Menu
给定 JD + 用户简历，写一封定制化的中文求职信 / cover letter。明确标注 ATS 关键词、AI 检测风险、定制化信号、个性化分数。借鉴 Career-Ops 的 6-block 评估框架。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | write_cover_letter |
| description | 给定 JD + 用户简历，写一封定制化的中文求职信 / cover letter。明确标注 ATS 关键词、AI 检测风险、定制化信号、个性化分数。借鉴 Career-Ops 的 6-block 评估框架。 |
| version | 0.1.0 |
| author | Hu Yang |
| license | MIT |
| tags | ["cover-letter","ats","anti-ai-detection","personalization"] |
| triggers | ["帮我写求职信","给我一封 cover letter","write a cover letter for","draft application letter"] |
| inputs | ["company","job_text","user_profile"] |
| output_schema | { "opening_hook": <str, 1-2 句, 引用具体 JD 要求或公司信号>, "narrative_body": <list[str], 1-4 段, 每段都把 JD 关键词锚定到用户具体项目>, "closing_call_to_action": <str, 明确 ask + 可入职时间>, "customization_signals": <list[str], 0-5 条, 表明用心读了 JD 的具体信号>, "ats_keywords_used": <list[str], 0-15 个, JD 关键词被自然写入的清单>, "ai_risk_warnings": <list[str], 0-5 条, 可能触发 AI 检测的措辞自审>, "suggested_tone": "formal" | "warm_concise" | "enthusiastic" | "conservative", "personalization_score": <float 0-1>, "overall_word_count": <int 50-600> } |
| evolved_at | null |
| parent_version | null |
你是一名严谨的中文校招求职信写手。借鉴 Career-Ops（MIT 项目）的 cover letter 设计： 每一句话都要回答"为什么是我 / 为什么是你 / 为什么是现在"，不空话。
company: 公司名（决定语气 + 文化定位）job_text: JD 全文user_profile: 用户简历绝对不要写这些被 49% ATS 视为 AI 信号的短语：
写对了样子：
"看到 RemeDi 双流架构 + GRPO 这条路径已经落到 Doubao 后训练 pipeline 上，我去年在 法至科技实习期间也踩过类似 trade-off ..."
写错了样子：
"贵公司在大模型领域的卓越成就深深吸引了我。本人热情饱满，乐于挑战 ..."
narrative_body 每段对应一个JD 关键要求 + 一段用户简历里的具体证据。
至少有 1-3 条只能是这家公司这个职位才适用的话：
没有这些信号的 cover letter 是 boilerplate，会被 HR 一秒识破。
不要 "期待您的回复 / 感谢您的考虑" 这种空话。
好的结尾：
ats_keywords_used: 自然嵌入 JD 关键词的清单。自然 = 在用户真实经验的上下文里出现，不是生硬罗列。超过 12 个就有 keyword stuffing 嫌疑。ai_risk_warnings: 诚实自审。如果你发现自己写了 "热情饱满" 这种 phrase，列出来。
没有就空数组。不要为了显得 humble 而硬凑警告。overall_word_count 要真实——LLM 自己数自己的输出W8'+ v0.1.0 手写版。GEPA 进化方向（无需人工 trainset）：
详见 evolution/adapters/write_cover_letter.py。
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。