一、为什么说简历工具都在回答错的问题打开任何一个简历优化工具——打分型的、诊断型的、AI 改写型的——它们全都在回答同一个问题「我符合吗」拿简历逐条对照 JD给个匹配分告诉你缺什么。然后呢你知道自己缺「三年团队管理经验」了然后呢这个信息几乎没有可操作性。但求职者真正的决策根本不长这样。拿到面试的概率不取决于「我有什么」而取决于三个完全不同的问题他们要什么——JD 里哪些是硬性门槛缺一条就可能被机器筛掉哪些是加分项有则加权哪些只是埋点关键词写上去好看的我该把什么顶上去——简历里哪些证据能对上 JD 的调子哪些「了解 React」在「熟练使用 Vue3」面前等于没写面试官会从哪里下手——JD 里提了、但你简历里找不到证据的地方就是这一轮面试必然会问、而你现在答不上来的地方。第三个问题才是「押题」。市面上的工具没人回答它因为正向诊断的框架里根本长不出这个视角。于是我把问题整个反过来做了这个「反向押题机」。二、作品介绍反向押题机TextIn「文档觉醒」AI 应用创新赛赛道二脑洞创意赛道作品单文件 HTML、无后端。输入若干份岗位 JDPDF/TXT/MD/图片 你的简历按标题自动区分「岗位 JD」与「个人简历」。输出五块围绕「面试前该干什么」组织反向匹配度环——硬性项覆盖 75% 加分项覆盖 25% 加权出总分旁边三条分项条硬性项覆盖 / 加分项覆盖 / 必备技能命中并给一句可执行的结论如「少量硬性项需要补证据」押题清单——按「JD 有 / 简历无」排前每张卡标注「硬性·最沉证据」「硬性·暂无证据」「匹配·已有证据」附面试官追问预测和应对建议比如准备一个可信的小事实——做过什么、用了多久、遇到什么问题、怎么解决的谨防被追问细节缺口雷达——硬性门槛逐条对照缺的标红「缺一条就可能被刷」简历体检——高风险缺口、已覆盖硬性、加分项覆盖、简历多余项写了但对这个岗位是冗余的内容投递前删掉或降权多岗位对比——同一份简历 × 多份 JD 逐个出报告投递优先级一目了然。三、搭建过程3.1 解析层xParse 在这里的价值JD 和简历绝大多数是 PDF版式五花八门有的「任职要求」是编号列表有的藏在表格里还有双栏排版的简历。自研解析不现实这层全部交给 TextIn xParse 同步接口POST https://api.textin.com/api/v1/xparse/parse/sync file: JD.pdf 或 简历.pdf config: {capabilities:{title_tree:true,include_hierarchy:true,...}}这里title_tree是真正的胜负手「任职要求」「岗位职责」「加分项」这些分节必须先被准确切出来后面的分层加权才有意义。如果没有标题层级整篇 JD 就是一锅粥「熟悉 K8s 者优先」会和「3 年以上经验」变成同等权重的关键词——那反向押题就退化成普通的简历打分了。解析出的全文再跑本地逻辑JD 分层拆解 → 技能词库匹配 → 简历证据检索 → 押题排序。全部在浏览器里完成简历是用户最私密的文档之一数据不出浏览器是底线。3.2 分层拆解不是所有 JD 条目都平等拆分规则靠标题层级 措辞信号段落挂在「必须 / 任职要求 / 岗位要求」标题下 → 硬性项出现「优先」「者佳」「熟悉者优先」→ 加分项出现在「岗位职责」里但描述的是业务背景 → 上下文参与押题排序但不参与加权。3.3 词库匹配「字面有词」≠「证据成立」匹配词库要覆盖中英文、别名与大小写变体比如{k:vue3, label:Vue3, alias:[vue3,vue 3,组合式api,composition api]}, {k:ts, label:TypeScript, alias:[typescript,ts,类型体操,泛型]},但真正的关键设计是证据分级JD 要「熟练使用 Vue3 与 Element Plus有完整项目交付经验」简历里只写「了解 Vue」——字面有词但不构成证据这条照样进押题清单标注「硬性·暂无证据」。反向匹配度和正向打分的分水岭就在这里。3.4 押题排序 缺口 × 出现位置排序公式很朴素缺失项排前其中出现在「岗位职责」第一层的排最前——那是面试官开场就会问的地方。每张押题卡保留 JD 原文短语点击回原文核对避免「工具说 JD 里有这么一条」却找不到出处的尴尬。四、使用体验实测同一份简历 × 3 份 JD我用一份真实公开简历 三份自制教学 JD高级前端 / 全栈 / 前端实习跑了一遍这是整个作品最有说服力的部分岗位反向匹配度硬性 / 加分结论高级前端工程师Vue3 方向36必须项 8 · 加分项 6多项硬性门槛在简历里找不到证据全栈开发工程师Node.js/Vue85必须项 5 · 加分项 3硬性覆盖 80% / 加分覆盖 100%仅 1 处需补证据前端开发实习生19必须项 4 · 加分项 0硬性覆盖低这份简历不该投这个岗同一个工具正向打分器大概率给三个接近的分数因为简历技能栈和这三个岗位都有重合词。但反向视角直接给出了投递策略这份简历该投全栈85 分匹配度环标题是「少量硬性项需要补证据」唯一的缺口是「2 年以上全栈开发经验」——简历里找得到相邻项目但找不到明确的时间跨度投实习是浪费19 分不是「不够优秀」是「资质错配」——实习岗的硬性门槛在校时间这份简历天然不满足投高级前端需要重写简历36 分意味着多项硬性证据缺失简历的叙事重心和岗位要求错位。全栈岗的押题清单第一名就是那条「2 年以上全栈开发经验」硬性、暂无证据。卡片上直接写了面试官会怎么问——这将是本轮面试最确定的追问点而你的简历里找不到对应证据——以及应对建议准备一个可信的小事实做过什么、用了多久、遇到过什么问题、怎么解决的谨防被追问细节。这就是「押题」的完成形态不是给你一个分数吓你是告诉你面试前 30 分钟该背哪段稿。五、边界工具的诚实页脚写了免责这里复述一遍因为这类工具最容易变成焦虑贩卖机匹配度基于 JD 与简历的字面关键词比对不代表招聘方的真实意图押题清单是基于「JD 提及 简历缺失」的推断不是真题预测工具只做信息组织不替代人对岗位的判断。它的正确用法是投递前花 3 分钟跑一遍把「硬性·暂无证据」的条目当作面试准备清单的第一页而不是当作「我不行」的证据。六、在线体验在线地址反向押题机 · TextIn xParse打开后点「载入内置示例3 份 JD 1 份简历」自动跑完解析→拆解→比对全流程再点「全栈开发工程师」切换岗位对比 36/85/19 三个结果#TextIn 、#AI数据层基础设施