تشغيل أي مهارة في Manus بنقرة واحدة

resume-optimizer

Optimize existing resume content for ATS compatibility and quality improvement. Automatically executed after resume generation. Use when user mentions "优化简历", "optimize resume", "ATS 优化", "简历润色", or "匹配 JD".

تشغيل في Manus

نظرة عامة

أمر التثبيت

npx skills add https://github.com/Alenryuichi/openmemory-plus --skill resume-optimizer

انسخ والصق هذا الأمر في Claude Code لتثبيت المهارة

المصدر

Alenryuichi/openmemory-plus

النجوم١٩

التفرعات٢

آخر تحديث٢ فبراير ٢٠٢٦ في ١٣:١٤

SKILL.md

readonly

name	resume-optimizer
description	Optimize existing resume content for ATS compatibility and quality improvement. Automatically executed after resume generation. Use when user mentions "优化简历", "optimize resume", "ATS 优化", "简历润色", or "匹配 JD".
metadata	{"author":"Alenryuichi","version":"2.0","language":"zh-CN"}

简历优化 Skill (Agent-First)

目的

优化简历内容，提升 ATS 兼容性和内容质量。

Agent-First 原则:

自动执行：简历生成后自动执行健康度检查，无需用户请求

主动输出：自动输出匹配报告和优化建议

自动修复：可修复的问题自动处理，无需用户干预

触发条件

自动触发（Agent-First）

简历生成完成后自动执行
用户提供 JD 请求生成简历时自动执行

手动触发

当用户请求包含以下关键词时激活：

"优化简历"
"ATS 优化"
"简历润色"
"匹配 JD"
"检查简历"

输入要求

必需输入

现有简历 (JSON/Markdown/文本)

可选输入（Agent 可自动推断）

目标职位描述 (JD) - Agent 从上下文获取
目标公司类型 (大厂/创业/外企) - Agent 自动识别
重点优化方向 - Agent 自动分析

优化维度

1. ATS 关键词优化

流程:

解析 JD 提取关键词
分析简历关键词覆盖率
建议添加缺失的关键词

输出格式:

## ATS 关键词分析

| JD 关键词 | 简历中出现 | 建议 |
|-----------|------------|------|
| Python | ✅ 2 次 | - |
| 数据分析 | ❌ | 添加到技能列表 |
| SQL | ✅ 1 次 | 增加使用场景描述 |

**当前覆盖率**: 65%
**目标覆盖率**: 80%+

2. 量化数据增强

检查清单:

每个项目至少 2 个量化指标
数字具体且可信
包含业务影响（金额/百分比）

优化建议格式:

## 量化优化建议

### 原文
"显著提升了系统性能"

### 优化后
"系统响应时间从 2s 降至 200ms，提升 90%"

### 需要补充的数据
- 具体提升幅度？
- 影响的用户量？
- 节省的成本？

3. 行动动词优化

推荐动词 (按强度):

级别	动词
领导	主导、负责、带领、推动
执行	设计、开发、实现、优化
协作	协调、对接、支持、参与

优化示例:

❌ "做了数据分析工作"
✅ "设计并实现数据分析 pipeline，处理 10TB+ 日志"

4. 格式规范检查

检查项:

无表格/图片 (ATS 不友好)
标准字体
清晰的层级结构
一致的日期格式

输出格式

优化报告

# 简历优化报告

## 总体评分: 75/100

## 优化建议

### 高优先级
1. [建议 1]
2. [建议 2]

### 中优先级
1. [建议 3]

## 优化后版本
[完整的优化后简历]

公司类型适配

字节跳动

强调: 数据驱动、快速迭代、增长
关键词: A/B 测试、DAU、转化率

阿里巴巴

强调: 业务理解、商业价值、大规模
关键词: GMV、亿级、商业化

腾讯

强调: 产品思维、用户体验
关键词: 用户增长、留存、体验优化

🤖 Agent-First 自动执行

自动健康度检查

简历生成后，Agent 自动执行以下检查：

---
## 📋 简历健康度: 82/100

| 维度 | 得分 | 说明 |
|------|------|------|
| ATS 友好度 | 95/100 | ✅ 格式规范 |
| XYZ 公式符合度 | 90/100 | ✅ 12/13 bullets 符合 |
| 量化程度 | 75/100 | ⚠️ 2 条 bullet 缺少数据 |
| 关键词匹配度 | 68/100 | ⚠️ 缺少 Kubernetes |
---

