揭示简历筛选的真实逻辑与应对思路
在展开具体视角之前，先了解简历筛选的现实：热门岗位往往收到数百份申请，绝大多数简历活不过机器初筛和人工初扫。
以一个热门岗位为例：通常会收到数百份简历，机器初筛后剩下一部分，人工筛选后只有少数进入业务面，最终发出几个面试邀请。你的简历要在极短时间内通过第一关。
第一眼看哪里？
先看最近一份工作。招聘方通常不会先读自我评价和技能清单，而是直接拉到工作经历看最近一段；如果最近的工作与岗位不匹配，后面的内容很难挽回。大厂 HR 每天要处理大量简历，没有时间从上往下慢慢读。
什么简历会被直接淘汰？
常见红线有三条：错别字明显；排版混乱到影响阅读；工作经历只写职责、不写成果。"负责 XX 项目开发"这类描述，在筛选阶段几乎等于没写。
量化数据有多重要？
"优化了系统性能"和"优化系统性能，QPS 从 1000 提升至 5000"传递的信息量完全不同。招聘方更容易记住后者，前者往往直接被忽略。
金融简历最看什么？
三个词：合规、数字、资历。金融是强监管行业，任何合规瑕疵都是致命伤。数字必须精确——AUM、IRR、夏普比率这些核心指标不能模糊。资历证书（CFA / CPA / 保荐代表人）是硬门槛。
简历长度怎么看？
金融和 IT 不同，2 页简历完全可以接受，但前提是每一页都有价值。长度不是问题，信息密度才是。
跳槽频繁的人怎么办？
金融行业对稳定性确实看重，但不是绝对。如果每次跳槽都有明确的职业升级（职级提升、管理范围扩大），招聘方是可以接受的。需要避免的是平级横向跳槽——这容易让人怀疑你无法在一家公司持续成长。
技术岗简历最关注什么？
通常先扫三样东西：技术栈、项目难度、GitHub / 技术博客。技术栈说明你的工具箱；项目难度说明你能解决多难的问题；GitHub 和博客则反映你对技术的投入程度。
技能清单要不要列一堆技术？
不建议。写 20 个技术名词，不如写 3 个你真正深入使用的。按精通 / 熟练 / 了解分级，只列和岗位直接相关的技术。
开源贡献有多加分？
有明显加分。一个有 Star 的开源项目比一段普通工作经历更有说服力，它直接体现代码质量、协作能力和技术影响力。
高校教师招聘看简历的重点是什么？
高校招聘有硬指标：学历（博士起）、论文（CSSCI / SCI 数量和影响因子）、项目（国家级课题）。这些在简历中必须清晰突出，因为评审专家会逐项打分。
教学经历和科研经历哪个更重要？
看岗位类型。研究型岗位科研占比更高，教学型岗位则相反。简历结构要相应调整——把匹配岗位的核心经历放在最前面。一份简历投所有岗位，效果通常很差。
学术简历有什么常见问题？
最大的问题是把简历写成了学术履历表——罗列所有论文和项目，却没有重点。评审专家面对上百份材料，需要用加粗、排序来引导他的注意力。
创业公司看简历和大厂有什么不同？
大厂看专精度，创业公司看广度 + 自驱力。最想确认的是：这个人能不能在没有清晰指令的情况下自己找到问题并解决。简历中体现这一点的方式，是展示0→1 的项目经历。
创业公司会不会更容忍简历的不完美？
排版可能没那么重要，但真实性更重要。创业公司招人少、面试深，简历造假的候选人很难通过面试。
什么样的简历会让人直接约面？
三种信号：①做过类似的事（最高优先）；②学东西特别快（体现在跨领域成果）；③有作品可以看（代码、设计、文章）。具备任何一种就有机会。
| 筛选阶段 | 决策者 | 关注点 | 平均耗时 | 淘汰率 |
|---|---|---|---|---|
| 第1轮 | ATS系统 | 关键词匹配+格式合规 | 0.1秒 | 75% |
| 第2轮 | HR专员 | 基本条件(学历/年限/行业) | 6秒 | 60% |
| 第3轮 | HR经理 | 经历匹配度+职业稳定性 | 2分钟 | 50% |
| 第4轮 | 业务负责人 | 技术深度+项目含金量 | 5-10分钟 | 40% |
关键洞察：你的简历需要同时满足4种不同视角的评审者。ATS看关键词，HR看条件匹配，HR经理看职业轨迹，业务看专业深度。每一层都有不同的淘汰逻辑。
A: 初筛阶段确实非常快，尤其是招聘旺季。这意味着简历的信息层次必须清晰，重点内容要在第一屏可见。
A: 两者都看，但关注点不同：技能判断匹配度，经历判断真实性和成果。用具体项目和量化结果把两者串起来最有效。
A: 不一定。诚实标注并用一句话说明期间的学习、项目或个人成长，比含糊其辞更让 HR 放心。
A: 恰恰相反。多数 HR 更认可清晰规范的排版，过度设计反而影响阅读。设计感应服务于信息传达。