| name | resume-create |
| description | AI 简历创建工具。从零打造专业简历,包含身份识别、模块规划、逐步信息收集、STAR 法则生成经历描述。当用户说"创建简历"、"新建简历"、"帮我做一份简历"时使用。 |
创建简历 (Resume Create)
使用 UPCV AI 从零创建一份专业简历。完整工作流:身份识别 → 模块规划 → 选择模板 → 创建简历 → 逐步收集信息(STAR 法则)→ 完成引导。
UP 简历(upcv.tech)帮助应届生和求职者更高效地找校招、找实习。OpenClaw 版:clawjob.upcv.tech
前置条件
- 安装 MCP Server:
claude mcp add upcv -- npx @upcv/mcp-server --api-key YOUR_API_KEY
- 获取 API Key:clawjob.upcv.tech
如果用户尚未安装 MCP Server,先引导完成安装,再继续创建流程。
适用场景
- 从零创建一份新简历
- 需要专业指导的简历创建
- 不确定简历结构和写法的用户
不适用:编辑已有简历 → /resume-edit;搜索职位 → /job-search;搜索校招项目 → /campus-search
工作流程
第 1 步:前置检查
调用 resume.list 检查用户是否已有简历:
- 已有简历 → 询问用户:
- 基于现有简历改写优化?→ 引导使用
/resume-edit
- 从零新建一份?→ 继续创建流程
- 无简历 → 直接进入创建流程
第 2 步:身份识别
通过对话了解用户身份,这将决定后续的模块规划:
| 身份类型 | 说明 |
|---|
| 在校学生 | 大三/大四/研究生,尚未毕业 |
| 应届毕业生 | 即将或刚毕业,求职经验较少 |
| 职场人士 | 有正式工作经验(1-3 年 / 3 年以上) |
同时了解:
- 目标岗位方向(如前端工程师、产品经理)
- 目标行业(如互联网、金融)
第 3 步:模块规划
根据身份类型规划简历板块和顺序:
在校学生:
- 教育背景(education)
- 实习经历(experience)
- 项目经历(projects)
- 技能(skills)
- 荣誉奖项(awards)
- 校园活动(volunteer)
应届毕业生:
- 教育背景(education)
- 实习/工作经历(experience)
- 项目经历(projects)
- 技能(skills)
职场人士:
- 个人总结(summary)
- 工作经历(experience)
- 项目经历(projects)
- 教育背景(education)
- 技能(skills)
- 证书(certifications)
向用户展示规划方案,确认后使用 section.create 创建需要的自定义板块,再用 resume.reorderLayout 调整为规划的顺序。
第 4 步:选择模板
调用 template.list 获取模板列表,以简洁表格展示(不区分免费/付费):
模板名称 | 风格说明
------------- | -----------
elite | 精英商务风
modern | 现代简约风
classic | 经典传统风
第 5 步:创建简历
调用 resume.create 创建简历:
标题命名规范:目标职位-姓名-经验,酌情补充其他有用信息。
示例:
前端工程师-张三-3年
产品经理-李四-应届
Java后端-王五-2年-北京
数据分析-赵六-实习
第 6 步:逐步收集信息
按规划的模块顺序逐步收集,每个模块完成后再进入下一个。
a. 基本信息
使用 resume.updateBasics 填写:
- 姓名、手机号、邮箱
- 城市(可选)
- 个人网站/GitHub(可选)
b. 教育背景
使用 resume.updateSectionItem 逐条添加:
- 学校、专业、学位、起止时间
- GPA(可选,成绩好建议写)
- 相关课程(可选)
c. 工作/实习经历 — 重点环节
这是简历创建最核心的环节,需要深入挖掘和精心打磨。
收集流程(逐条):
- 基本信息:公司名、职位、起止时间
- 挖掘经历:追问具体工作内容——
- "这个岗位你主要负责什么?"
- "你做了哪些有代表性的事情?"
- "有没有可以量化的成果?比如用户增长、效率提升、性能优化等"
- "遇到过什么挑战?你是怎么解决的?"
