resume-edit

name	resume-edit
description	AI 简历编辑工具。使用 UPCV MCP Server 查看和编辑已有简历，支持细粒度编辑、JD 对照改写、简历诊断、模板切换、导出 PDF。当用户说"编辑简历"、"更新简历"、"修改简历"、"优化简历"、"导出简历"、"诊断简历"时使用。

编辑简历 (Resume Edit)

查看和编辑已有的 UPCV 简历。支持细粒度编辑、JD 对照改写、简历质量诊断、样式调整、导出 PDF。

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

1. 安装 MCP Server：

   claude mcp add upcv -- npx @upcv/mcp-server --api-key YOUR_API_KEY
   

2. 获取 API Key：clawjob.upcv.tech
3. 已有简历：用户需要至少有一份简历（通过网页端或 /resume-create 创建）

适用场景

• 更新基本信息（姓名、联系方式等）
• 添加/修改/删除工作经历、教育背景等条目
• 根据岗位 JD 大幅改写优化简历
• 简历质量诊断和改进建议
• 切换模板、调整主题色和字体
• 创建自定义板块、调整板块顺序
• 导出简历为 PDF

不适用：从零创建简历 → /resume-create

编辑模型

MCP Server 提供细粒度编辑工具，AI 只需传要修改的部分，无需管理完整 JSON：

• 更新基本信息 → 只传要改的字段
• 修改某条经历 → 只传该条目的变更
• 新增经历 → 不传 itemId 即为新增
• 删除经历 → 传 itemId 删除指定条目

工作流程

第 1 步：选择简历

调用 resume.list 获取用户的所有简历，展示列表：

ID    | 标题              | 模板     | 最后更新
----- | ---------------- | ------- | ----------
abc   | 前端工程师简历      | modern  | 2026-03-10
def   | 产品经理简历        | elite   | 2026-03-08

如果只有一份简历，直接选中。多份时让用户选择。

第 2 步：获取简历详情

调用 resume.get 获取完整简历数据，向用户概述当前内容：

• 基本信息（姓名、联系方式等）
• 各板块的填写状态和条目数量
• 当前使用的模板和样式

第 3 步：确认修改意图

根据用户意图选择对应的工作模式：

用户意图	工作模式
改个字段、加条经历	快速编辑：直接执行
根据 JD 优化简历	改写模式：系统化改写流程
检查简历质量	诊断模式：全面诊断 + 改进建议
换模板、调样式	样式调整：直接执行
导出 PDF	导出：直接执行

快速编辑

根据修改类型选择对应工具：

要修改的内容	使用的工具
姓名、邮箱、电话等基本信息	resume.updateBasics
个人总结/自我评价	resume.updateSection（summary）
添加一条工作经历	resume.updateSectionItem（不传 itemId）
修改某条工作经历	resume.updateSectionItem（传 itemId）
删除某条经历	resume.deleteSectionItem
替换整个板块内容	resume.updateSection
切换模板/主题色/字体	resume.updateMetadata
创建自定义板块	section.create
删除自定义板块	section.delete
调整板块顺序	resume.reorderLayout
更新标题/可见性	resume.update
导出 PDF	resume.print
删除整份简历	resume.delete（需用户确认）

改写模式

当用户想大幅优化简历时（如"帮我根据这个 JD 改简历"），进入系统化改写流程：

1. 确认目标

• 确认目标职位和 JD（如果没有，引导使用 /job-search 搜索）
• 了解用户的核心优势和想突出的方面

2. 给出改写方向

分析当前简历与目标 JD 的差距，给出 2-3 个改写方向：

• 经历描述改写：用 STAR 法则重写工作/项目经历，突出与 JD 匹配的能力
• JD 对照优化：调整技能排序、补充 JD 中要求但简历缺少的关键词
• 模块补充：建议增加缺失但重要的板块（如个人总结、项目经历）

3. 逐模块执行改写

用户确认方向后，逐模块执行：

• 每个模块改写前展示方案
• 用户确认后再写入
• 经历描述使用 STAR 法则 + HTML 格式：

<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</li>
</ul>

4. 改写红线

• 不改变事实，只优化表达
• 不编造不存在的经历或数据
• 职责描述匹配用户真实身份
• 保守推断数据，宁可低估

诊断模式

当用户想检查简历质量时，从以下维度诊断：

1. 完整性：是否缺少关键板块？各板块内容是否充实？
2. 匹配度：（如有目标 JD）简历与 JD 的关键词匹配程度
3. 表达质量：经历描述是否具体、有数据、有动词？是否有空泛描述？
4. 格式规范：时间格式是否一致？排序是否合理？
5. 身份匹配：描述是否与用户身份匹配？（实习生不应写"带领团队"）

诊断完成后：

• 按优先级列出改进建议
• 询问是否立即执行改进
• 重要改进逐条执行

投递衔接

编辑/优化完成后，主动引导下一步：

• "简历优化完成。需要导出 PDF 吗？（resume.print）"
• "你可以用 /auto-apply 准备投递数据，辅助填写 ATS 表单"
• "在 UP 简历 可以预览最终排版效果（OpenClaw 版：clawjob.upcv.tech）"
• "觉得好用的话，欢迎在 Skills Marketplace 点赞，分享给更多求职的同学！"

