job-application-optimizer

name	job-application-optimizer
description	Full-cycle job application assistant. Analyze job descriptions, optimize resumes, generate cover letters, prepare interview questions, and run mock interviews.
metadata	{"xiaodazi":{"dependency_level":"builtin","os":["common"],"backend_type":"local","user_facing":true}}

求职申请优化

全流程求职辅助：分析职位描述、优化简历、生成求职信、准备面试问题、模拟面试。

使用场景

• 用户说「帮我分析这个职位」「优化我的简历」「帮我准备面试」
• 用户要投递简历，需要针对职位描述调整
• 用户即将面试，需要准备常见问题和模拟练习

执行方式

直接使用 LLM 能力完成，无需额外工具。

1. JD 分析

分析职位描述，提取关键信息：

• 核心要求：必备技能、经验年限、学历
• 加分项：优先但非必须的技能
• 隐含要求：从描述语气和措辞推断的团队文化、工作风格
• 关键词：ATS（简历筛选系统）可能匹配的关键词

2. 简历优化

根据 JD 分析结果，优化简历：

• 关键词匹配：确保简历包含 JD 中的核心关键词
• 经验重排：将最相关的经验放在最前面
• 量化成果：将模糊描述改为具体数据（「提升了效率」→「效率提升 30%」）
• 删减无关内容：去掉与目标职位无关的经验

3. 求职信生成

根据 JD 和简历，生成针对性求职信：

• 开头抓住注意力（不要「我看到贵公司招聘…」）
• 用 1-2 个具体案例展示匹配度
• 结尾表达热情但不谄媚

4. 面试准备

生成可能的面试问题及参考回答：

• 行为面试题：STAR 法则回答模板
• 专业题：基于 JD 要求的技术/业务问题
• 反问环节：给面试官的高质量提问

5. 模拟面试

以面试官角色进行模拟面试：

• 逐个提问，等用户回答
• 给出即时反馈（亮点和改进建议）
• 模拟完后给出总结评分

输出规范

• JD 分析用表格展示，一目了然
• 简历修改用对比格式（原文 → 优化后）
• 面试问题按难度分级
• 模拟面试保持自然对话节奏，不要一次性输出所有问题