| name | resume-analyzer |
| description | 简历分析系统，适用于在校学生和职业人士。对简历进行系统性的结构化分析，产出审阅报告供下游 SKILL 使用。
本 SKILL 可独立使用，也可从 career-navigator、resume-optimizer、resume-job-matcher 衔接进入。
核心能力：
(1) 经历清单梳理：将所有经历整理为时间线，标记完整度（🟢🟡🔴）
(2) 深度探针：通过情境还原法挖掘经历细节（场景/困难/决策/反思/他人视角）
(3) 亮点提取：从经历中提取核心贡献、能力证据、成长轨迹、被忽略亮点、可迁移能力
(4) 四维审视：从 HR、技术/专业、业务、决策层四个视角审视简历
(5) 审阅存档：所有分析结果结构化存档，供下游 SKILL 读取
触发场景：
- 用户上传简历并希望获得分析
- career-navigator Phase 2 经历深潜时调用
- resume-optimizer 生成外部简历前调用
- resume-job-matcher 生成匹配报告前调用（替代其 Part A）
|
Resume Analyzer — 简历分析系统
设计哲学
核心原则：简历分析是所有简历相关工作的前置环节。不经过系统分析就优化简历，等于在不知道原材料质量的情况下就开始加工。
本 SKILL 从 resume-optimizer 的信息收集和四维审视能力中独立出来，专注于"分析"这一环节，为下游 SKILL 提供结构化的分析输入。
定位：
- 本 SKILL 是一个分析器，不负责生成外部简历
- 分析结果以结构化存档形式输出，供 resume-optimizer、resume-job-matcher、career-navigator 读取
- 可以独立使用（用户只想了解自己简历的情况），也可以被其他 SKILL 调用
输入来源
| 来源 | 提供的信息 | 精准度 |
|---|
| career-navigator 完整存档 | 内部简历 + 经历深潜结果 + 模拟评估 + 能力雷达 | 最高 |
| career-navigator 部分存档 | profile.md + timeline.md（无深潜） | 高 |
| 用户直接提供的简历 | 基本经历和技能信息 | 基础 |
| 用户口头描述 | 通过对话逐步收集 | 基础 |
优先使用最丰富的输入来源。
存档协议
存档文件路径统一指向 data/{用户标识}/ 目录：
data/
└── {用户标识}/
├── internal-resume.md # 内部简历（个人档案馆）
├── profile.md # 用户画像（回写更新）
└── resume-reviews/
├── review-2026-04-20.md # 按日期存储的审阅报告
└── review-2026-05-15.md
存档模板见 references/archiving-protocol.md。
Phase 1：信息收集
目标： 收集用户的经历信息，建立内部简历。
Step 1.1 检测输入
按优先级检测可用的输入来源：
- career-navigator 存档：检查
data/{用户标识}/ 下是否存在 internal-resume.md、timeline.md、profile.md
- 如果存在完整存档 → 直接读取，进入 Step 1.2 确认是否有新增经历
- 如果存在部分存档 → 读取已有内容，补充缺失部分
- 用户上传简历：读取简历文件，提取经历信息
- 用户口头描述：通过提问收集（每轮 3-5 个问题，分多轮完成）
如果从 career-navigator 衔接进入，优先使用其存档数据，避免重复询问用户已经提供过的信息。
Step 1.2 经历清单梳理
将用户的所有经历整理成时间线，标记信息完整度：
- 🟢 完整：能清晰描述背景、任务、行动、结果
- 🟡 部分：有大致印象但细节模糊
- 🔴 空白：只记得做过，说不清细节
输出格式：
## 经历清单
| # | 时间段 | 经历 | 类型 | 完整度 |
|---|--------|------|------|--------|
| 1 | 2025.06 - 2025.09 | XX公司实习 | 实习 | 🟢 |
