「我用 ChatGPT 改了很多輪，最近換 Claude 試試看——它改履歷真的比較強嗎？」
這半年諮詢室裡開始出現這個問題。求職者已經過了「要不要用 AI」的階段，現在卡在「用哪個、怎麼用」。
先講結論：Claude 改履歷確實有一個 ChatGPT 不容易做到的優勢，但這個優勢不是「文字更漂亮」，而是「能一次讀懂全局」。搞錯這點，你只是換了個工具，產出還是一樣被跳過。這篇用我看過 2,000+ 份履歷、也親手用各種 AI 改過幾百份的經驗，講清楚 Claude 改履歷的 5 個正確用法，每一個都附上可以直接複製的提示語。
先搞懂：Claude 改履歷強在哪、弱在哪
很多人以為 AI 改履歷的差別在「誰寫的句子比較美」。其實對求職來說，句子美醜的影響很小，真正有差的是另外兩件事。
Claude 的強項，是長文本的一致性。你可以把「完整的 JD + 你的完整履歷 + 你的補充說明」一次貼進去，它能在這麼長的內容裡維持前後邏輯不打架——不會改到第三段就忘了你第一段說過什麼。中文語感的拿捏也相對細緻，比較不會出現那種「很 AI」的生硬商業套話。
但這裡要老實說一件對所有 AI 都公平的事：不是 Claude 比較聰明所以改得好，而是你餵給它的資訊夠完整，它才改得好。給一句「幫我改履歷」，Claude 跟 ChatGPT 一樣只會還你一堆漂亮的空話。差別從來不在工具，在你怎麼問。
💡 換 AI 不會讓你的履歷變強，換「使用方法」才會。下面 5 個用法，ChatGPT 也能照做，只是 Claude 在處理長內容時失誤更少。
用法 1：讓它先當「人資」，而不是先當「寫手」
大部分人打開 Claude 的第一句話是「幫我潤飾這份履歷」。這是順序錯了。你應該先讓它站在篩選你的人那一邊，挑毛病，再來談怎麼改。
你是一位資深人資，正在為「（貼上職缺名稱）」這個職位篩選履歷，平均每份只看 10 秒。以下是 JD 和我的履歷。請用人資視角，告訴我：1) 你會在 10 秒內把它放進「面試」還是「再看看」？2) 哪三個地方會讓你想跳過？3) 哪一句最有記憶點？先別幫我改，先告訴我問題。 【JD】（貼上） 【我的履歷】（貼上）
先診斷再開刀，你才知道改的是「真的會影響面試邀約的地方」，而不是把已經不錯的句子改得更花。
用法 2：用「砍字」而不是「加字」
AI 的預設傾向是把句子寫得更完整、更豐富。但人資快速掃讀時，記憶點不是來自完整，是來自取捨。所有人都「主導跨部門協作、提升轉換率、奠定基礎」，當每份履歷都很完整，就沒有人被記住。
請把這段經歷砍到只剩「一句最有畫面感、人資會記住」的描述。資訊可以變少，但記憶點要變強。給我 3 個不同方向的版本，並各用一句話說明它分別在凸顯什麼特質。 （貼上一段你的經歷）
用法 3：讓它對著 JD 反推「這家公司在煩惱什麼」
同樣是行銷職缺，A 公司可能在煩廣告成效太差，B 公司可能在煩內容沒成長。JD 寫起來都差不多，但人資的篩選標準完全不同。Claude 能讀長內容的優勢，在這裡最有用——餵它公司線索，讓它幫你把履歷對準痛點。
以下是職缺 JD，加上我蒐集到的公司近況（新聞、產品動態、徵才頁面開了幾個類似職缺）。請推測：這個團隊現在最可能頭痛的問題是什麼？我的履歷裡哪一段最能回應這個痛點？該怎麼把它移到更前面、講得更直接？ 【JD】（貼上） 【公司近況】（貼上你查到的線索） 【我的履歷】（貼上）
用法 4：用它檢查「合理性」，不是拉高你的數字
