情况下，LLM堆砌的简历策略绝对有效。
这是让我困扰的部分。
在一份粘贴的聊天机器人对话记录中，没有任何信号表明候选人做了任何超出输入提示词和复制答案的事情。他们可能没有仔细阅读职位描述。可能没有写一封定制的求职信。可能没有准备过任何一个面试问题的回答。这些在筛选阶段都不重要，因为筛选评判的是文本密度，而不是努力程度。然后招聘管道另一端的招聘人员必须面试那些只是复制粘贴提示词的人，这不可能是对任何人时间的好利用。
可以预见，输给这种做法的候选人，恰恰是那些认真、准确地手写简历的人。
你无法用一份手写的简历在关键词堆砌上超过LLM。你也不应该尝试。防御是在申请队列中足够早，使得评分层基本上无关紧要，因为招聘人员还在从一小批按日期排列的申请中挑选，在AI筛选的候选名单被锁定之前。
在第一天投递，你是第7号申请者。在第十二天投递，你是第240号申请者，被排在一份复制粘贴的聊天机器人对话下面的某个位置。招聘人员在有足够的可行候选人进行面试时就关闭职位，而不是在队列清空时。漏斗实际如何运作是一样的，无论顶部的过滤层有多精巧。
这也是为什么先发效应在各行业的申请回复率上如此稳健，以及为什么在上线LinkedIn之前就已招满的职位才是值得追逐的。决定谁能获得面试机会的系统，在你早期投递时都对你有利。晚到的话，你就要受制于雇主碰巧装上的任何过滤器，而这些过滤器越来越多地奖励机器生成的噪音。
在那次失败之后，我改变了我的习惯。具体来说：
我们的完整早期投递指南更详细地介绍了每日操作。大部分只需要十五分钟，而不是三个小时。
这并不意味着关键词堆砌的对话记录每次都会赢。很多招聘人员，在很多招聘管道中，会用五秒钟浏览那份简历，认出它是垃圾，然后扔掉。很多ATS一开始就不会将其作为最佳匹配。上面的故事是一家雇主的一个职位，二手转述的。我也无法证明那个候选人没有任何资质。
我能说的是，这种投机取巧的结构性条件是存在的，而且在蔓延。在接下来几年里，不存在AI堆砌简历问题变得更少的版本。但是，存在一个版本是你认真对待位置性防御，停止试图在机器人自己的游戏中击败它们。
成为第一个。写真实的东西。让那些长篇大论的候选人在队列的第240行互相竞争。