| 2 | 2024.09 - 2025.06 | XX项目 | 项目 | 🟡 |
| 3 | 2023.09 - 2024.06 | XX课程设计 | 课程 | 🔴 |
Step 1.3 深度探针
对 🟡/🔴 经历，使用情境还原法进行探针。
5 个探针问题：
- 场景还原：你能描述一个具体的场景吗？
- 困难聚焦：你遇到的最大困难是什么？怎么处理的？
- 决策回溯：有没有哪个时刻你需要做一个选择？
- 结果反思：做得最好的是什么？最遗憾的是什么？
- 他人视角：如果当时跟你一起的人来评价你，他们会怎么说？
探针原则：
- 每轮 3-5 个问题
- 一次只深挖 1-2 段经历
- 用户说"记不清了"直接接受，不追问
- 关注描述中的细节密度——细节越多，经历越有价值
探针节奏：
- 先处理 🟡 经历（有基础信息，需要补充细节）
- 再处理 🔴 经历（信息空白，需要从零开始）
- 如果经历较多，按时间倒序优先处理最近的经历
Step 1.4 产出内部简历
将所有收集到的信息整理为内部简历，保存到 data/{用户标识}/internal-resume.md。
内部简历特点：
- 忠实记录所有经历，不管"有没有用"
- 包含完整的过程细节、困难、反思
- 主要读者是自己
- 随着时间持续积累
存档： 创建或更新 data/{用户标识}/internal-resume.md
Phase 2：信息提取
目标： 从内部简历中提取所有有价值的信息点。
Step 2.1 逐段经历提取
对每段经历，提取以下 6 个维度：
| 维度 | 提取内容 | 说明 |
|---|
| 核心贡献 | 用户真正做了什么（区别于团队贡献） | 区分"参与了"和"负责了" |
| 能力证据 | 这段经历证明了什么能力 | 具体到可验证的行为 |
| 成长轨迹 | 从开始到结束，用户发生了什么变化 | 技能提升、认知转变等 |
| 被忽略的亮点 | 用户自己没意识到但值得强调的部分 | 常见于"我就是打杂的"的自述 |
| 可迁移能力 | 这段经历中的哪些能力可以迁移到其他岗位 | 跨行业/跨岗位的通用能力 |
| 量化数据 | 一切可以量化的结果 | 数字、百分比、时间、规模等 |
关键判断——当用户自我贬低时：
| 用户自述 | 探针方向 | 目的 |
|---|
| "我其实就是打杂的" | 有没有主动做过超出预期的事？ | 挖掘主动性 |
| "这个项目没什么技术含量" | 没有技术优势的情况下怎么解决问题的？ | 挖掘问题解决能力 |
| "都是队友做的" | 你负责哪部分？没有你会出什么问题？ | 挖掘个人贡献 |
Step 2.2 产出信息完备的简历草稿
将提取的信息整理为一份"信息完备"的简历草稿——不一定好看，但信息密度高、事实准确。
注意： 此草稿仅作为中间产物，不直接用于投递。它的作用是确保所有有价值的信息都被捕获，为后续的四维审视提供完整素材。
Phase 3：四维审视
目标： 从四类读者的视角审视简历，确保每个维度都有对应的证据。
四类读者与面试中的四个维度一一对应。
维度一：HR 视角 — 稳定性与匹配度
| 审视项 | 看什么 | 红灯信号 |
|---|
| 职业轨迹 | 经历是否连贯？有没有逻辑主线？ | 频繁跳槽、大段空白期、方向混乱 |
| 基本匹配 | 硬性条件是否满足？（学历/年限/技能关键词） | 关键词缺失、学历不匹配 |
| 稳定性信号 | 有没有长期投入的证据？ | 所有经历都很短、没有深度 |
维度二：技术/专业视角 — 能力深度
| 审视项 | 看什么 | 红灯信号 |
|---|
| 项目深度 | 描述是否体现了真正的挑战？ | 只有工具名称没有解决的问题 |
| 问题解决 | 有没有"遇到了什么问题 → 怎么解决的"？ | 只列成果不写过程 |
| 技术栈 | 技术选型是否有逻辑？深度如何？ | 技术栈罗列但看不出熟练度 |
维度三：业务视角 — 业务理解力
| 审视项 | 看什么 | 红灯信号 |
|---|
| 场景理解 | 经历涉及的领域和业务场景是什么？ | 只有技术没有业务语境 |
| 跨职能协作 | 有没有与其他角色协作的经历？ | 经历过于单一 |
| 结果导向 | 成果是用业务指标还是技术指标衡量的？ | 只有技术指标没有业务影响 |
维度四：决策层视角 — 潜力与格局
| 审视项 | 看什么 | 红灯信号 |
|---|
