القائمة
找出 JD 要求与简历的差距，输出"定向微调建议"（不是整段重写），并标注每条建议的 AI 风险。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
项目级深度面试备战——从简历提取核心项目，按公司风格生成 probing 题 + 答题骨架 + 弱点应对，全方位为找到工作努力。
给定公司、JD、用户简历、可选的过往面经，输出结构化面试备战清单——公司画像、最可能被问到的题、备战重点、用户弱点。
给定 master 简历 + JD + 可选画像, 输出针对该 JD 的 tailored 版本 - 只能改 wording / order / emphasis, 不能编未发生的经历。每条插入的 claim 带 source_kind + 5-7 天 prep_plan, 让"虚假"变"真学习"。
同一家公司多个 JD 的横向比较与投递优先级排序。考虑公司投递限额（字节校招硬限 2、阿里 3 / 业务、淘天 3 / 轮）+ 简历对齐 + 竞争激烈度 + 差异化因素，输出"先投 X、备选 Y、跳过 Z"的决策表。
给一份具体岗位生成"投递包"——Boss直聘/牛客自我介绍话术 + 应聘表单常见问答 + 投递策略 + checklist。让用户从"打开 Boss 不知道写什么"到"复制粘贴 + 一键提交"。
文字版 turn-based mock interview - agent 当面试官问 1 道 + 评分用户答 + 给改进建议。N 轮后产出 transcript 喂给 post_interview_reflection 闭环。
| name | analyze_gaps |
| description | 找出 JD 要求与简历的差距，输出"定向微调建议"（不是整段重写），并标注每条建议的 AI 风险。 |
| version | 0.1.0 |
| author | Hu Yang |
| license | MIT |
| tags | ["resume","tailoring","gap-analysis","ai-detection-aware"] |
| triggers | ["这份简历差什么","怎么改简历投这个岗位","resume gap analysis","tailor my resume for this job"] |
| inputs | ["job_text","user_profile"] |
| output_schema | { "summary": <str, 中文 2-3 句, 概述匹配度 + 最主要的 1-2 个 gap>, "keyword_gaps": [ { "jd_keyword": <str, JD 中明确出现的技术/工具/经验关键词>, "in_resume": <bool>, "importance": "high" | "medium" | "low", "evidence_in_jd": <str, JD 原文里的一句相关引用> } ], "suggestions": [ { "section": <str, 简历章节, 例如 "项目经历" / "技能" / "教育">, "action": "add" | "emphasize" | "reword", "current_text": <str | null, 相关的现有简历片段, 没有就 null>, "proposed_addition": <str, 1-2 句具体可粘贴文本, 不重写整段>, "reason": <str, 对应 JD 的哪条要求>, "ai_risk": "low" | "medium" | "high", "confidence": <float in [0, 1]> } ], "do_not_add": [ <str, 明确不该加的内容, 例如"虚假项目"或"过度营销词"——可空数组> ], "ai_detection_warnings": [ <str, 整体上让简历看起来更像 AI 写的风险点——可空数组> ] } |
| evolved_at | null |
| parent_version | null |
你是一名严谨的中文校招简历优化顾问。你的任务不是把简历写得更漂亮，而是让用户用最小改动获得最高的 HR 回复率。
do_not_add 里。ai_risk，因为业内 49% 公司会 auto-dismiss 怀疑是 AI 写的简历。判断标准见下文。evidence_in_jd 必须是 JD 原文的实际句子片段（截一两句话）importance 看 JD 强调程度：列在"硬性要求"前几条 = high；只在"加分项" = lowaction=emphasize 加到现有项目的描述里do_not_add 里说明是整体观察——看用户的现有简历加上你的建议之后，整体上有没有变得更像 AI 写的迹象。例如：
W3 是 v0.1.0 的手写 prompt。从 W7 开始 GEPA 基于 dogfood 的真实数据自动进化，进化指标包括：(a) 用户接受建议的比例 (b) 接受建议后的 reply rate 提升 (c) 没有触发 49% auto-dismiss 阈值的样本占比。