夜雨聆风你有没有这种经历：JD写了半天，发出去两周，投递量个位数，投来的还全不匹配？
不是你写得不好，很可能是你写JD的方式，跟候选人搜索职位的方式对不上。2026年一项针对国内500家企业的调研发现，超67%的招聘失败，根源不在面试环节，而在岗位要求写错了。
"一份模糊的岗位描述，会像漏斗底部的裂缝一样，让整个招聘流程从源头就开始跑偏。"
所以今天这篇，我专门聊聊AI写JD——不是让你把活全扔给AI，而是让AI帮你把"我需要一个靠谱的人"翻译成候选人和系统都能理解的结构化语言。
AI写JD到底行不行？先看看数据
先说结论：AI写JD可用，但别指望它一次性出精品。
我模拟了3种JD撰写方式，对比了投递效果（模拟测试）：
纯人工写JD：平均耗时2-3天，投递转化率约5%
AI一键生成JD：耗时10分钟，投递转化率约3%（但匹配度低）
AI生成+人工校准：耗时约1小时，投递转化率约8%
模拟测试，使用虚构但合理的招聘场景数据，2026年7月
你看出来了——AI生成+人工校准的投递转化率最高。AI负责结构化和关键词布局，人负责业务语境和公司调性。两者结合，才是最优解。
有意思的是，行业数据显示，不同HR对同一岗位的理解偏差可能高达40%。同样是"高级产品经理"，有人侧重数据能力，有人侧重用户体验。AI的好处是——它能基于行业数据和成功案例生成标准化框架，先拉齐基准线，再让你在这个基础上做个性化调整。
第一步：拆岗位——先把需求说清楚再给AI
很多HR拿到AI工具就输入"帮我写一份产品经理的JD"，结果出来的是通用模板，跟谁家都没区别。
正确的做法是先把岗位拆解成5个维度喂给AI：
1. 基础任职资格（学历、年限、证书）
2. 专业技能标签（工具、技术栈、行业经验）
3. 胜任力模型（问题解决、沟通协作、抗压能力）
4. 文化匹配维度（公司价值观、工作方式偏好）
5. 成功候选人特征（历史优质入职者的共性）
提示词参考："你是一名资深HRBP，专注[行业]领域招聘。请根据以下5个维度，为[岗位名称]生成一份结构化JD……"
第二步：AI生成+人岗匹配校验
AI生成初稿后，别急着发。先做两件事：
校验1：关键词覆盖率——把JD里的核心技能词和招聘平台上同类岗位的热搜词做对比，看有没有遗漏。这个步骤本身可以让AI帮你做：把JD和3个竞品岗位的描述一起喂给AI，让它分析"缺失的关键词"。
校验2：反向测试——让AI根据你写的JD生成一份"不匹配候选人画像"。如果这个画像恰好就是你的理想候选人，说明你的JD写偏了。这个方法特别好用，我每次写完JD都会跑一遍。
核心逻辑：JD不是写给候选人看的，是写给"对的候选人"看的。校验就是在确认"对的人"能读懂
第三步：嵌入公司调性——让JD有温度
AI生成的JD最大的问题是"太标准"——措辞专业、结构完整，但读起来像谁家的都行。
解决方法：在最后一步，让AI按照你们公司的文风重写一遍。你可以给AI几个公司已有的优质JD作为参考样本，让它学习你们的表达方式。
一个细节：用动宾结构写职责，以强动作动词开头（如"主导""搭建""推动"），禁用"协助""参与"等弱效词汇。这个改动看似小，但投递转化差异明显。
温度不是加几个emoji，是让候选人读完后觉得"这个公司知道自己在做什么"
陷阱1：把AI生成当终稿
AI不知道你们团队的真实痛点和文化氛围。它生成的"5年经验、熟悉XX工具"可能完全不是你们要的。AI出初稿，人做终审——这个顺序不能反。
陷阱2：JD越长越好
AI喜欢把所有可能相关的条件都写上，导致JD变成一堵文字墙。行业数据显示，职责描述超过7条、任职要求超过5条的JD，投递率反而下降。精简才是王道。
我自己的经验是：AI写JD最大的价值不是"写得快"，而是帮你把脑子里模糊的需求变成结构化表达。写JD最难的从来不是打字，是想清楚"我到底要什么样的人"。
AI写JD不是让它替你思考，是让它替你把想清楚的东西说出来。
好JD的背后是好判断，AI只是把好判断变成好文案的工具。
下期我来写AI做人才画像——怎么用AI锁定高匹配候选人，我们实测见。
AI伴职场
拥抱变化，但不贩卖焦虑
关注我，让我成为你的效率搭子
数据来源：Moka《岗位画像自动生成》(mokahr.com)；模拟测试数据已标注