| 成长轨迹 | 能看到清晰的能力成长线吗？ | 所有经历水平差不多，没有进步 |
| 自驱力 | 有没有主动发起、推动、优化的证据？ | 所有经历都是被动分配的 |
| 思维格局 | 有没有超出当前层级的思考或行动？ | 所有描述都局限在执行层面 |
审视输出
对每个维度输出判定：
| 判定 | 含义 |
|---|
| ✅ 通过 | 有足够的证据支撑 |
| ⚠️ 薄弱 | 有证据但不够充分 |
| ❌ 缺失 | 完全没有对应证据 |
审视结果汇总格式：
## 四维审视结果
| 维度 | 判定 | 关键发现 | 红灯信号 |
|------|------|---------|---------|
| HR 视角 | ✅/⚠️/❌ | ... | ... |
| 技术/专业视角 | ✅/⚠️/❌ | ... | ... |
| 业务视角 | ✅/⚠️/❌ | ... | ... |
| 决策层视角 | ✅/⚠️/❌ | ... | ... |
Phase 4：审阅存档
目标： 将所有分析结果结构化存档，供下游 SKILL 读取。
Step 4.1 生成审阅报告
将以下内容整合为一份完整的审阅报告：
- 经历清单：Phase 1.2 的时间线（含完整度标记）
- 提取的信息点：Phase 2.1 的六维度提取结果
- 四维审视结果：Phase 3 的判定和关键发现
- 发现的问题：红灯信号、薄弱环节、信息缺口
- 建议：针对每个问题的改进方向
Step 4.2 保存审阅报告
保存到 data/{用户标识}/resume-reviews/review-{日期}.md
文件命名规则：review-YYYY-MM-DD.md，同一天多次审阅时追加编号：review-YYYY-MM-DD-2.md
Step 4.3 回写机制
如果审阅中发现了新的认知（被忽略的亮点、新的能力证据、经历补充），需要同步更新：
| 回写目标 | 更新内容 | 条件 |
|---|
data/{用户标识}/internal-resume.md | 补充新发现的经历细节、亮点 | 审阅中提取到内部简历未记录的信息 |
data/{用户标识}/profile.md | 更新能力标签、成长轨迹、优势领域 | 审阅中发现新的能力证据或变化 |
回写原则：
- 只追加，不删除已有内容
- 在回写处标注来源：
<!-- resume-analyzer review {日期} 回写 -->
- 如果目标文件不存在，创建新文件
对外输出
| 输出节点 | 传递给 | 传递内容 | 用途 |
|---|
| 审阅完成 | resume-optimizer | resume-reviews/ + internal-resume.md | 作为生成外部简历的输入 |
| 审阅完成 | resume-job-matcher | resume-reviews/ + internal-resume.md | 替代其 Part A 的简历分析 |
| 审阅完成 | career-navigator | resume-reviews/ | 更新经历资产，反哺能力评估 |
衔接方式： 下游 SKILL 读取存档文件即可，无需额外的数据传递格式。所有信息都通过文件系统共享。
对话节奏控制
- 每轮最多 3-5 个问题
- 深度探针一次只挖 1-2 段经历
- 每轮结束前存档（即使未完成全部分析，也要保存当前进度）
- 如果用户表现出疲劳或回答质量下降，主动提出暂停并在下次继续
职场轨道特别说明
当用户是职业人士时：
- 经历清单增加"管理经历"和"跨部门协作"专门标记
- 深度探针增加"团队管理"和"战略决策"相关探针
- 四维审视增加"转型合理性"的评估（如果用户在转型）
- 信息提取增加"行业影响力"和"资源整合"维度
与其他 SKILL 的关系
career-navigator
└── Phase 2 经历深潜 ──→ resume-analyzer（调用）
│
├──→ resume-optimizer（审阅结果 → 生成外部简历）
├──→ resume-job-matcher（审阅结果 → 替代 Part A）
└──→ career-navigator（审阅结果 → 更新经历资产）
独立使用场景： 用户直接上传简历并希望获得分析，不经过 career-navigator。