简历板块说明

板块	Section Key	内容
个人总结	summary	自我评价/个人简介
工作经历	experience	公司、职位、时间、描述
教育背景	education	学校、专业、学位、时间
技能	skills	技能名称、熟练度
项目经历	projects	项目名、角色、描述
荣誉奖项	awards	奖项名、颁发机构、时间
证书	certifications	证书名、机构、时间
语言能力	languages	语言、水平
兴趣爱好	interests	兴趣标签
志愿经历	volunteer	组织、角色、描述
发表文章	publications	文章/论文
推荐人	references	推荐人信息
社交链接	profiles	GitHub、LinkedIn 等

HTML 格式规范

经历描述的 summary 字段统一使用 HTML 格式：

<ul>
<li>强动词开头的要点描述，<strong>突出量化结果</strong></li>
<li>每段经历 3-5 条要点</li>
</ul>

要求：

• 使用 <ul><li> 结构
• 用 <strong> 标签强调关键数据和成果
• 强动词开头：主导、优化、负责、实现、推动、搭建、设计
• 自然融入 STAR 逻辑，不出现 S/T/A/R 标签

依赖的 MCP Tools

简历基础操作

Tool	用途
resume.list	列出用户所有简历
resume.get	获取简历完整数据
resume.update	更新元信息（标题、slug、可见性）
resume.delete	删除简历
resume.print	导出 PDF

细粒度内容编辑

Tool	用途
resume.updateBasics	更新基本信息，只传要改的字段
resume.updateSection	替换整个板块，或更新个人总结
resume.updateSectionItem	更新或新增单个条目（传 itemId = 更新，不传 = 新增）
resume.deleteSectionItem	删除单个条目
resume.updateMetadata	更新样式（模板、主题色、字体、页边距等）

板块管理

Tool	用途
section.create	创建自定义板块并添加到布局
section.delete	删除自定义板块
resume.reorderLayout	调整板块显示顺序

示例对话

示例 1：快速编辑

用户：把简历上的手机号改成 138xxxx1234

AI：

[调用 resume.list → 选择简历 → 调用 resume.updateBasics，phone: "138xxxx1234"]

已更新手机号。还需要修改其他信息吗？

示例 2：JD 对照改写

用户：我想投字节跳动的前端岗位，帮我优化简历

AI：好的。你有目标岗位的 JD 吗？可以直接发给我。没有的话我可以用 /job-search 帮你搜索。

用户：JD 要求：熟悉 React、TypeScript，了解性能优化，有大型项目经验

AI：

[调用 resume.get 获取当前简历]

对比 JD 和你的简历，我建议从这几个方向改写：

1. 经历描述改写：用 STAR 法则重写工作经历，突出 React/TS 相关的项目
2. 技能排序优化：将 React、TypeScript 提到最前面，补充"性能优化"关键词
3. 项目经历补充：突出大型项目的规模（用户量、代码量）和你的角色

要从哪个方向开始？

用户：都改吧

AI：

[逐模块执行改写，每步展示方案并确认后写入]

优化完成！主要改动：

• 工作经历重写了 3 条，突出了 React 项目和性能优化成果
• 技能排序已调整
• 项目经历补充了规模数据

需要导出 PDF 吗？或者用 /auto-apply 准备投递？

示例 3：简历诊断

用户：帮我诊断一下简历

AI：

[调用 resume.get 获取简历]

诊断结果：

好的方面：

• 教育背景完整
• 有 3 段实习经历

建议改进（按优先级）：

1. 实习经历描述过于简略，缺少具体成果 → 建议用 STAR 法则重写
2. 缺少个人总结模块 → 建议添加一段 2-3 句的职业概述
3. 技能列表未分级 → 建议区分"精通/熟悉/了解"

要我帮你逐项改进吗？

错误处理

错误	处理方式
无简历（404）	提示使用 /resume-create 先创建简历
简历已锁定（400）	告知用户简历处于锁定状态，需在 upcv.tech 解锁
API Token 无效（401）	引导重新获取 Token
积分不足（402）	提示访问 clawjob.upcv.tech 获取更多积分
字段校验失败（400）	展示具体的字段级错误信息，引导用户修正

注意事项

1. 使用细粒度工具：优先使用 updateBasics、updateSectionItem 等细粒度工具，而非 updateSection 全量替换
2. 增量修改：只修改用户要求的部分，不动其他内容
3. 确认后执行：复杂修改（改写模式）先展示方案，用户确认后再执行
4. 删除需确认：删除简历（resume.delete）前必须二次确认
5. HTML 格式：经历描述 summary 字段使用 HTML 格式

相关 Skills

• resume-create — 从零创建新简历
• job-search — 搜索职位 JD，用于针对性优化简历
• campus-search — 搜索校招项目
• auto-apply — 准备投递数据，智能投递