resume-optimizer

name	resume-optimizer
description	优化和定制简历以匹配特定公司和职位。分析JD，提取关键技能，重新排序经验，突出相关成就。用于创建简历变体、优化关键词、提升ATS通过率。当用户创建简历变体或优化简历时自动触发。
allowed-tools	Read, Write, Grep, Edit

Resume Optimizer Skill

触发条件

当用户需要：

• 为特定公司定制简历
• 优化简历关键词
• 提升简历与JD的匹配度
• 生成简历变体
• 提高ATS（Applicant Tracking System）通过率

工作流程

步骤 1: JD分析

使用 jd-analyzer Skill 提取：

• 必需技能列表
• 优先技能列表
• 关键词和短语
• 公司文化和技术栈

步骤 2: 技能匹配

读取 data/resume/base.json 并：

• 识别匹配的技能
• 识别相关经验
• 识别相关项目
• 评估整体匹配度

步骤 3: 内容优化

针对目标公司调整简历：

3.1 技能部分优化

{
  "optimizations": {
    "highlighted_skills": [
      "Distributed Systems",
      "Machine Learning",
      "Python",
      "Go"
    ],
    "skills_reorder": {
      "programming_languages": ["Python", "Go", "Java"],
      "concepts": ["Microservices", "Cloud Computing", "System Design"]
    }
  }
}

3.2 工作经验优化

• 重新排序（最相关的在前）
• 调整成就描述，使用JD关键词
• 突出相关项目和技术
• 量化成果

3.3 项目经验优化

• 优先显示与JD最相关的项目
• 使用JD中的技术术语
• 突出影响力和成果
• 链接到相关技术

3.4 Summary优化

• 针对公司文化定制
• 突出最相关的2-3个技能
• 体现与公司的匹配度
• 保持简洁（2-3行）

步骤 4: 关键词优化

插入JD关键词的原则：

• 自然融入，不堆砌
• 放在成就描述中
• 使用同义词变体
• 保持专业性

动作动词（Action Verbs）：

技术类：

• Designed, Implemented, Developed
• Architected, Engineered, Built
• Optimized, Refactored, Improved
• Deployed, Scaled, Launched

管理类：

• Led, Mentored, Guided
• Collaborated, Partnered
• Spearheaded, Championed
• Directed, Oversaw

成就类：

• Delivered, Shipped, Released
• Increased, Decreased, Reduced
• Achieved, Attained, Exceeded
• Won, Earned, Recognized

步骤 5: 输出简历变体

创建 data/resume/variants/{company}.json：

{
  "variant_id": "google",
  "parent_resume": "base.json",
  "created_at": "2025-01-09T00:00:00Z",
  "updated_at": "2025-01-09T00:00:00Z",
  "target_company": "google",
  "target_position": "Software Engineer III",

  "optimizations": {
    "highlighted_skills": [...],
    "emphasized_projects": ["proj_001"],
    "tailored_summary": "...",
    "keywords_to_emphasize": [...],
    "de_emphasized_sections": ["certifications"],
    "reordered_sections": 
      
      
      
      
    
  

   
     
       
       
    
     
       
         
          
             
             
          
        
      
    
  

优化策略

1. 技能突出策略

完全匹配的技能（优先级最高）

• 放在技能列表最前面
• 在Summary中提及
• 在多个经验中体现

部分匹配的技能

• 说明可迁移能力
• 强调学习经历
• 展示相关项目

缺失的关键技能

• 在学习经历中提及
• 展示自学能力
• 相关技能类比

2. 经验排序策略

相关性评分因素：

• 技术栈匹配度
• 项目规模相似度
• 行业相关性
• 成果可量化程度

3. 关键词密度

• Summary: 2-3个核心关键词
• 每段经验: 1-2个关键词
• 技能部分: 所有JD关键词
• 项目描述: 技术关键词

4. ATS优化

• 使用标准职位名称
• 避免特殊字符和图形
• 使用常见缩写（全称+缩写）
• 简洁的格式
• 避免表格和列

公司特定优化

Google

重点突出：

• Scalability
• Reliability
• Distributed Systems
• "Googley"文化（好奇、学习、同理心）
• 技术卓越

关键词：

• Large-scale systems
• High-availability
• Cloud computing
• Data engineering
• Machine learning