這是最容易被忽略、卻最致命的一塊。AI 很會把履歷「拉高」——應屆生寫成「主導專案」、小公司專員寫成「制定品牌策略」。但資深人資的雷達很準，他們不是在找最厲害的人，是在找「履歷和真實的差距最小」的人。差距越大，越像在面試時會被拆穿，反而被跳過。
履歷的目標不是讓你看起來很厲害，是讓你看起來「值得花 30 分鐘面試」。這兩件事不一樣。
以下是我真實的職級、公司規模和實際做的事，後面是我的履歷。請幫我抓出「寫得比真實情況誇張、可能被資深人資質疑」的句子，並把它們校準到「有亮點但站得住腳」的程度。不要幫我加我沒做過的事。 【我的真實情況】（職級／公司人數／實際負責什麼） 【我的履歷】（貼上）
用法 5：把它當「面試官」，提前壓力測試
履歷改完不是結束。把同一份履歷丟回去，讓 Claude 模擬人資根據它會問的刁鑽問題——你答不出來的地方，往往就是履歷寫太滿、自己卻撐不起來的地方。
根據這份履歷，請以一位會挑戰人的資深面試官身份，問我 5 個最尖銳、最容易讓我答不出來的問題。問完先別給我答案，讓我自己試著回答。 （貼上你改好的履歷）
進階：用 STAR 讓 Claude 把「做過什麼」變成「做出什麼」
諮詢時我最常看到的一種履歷，是每一行都在寫「我負責什麼」，但看完不知道「所以呢」。
負責社群經營、負責客戶維繫、負責活動執行——這些句子描述的是你的工作範圍，不是你做出來的結果。人資看完只知道你待過那個位子，不知道你在那個位子上做得好不好。
STAR 是拿來補這一塊的：Situation（當時的處境）、Task（你被交付的任務）、Action（你實際做的事）、Result（帶來的改變）。多數人只寫到 A 就停了。
履歷不是職務說明書。人資要看的不是「這個職位在做什麼」，是「你在這個職位上留下了什麼」。
Claude 在這裡的優勢是：你可以把一段很雜的回憶整段倒給它，它能在長內容裡幫你把 S/T/A/R 四塊分出來，而不是像短上下文的工具那樣只抓到最後一句。
我要用 STAR 架構重寫一段工作經歷。以下是我對這件事的完整回憶（可能有點雜亂）。請你： 1) 幫我把內容拆成 Situation／Task／Action／Result 四塊 2) 指出哪一塊我講得最模糊、需要補什麼資訊 3) 如果 Result 我沒提到數字，請列出 3 個我可以回去查證的量化方向（例如次數、時間縮短、覆蓋人數） 先不要幫我編造任何數字。 【我的回憶】（貼上）
注意最後那句「先不要幫我編造任何數字」。這是我讓所有個案一定要加的一句——AI 補數字的傾向很強，而一個查不到來源的數字，在面試現場會變成你自己要收的爛攤子。
拆完之後再讓它收斂成履歷用的句子：
根據上面整理好的 STAR，把這段經歷寫成履歷用的 2 到 3 行條列。要求： - 每一行都要有動詞開頭與可驗證的結果 - 不要出現「協助」「參與」「負責」這類無法判斷貢獻程度的詞 - 如果某個結果我沒有數字，就用「範圍、頻率或對象」把它具體化，不要硬掰百分比
別忽略機器那一關：先過 ATS，人資才看得到
有件事順序上很重要，但很多人是反過來做的：你的履歷不是先給人看，是先給系統看。
不少中大型企業和求職平台會先用 ATS（Applicant Tracking System，求職者追蹤系統）做初步篩選。如果格式讓系統讀不出來、或關鍵字對不上 JD，那你寫得再好都沒有意義——因為那份履歷根本沒到人資桌上。
這就是為什麼有些人「明明條件不差卻完全沒回音」。那不代表你不夠好，只代表你卡在一道你根本不知道存在的關卡。
