当 AI 既写简历又筛简历：三代求职者的成本，和一个推论

投递之后四十七秒，拒信到了。发信时间显示凌晨两点零六分，正文客气，落款是「招聘团队」。你花了两晚改的那份简历，阅读它的大概不是人。

这件事本身不新鲜，自动筛选已经存在十几年。新鲜的是另一端：写简历这件事，现在也由机器完成，而且成本接近于零。写与筛在同一年被自动化，这个环才真正闭合。

一个正在闭合的环

招聘从来是一个双向的猜测游戏。求职者猜雇主想看到什么，雇主猜候选人能不能干。过去两边的猜测都有成本，成本就是摩擦，摩擦让市场慢，但也让它勉强可信。

2023 年之后，写这一侧的成本塌了。一份针对岗位描述改写的简历，从两小时变成两分钟；一份定制化的求职信，从「写不出来」变成「要不要写」的问题。当所有人都能生产合格文本时，文本本身就不再是信号。

而筛选那一侧，早就在等这一天。ATS 系统按关键词、年限、学历做初筛，本来就不读文采。机器筛机器写的东西，结果是双方都在优化一个彼此都不看的指标。

第一代人的处境，大致是 2015 到 2022 年。关键词对齐成了隐性技能：把「用户增长」写成「拉新留存」，把「做报表」写成「数据看板搭建」。不会翻译的人被筛掉，不是因为他不能干，是因为他没学过这套词典。

这一代人的代价叫表达税。同样的能力，会写的人过关，不会写的人卡住。而这项税率与人际网络高度相关——有人告诉你该怎么写，你就少交一点。

值得注意的是，这一代人并没有「输给机器」。他们输给的是另一批更懂机器的人。机器只是把差距放大了，差距本身早就存在。

第二代人是我们。写简历这件事被工具接管之后，最先发生的变化不是「大家都能写好」，而是「好」这个标准失效了。当所有人都能写到 85 分，85 分就不再是区分度。

于是筛选方开始寻找文本之外的东西：内推、开源提交记录、可点开的作品、可验证的项目链接、笔试成绩。信号从「你如何描述自己」转向「你留下了什么可以被查证的东西」。

代价随之转移。以前你只需要写好一份文档，现在你需要维护一个可以被检索的公开履历。这对擅长做事的人是机会，对不擅长留痕的人是新的门槛——而后者往往是那些在忙、没空记录的人。

还有一个更细微的代价：你开始为机器写作。你在简历里塞关键词，是为了通过解析；你在项目描述里堆指标，是为了被检索命中。你不是在介绍自己，你是在优化一个索引。

第三代人面对的问题会更奇怪：当投递量因为成本归零而暴涨，筛选方唯一还能信的东西，是「你在现场再做一次」。面试正在从对话变成验证。

已经能看到的做法：现场重写一段代码、共享屏幕做一次排查、让你口述某个决策的取舍过程、追问三个月前那个方案的第二备选。这些问题的共同点是，它们无法被提前准备成一段漂亮的叙述。

代价是表演能力重新变成门槛。这有点反直觉：自动化本该让人不必表演，实际结果是把表演压缩到更短、更密集、更高风险的几十分钟里。一个能干活但临场容易僵住的人，在这一代里比上一代更吃亏。

阶段	筛的是什么	谁被淘汰	主要代价
第一代	关键词与格式	不会做术语翻译的人	表达税，且税率取决于信息渠道
第二代	文本之外的公开痕迹	不留痕、没有作品链接的人	维护公开履历的持续投入
第三代	现场的、可复现的能力	临场表现弱于实际水平的人	把判断压缩进几十分钟的表演