自动输出优化建议

---
## 💡 优化建议（自动生成）

### 🔴 高优先级
1. **项目 2 的 bullet 3** 缺少量化数据
   - 当前: "优化了系统性能"
   - 建议: "将系统响应时间从 2s 降至 200ms，提升 90%"
   → 需要你补充具体数据

2. **缺少 JD 关键词**: Kubernetes
   - 建议: 在项目经验中添加 K8s 相关描述

### 🟡 中优先级
1. 动词可强化: "参与" → "主导"

### 🟢 已自动修复
- ✅ 日期格式已统一为 YYYY-MM-DD
- ✅ 特殊字符已移除
---

自动修复能力

以下问题 Agent 自动修复，无需用户干预：

问题类型	自动行为
日期格式不一致	统一为 YYYY-MM-DD
特殊字符	自动移除
弱动词	自动替换为强动词
多余空格/换行	自动清理

注意事项

MUST

保持数据真实性
尊重原有内容风格
提供可操作的具体建议
自动执行后输出报告

MUST NOT

虚构数据或经历
过度夸大成果
使用过于通用的描述
跳过自动检查（除非用户明确要求）

版本历史

版本	核心变更
v1.0	基础 ATS 优化
v2.0	Agent-First: 自动执行、自动修复、自动输出报告

المزيد من هذا المستودع

نفس المستودع

memory-extraction

Alenryuichi/openmemory-plus

Agent-only workflow for extracting key information from conversations, code changes, and deployments into structured memory files. Supports xMemory 4-layer architecture with theme assimilation. Automatically updates `_omp/memory/` directory and notifies other agents.

2026-02-2819

memory-extraction

Alenryuichi/openmemory-plus

Agent-only workflow for extracting key information from conversations, code changes, and deployments into structured memory files. Automatically updates `_omp/memory/` directory and notifies other agents. Triggered automatically at conversation end or when valuable information is detected.

2026-02-0319

frontend-design

Alenryuichi/openmemory-plus

Create distinctive, production-grade frontend interfaces with high design quality. Use this skill when the user asks to build web components, pages, artifacts, posters, or applications (examples include websites, landing pages, dashboards, React components, HTML/CSS layouts, or when styling/beautifying any web UI). Generates creative, polished code and UI design that avoids generic AI aesthetics.

2026-02-0219

interview-prep

Alenryuichi/openmemory-plus

Generate interview Q&A preparation materials based on resume content. Automatically attached after resume generation. Use when user mentions "面试准备", "interview prep", "模拟面试", "mock interview", or "准备问答".

2026-02-0219

resume-ai-validator

Alenryuichi/openmemory-plus

端到端验证 resumeAI 的 API 能力和 UI/UX 交互的 CLI 工具，支持完整闭环测试

2026-02-0219

resume-generator

Alenryuichi/openmemory-plus

Extract work experience from project documents using XYZ formula ("Accomplished X, measured by Y, by doing Z") and generate JSON Resume format. Use when user mentions "生成简历", "generate resume", "提取项目经验", "extract experience", "创建 resume", or provides a JD asking for resume.

2026-02-0219

المصدر

Alenryuichi

Alenryuichi/openmemory-plus

فتح مستودع GitHub عرض مستودعات المنشئ

أمر التثبيت

تنزيل

تشغيل في Manus

مفيد لـSOC

متخصصو الموارد البشريةمهن الأعمال والعمليات المالية13-1071L4

name	resume-optimizer
description	Optimize existing resume content for ATS compatibility and quality improvement. Automatically executed after resume generation. Use when user mentions "优化简历", "optimize resume", "ATS 优化", "简历润色", or "匹配 JD".
metadata	{"author":"Alenryuichi","version":"2.0","language":"zh-CN"}

简历优化 Skill (Agent-First)

目的

优化简历内容，提升 ATS 兼容性和内容质量。

Agent-First 原则:

自动执行：简历生成后自动执行健康度检查，无需用户请求

主动输出：自动输出匹配报告和优化建议

自动修复：可修复的问题自动处理，无需用户干预

触发条件

自动触发（Agent-First）

简历生成完成后自动执行
用户提供 JD 请求生成简历时自动执行

手动触发

当用户请求包含以下关键词时激活：

"优化简历"
"ATS 优化"
"简历润色"
"匹配 JD"
"检查简历"

