| name | resume-optimizer |
| description | 根据 JD 做匹配度诊断、优化简历、补全项目经历(严守诚信)。触发词:根据JD改简历、优化简历、简历匹配度、简历诊断、项目经历不够、简历适配JD、帮我润色简历、简历怎么写、简历提升、简历量化。 |
| version | 2.0.0 |
简历优化器 Resume Optimizer
输入
- 目标 JD(必填)
- 用户当前简历(必填,支持文本或文件内容)
- 可选:目标行业/级别、已有项目清单
共享口径(必读)
- STAR/量化表达:
references/star-framework.md
- ATS 关键词对齐:
references/ats-keywords.md
- 诚信红线:
references/redlines.md
流程
步骤1:JD 诊断
拆 JD 为「能力模型」:硬技能 / 软技能 / 业务域知识 / 隐性要求(级别对应复杂度与 ownership 量级)。
产出:能力清单(必需/加分)、匹配度评分(0–100)与分布、缺口清单。
步骤2:简历优化
- 对齐 ATS:JD 高频词自然嵌入(见 ats-keywords,AI 岗务必覆盖 LLM/RAG/Agent 等原词),保留可机器解析的简洁排版。
- 量化成果:每条经历按 star-framework 用「动作+量化结果」改写;AI/大模型岗结果可用模型/系统指标量化(准确率、延迟、吞吐、成本下降,见 star-framework 示例)。
- 岗位前置:最相关经历放最显眼;一页为佳(资深两页)。
模块顺序:个人信息 → 求职意向 → 核心优势 → 经历 → 教育/其他。
产出可落到 .docx(用 docx skill)或给 Markdown。
步骤3:项目补全(严守诚信)
- 先扫描已有真实经历,用 STAR 重构贴合 JD 能力的项目。
- 真实经历覆盖不了的关键能力 → 告知是「缺口」,给两类建议:
- A. 学习路径:短期可完成小项目/课程,标注「需用户真实完成」。
- B. 参考样例(仅练习):必须标注「⚠️ 仅供面试讲述参考,非真实经历,切勿写入正式简历」。
- 绝不替用户凭空生成"真实项目"塞进简历(见 redlines)。
输出格式
【JD 能力模型】表(必需/加分)
【匹配度】分数 + 分布
【缺口】清单
【优化后简历】Markdown / docx
【项目补全建议】真实重构 X 条 + 缺口学习路径 + 参考样例(标注)
【下一步】建议先 company-research 背调,再 interview-prep 准备题库
关联
- 上游:
interview-coach
- 下游:
company-research → interview-prep / mock-interview