以下是職缺 JD 和我的履歷。請以 ATS 篩選的邏輯幫我檢查： 1) JD 裡出現的關鍵技能／工具／職稱，有哪些在我的履歷裡完全沒出現？ 2) 這些缺漏中，哪些是我真的具備、只是沒寫出來的？（請條列讓我確認） 3) 我的履歷有沒有可能造成系統讀取失敗的寫法（例如把重要資訊放在表格、頁首頁尾或圖片裡）？ 【JD】（貼上） 【我的履歷】（貼上）
第 2 點要特別留意：只補「你真的有」的關鍵字。硬塞沒做過的技能，過了機器那關，也會在面試被問到第二句就破功。
格式細節、關鍵字怎麼放、哪些排版會讓系統讀不出來，我另外寫了一篇完整的：ATS 是什麼？履歷格式沒做對，人資根本看不到你。
104、Cake、LinkedIn：同一份履歷不能三邊通吃
這是台灣求職者最容易忽略的一塊。很多人用 Claude 改好一份履歷，然後三個平台貼一樣的內容——但這三個平台的讀者和篩選邏輯，其實差很多。
104 的欄位是結構化的，人資多半用條件篩選後快速掃讀。這裡最吃「工作經歷的條列清楚、關鍵字對得上」，自傳反而不是主戰場。
Cake 偏向作品導向，新創與數位職缺為主，版面自由度高。這裡值得放專案脈絡、作品連結與你的思考過程——同樣的經歷，可以講得比 104 更完整。
LinkedIn 是長期經營的場域，看你的人可能是獵頭、也可能是未來同事。它的語氣要比履歷更像「一個人」，而不是一份文件。
以下是我的完整履歷。請幫我針對三個平台各產出一個版本，並說明你各自調整了什麼、為什麼： 1) 104：條列式、關鍵字密度高、適合快速掃讀 2) Cake：偏專案敘事，保留脈絡與思考過程，可以稍長 3) LinkedIn 摘要：第一人稱、語氣自然，像一個人在說話而不是履歷文件 三個版本的事實內容必須一致，只調整詳略與語氣。 【我的履歷】（貼上）
最後那句「事實內容必須一致」很重要。三個版本可以詳略不同，但如果同一段經歷在不同平台講出不同的職稱或成果，被交叉比對到會很難解釋。
中文履歷改完，英文版可以直接翻嗎？
不行，而且問題不在翻譯品質。
中文履歷習慣鋪陳脈絡、講「我在什麼環境下做了什麼」；英文履歷偏好動詞開頭、成果前置，一句話就要交代清楚貢獻。直接翻譯的結果，通常是文法沒錯，但讀起來冗長又不像那個語言環境會寫出來的東西。
請把以下中文履歷經歷改寫成英文履歷用的條列，不要逐句翻譯，而是照英文履歷的慣例重寫： - 每行以強動詞開頭（Led／Built／Reduced 等），避免 Responsible for - 成果放前面，方法放後面 - 保留原本的事實與數字，不要加入我沒提到的內容 - 完成後，請列出你做了哪些「不只是翻譯」的調整，並說明原因 【中文經歷】（貼上）
最後那個「請列出你做了哪些調整」是刻意的。你要看得懂它為什麼這樣改，下一次才不用再問一次。
那 AI 到底該扮演什麼角色？
不管你用 Claude 還是 ChatGPT，我自己的分工原則都一樣：
- AI 處理「文字層」：挑語病、砍贅字、補量化、優化關鍵字、模擬提問。這些它做得又快又好。
- 人處理「策略層」：判斷這家公司的真實痛點、決定哪個亮點放第一、校準經歷的合理性。這些它做不到，因為它不認識你、也不在那個面試現場。
所以「用 Claude 還是 ChatGPT」其實不是重點。真正決定你有沒有面試邀約的，從來不是哪個 AI 幫你排版，而是有沒有人幫你把策略那一層想清楚。
如果你已經換過好幾個 AI、改過好幾輪、投了一陣子還是沒回音，那問題大概率不在工具，而在那塊 AI 補不上的策略層。這也是最該找一次職涯諮詢的情況之一。下次改之前先問自己：人資看到這份履歷，看到的是「一份 AI 改得很漂亮的履歷」，還是「一個值得面試的人」？