输入要求

必需输入

现有简历 (JSON/Markdown/文本)

可选输入（Agent 可自动推断）

目标职位描述 (JD) - Agent 从上下文获取
目标公司类型 (大厂/创业/外企) - Agent 自动识别
重点优化方向 - Agent 自动分析

优化维度

1. ATS 关键词优化

流程:

解析 JD 提取关键词
分析简历关键词覆盖率
建议添加缺失的关键词

输出格式:

## ATS 关键词分析

| JD 关键词 | 简历中出现 | 建议 |
|-----------|------------|------|
| Python | ✅ 2 次 | - |
| 数据分析 | ❌ | 添加到技能列表 |
| SQL | ✅ 1 次 | 增加使用场景描述 |

**当前覆盖率**: 65%
**目标覆盖率**: 80%+

2. 量化数据增强

检查清单:

每个项目至少 2 个量化指标
数字具体且可信
包含业务影响（金额/百分比）

优化建议格式:

## 量化优化建议

### 原文
"显著提升了系统性能"

### 优化后
"系统响应时间从 2s 降至 200ms，提升 90%"

### 需要补充的数据
- 具体提升幅度？
- 影响的用户量？
- 节省的成本？

3. 行动动词优化

推荐动词 (按强度):

级别	动词
领导	主导、负责、带领、推动
执行	设计、开发、实现、优化
协作	协调、对接、支持、参与

优化示例:

❌ "做了数据分析工作"
✅ "设计并实现数据分析 pipeline，处理 10TB+ 日志"

4. 格式规范检查

检查项:

无表格/图片 (ATS 不友好)
标准字体
清晰的层级结构
一致的日期格式

输出格式

优化报告

# 简历优化报告

## 总体评分: 75/100

## 优化建议

### 高优先级
1. [建议 1]
2. [建议 2]

### 中优先级
1. [建议 3]

## 优化后版本
[完整的优化后简历]

公司类型适配

字节跳动

强调: 数据驱动、快速迭代、增长
关键词: A/B 测试、DAU、转化率

阿里巴巴

强调: 业务理解、商业价值、大规模
关键词: GMV、亿级、商业化

腾讯

强调: 产品思维、用户体验
关键词: 用户增长、留存、体验优化

🤖 Agent-First 自动执行

自动健康度检查

简历生成后，Agent 自动执行以下检查：

---
## 📋 简历健康度: 82/100

| 维度 | 得分 | 说明 |
|------|------|------|
| ATS 友好度 | 95/100 | ✅ 格式规范 |
| XYZ 公式符合度 | 90/100 | ✅ 12/13 bullets 符合 |
| 量化程度 | 75/100 | ⚠️ 2 条 bullet 缺少数据 |
| 关键词匹配度 | 68/100 | ⚠️ 缺少 Kubernetes |
---

自动输出优化建议

---
## 💡 优化建议（自动生成）

### 🔴 高优先级
1. **项目 2 的 bullet 3** 缺少量化数据
   - 当前: "优化了系统性能"
   - 建议: "将系统响应时间从 2s 降至 200ms，提升 90%"
   → 需要你补充具体数据

2. **缺少 JD 关键词**: Kubernetes
   - 建议: 在项目经验中添加 K8s 相关描述

### 🟡 中优先级
1. 动词可强化: "参与" → "主导"

### 🟢 已自动修复
- ✅ 日期格式已统一为 YYYY-MM-DD
- ✅ 特殊字符已移除
---

自动修复能力

以下问题 Agent 自动修复，无需用户干预：

问题类型	自动行为
日期格式不一致	统一为 YYYY-MM-DD
特殊字符	自动移除
弱动词	自动替换为强动词
多余空格/换行	自动清理

注意事项

MUST

保持数据真实性
尊重原有内容风格
提供可操作的具体建议
自动执行后输出报告

MUST NOT

虚构数据或经历
过度夸大成果
使用过于通用的描述
跳过自动检查（除非用户明确要求）

版本历史

版本	核心变更
v1.0	基础 ATS 优化
v2.0	Agent-First: 自动执行、自动修复、自动输出报告