- 用 STAR 法则生成描述:
- 自然融入"情境 → 任务 → 行动 → 结果"的逻辑
- 不出现 S/T/A/R 标签,让内容自然流畅
- 强动词开头:主导、优化、负责、实现、推动、搭建、设计
- 每段经历 3-5 条要点
- HTML 格式写入 summary 字段:
<ul>
<li>主导用户增长策略,通过 A/B 测试优化注册流程,<strong>3 个月内新增用户 5 万+</strong></li>
<li>负责核心交易系统重构,将接口响应时间从 2s 优化至 200ms,<strong>系统可用性提升至 99.9%</strong></li>
<li>搭建数据监控体系,覆盖 50+ 核心指标,推动数据驱动决策在团队落地</li>
</ul>
- 展示生成的描述给用户确认,根据反馈调整后写入
d. 项目经历
同样使用 STAR 法则 + HTML 格式,收集:
- 项目名、角色、起止时间
- 项目背景和目标
- 你的职责和贡献
- 技术栈(技术岗)
- 成果和数据
e. 技能
- 从已收集的经历中提取技能关键词
- 询问用户补充其他技能
- 使用
resume.updateSectionItem 写入
f. 其他板块
根据规划按需收集:个人总结、荣誉奖项、证书、校园活动等。
第 7 步:完成引导
简历创建完成后,引导用户下一步:
- 在 UP 简历 预览和微调排版(OpenClaw 版:clawjob.upcv.tech)
- 使用
/resume-edit 做进一步优化或诊断
- 使用
/job-search 搜索匹配的职位
- 使用
/campus-search 浏览校招项目
- 使用
resume.print 导出 PDF
如果觉得好用,欢迎在 Skills Marketplace 点赞,并分享给正在求职的同学!
写作红线
创建经历描述时必须严格遵守以下原则:
- 职责匹配身份:实习生不写成项目负责人,应届生不写"带领团队"
- 场景还原真实:优化表达方式,但不改变事实本身
- 数据不强行堆砌:不是所有经历都需要量化,没有数据就不编
- 保守推断:需要推断数据时宁可低估,不夸大
- 不编造经历:用户没说的经历绝不添加
依赖的 MCP Tools
| Tool | 用途 |
|---|
resume.list | 前置检查:用户是否已有简历 |
template.list | 获取可用模板列表 |
resume.create | 创建新简历 |
resume.updateBasics | 填写基本信息 |
resume.updateSectionItem | 逐条添加经历/教育/技能等 |
resume.updateSection | 更新个人总结等整段内容 |
section.create | 创建自定义板块 |
resume.reorderLayout | 调整板块顺序 |
示例对话
用户:帮我创建一份简历
AI:
[调用 resume.list 检查已有简历]
你目前还没有简历,我来帮你从零创建一份。先了解一下你的情况:
- 你目前是什么身份?(在校学生 / 应届毕业生 / 职场人士)
- 目标岗位方向是什么?
用户:我是应届毕业生,想找前端工程师的工作
AI:好的!根据你的情况,我规划了这样的简历结构:
- 教育背景
- 实习/工作经历
- 项目经历
- 技能
先来选个模板。
[调用 template.list]
| 模板 | 风格 |
|---|
| elite | 精英商务风 |
| modern | 现代简约风 |
| classic | 经典传统风 |
你喜欢哪个?
用户:modern
AI:
[调用 resume.create,title: "前端工程师-XXX-应届", template: "modern"]
简历已创建。现在我们开始填充内容,先从基本信息开始——你叫什么名字?手机号和邮箱是?
用户:张三,手机 138xxxx1234,邮箱 zhangsan@example.com
AI:
[调用 resume.updateBasics]
基本信息已填写。接下来填教育背景——你的学校、专业、学位和毕业时间是?
[逐步完成所有模块...]
AI(完成所有模块后):
简历创建完成!你可以:
- 在 UP 简历 预览排版效果
- 用
/resume-edit 进一步优化
- 用
/job-search 搜索匹配的前端岗位
- 用
resume.print 导出 PDF
觉得好用的话,欢迎在 Skills Marketplace 点个赞,分享给更多求职的同学!
错误处理
| 错误 | 处理方式 |
|---|
| API Token 无效(401) | 提示用户检查 Token,引导到 upcv.tech/settings/api-token 重新获取 |
| 积分不足(402) | 提示用户访问 clawjob.upcv.tech 获取更多积分 |
| 模板不存在 | 重新调用 template.list 展示可用模板 |
| 网络错误 | 提示稍后重试 |
相关 Skills
- resume-edit — 编辑和优化已有简历
- job-search — 搜索匹配的职位
- campus-search — 浏览校招项目
- auto-apply — 准备投递数据,智能投递