Meta

重点突出：

• 快速迭代
• 影响力（Impact）
• 基础设施
• 开源贡献

关键词：

• Move fast, ship code
• Impact at scale
• Infrastructure
• Performance
• Open source

Amazon

重点突出：

• 客户导向
• 所有权精神
• 可扩展性
• 可用性

关键词：

• Customer Obsession
• Ownership
• Scalability
• Availability
• Distributed systems

初创公司

重点突出：

• 全栈能力
• 快速学习
• 多面手
• 创业精神

关键词：

• Full-stack
• End-to-end
• Fast-paced
• Wear multiple hats
• Self-starter

简历变体创建检查清单

• 读取并分析JD
• 提取关键技能和关键词
• 匹配用户技能
• 重新排序技能（最相关在前）
• 优化Summary（2-3行，突出核心匹配）
• 调整工作经验顺序
• 重写成就描述（使用JD关键词）
• 突出相关项目
• 检查关键词密度
• 验证ATS友好性
• 保存变体文件
• 生成匹配度报告

质量标准

优秀简历变体的特征：

1. 针对性: 明确针对目标公司和职位
2. 真实性: 所有内容真实可信
3. 量化性: 成就可以量化
4. 简洁性: 每个要点简洁明了
5. 一致性: 风格和术语一致
6. 完整性: 没有拼写或语法错误

避免的错误：

1. 过度堆砌关键词: 不自然地重复关键词
2. 夸大或虚假: 超出实际能力的描述
3. 忽略格式: 不一致的格式和风格
4. 过于详细: 每个要点超过2-3行
5. 忽略公司文化: 没有考虑公司特色

与其他Skills的集成

jd-analyzer

• 获取JD结构化分析
• 获取技能匹配报告
• 获取关键词列表

interview-coach

• 提供优化后的简历信息
• 用于面试准备
• 识别需要深入准备的技能

question-generator

• 基于优化后的技能
• 生成针对性面试题
• 优先级排序

输出示例

匹配度报告

# Google - Software Engineer III 简历优化报告

## 匹配度评分: 85/100

### 完全匹配的技能 (7)
- Python (expert)
- Distributed Systems (advanced)
- Machine Learning (intermediate)
- Go (intermediate)
...

### 部分匹配的技能 (3)
- Java (intermediate, 需要advanced)
- Kubernetes (基础, 需要深入)
...

### 缺失的关键技能 (2)
- C++ (建议学习基础)
- gRPC (可以在项目中快速学习)

## 优化建议
1. 将Python和Distributed Systems放在技能列表最前面
2. 重新排序工作经历，突出分布式系统项目
3. 在成就描述中使用更多"scale", "reliable"等关键词
4. Summary中强调"大规模系统"和"机器学习"经验

ATS优化增强（Phase 2新增）

ATS系统识别与优化

不同的ATS系统有不同的解析特点，需要针对性优化：

1. Workday (大公司广泛使用)

特点:

• 严格的结构化字段解析
• 善欢标准的日期格式
• 需要清晰的章节分隔

优化策略:

• 使用标准章节标题（Experience, Education, Skills）
• 避免创意性格式和布局
• 日期格式统一：YYYY-MM
• 联系信息放在顶部，使用标准标签
• 技能列表使用逗号分隔，而非复杂格式

禁止:

• ❌ 表格和列
• ❌ 图像和图标
• ❌ 复杂的嵌套列表
• ❌ 非标准字体

推荐:

• ✅ 简洁的单列布局
• ✅ 标准字体（Arial, Calibri, Times New Roman）
• ✅ 清晰的章节标题（全部大写或加粗）
• ✅ 电话使用格式：[phone]

2. Greenhouse (科技公司常用)

特点:

• 更好的PDF解析能力
• 支持富文本格式
• 智能关键词提取

优化策略:

• 可以使用轻微的格式化（加粗、斜体）
• 重点关键词可以加粗强调
• 支持项目符号列表
• PDF导出时嵌入字体

优势:

• ✅ 支持超链接（LinkedIn, GitHub）
• ✅ 支持邮箱和电话的mailto/tel链接
• ✅ 更好的布局灵活性

3. Lever (中型公司和初创公司)

特点:

• 现代化解析器
• 支持社交媒体链接
• 重视可读性

优化策略:

• 可以使用更现代的设计
• 突出个人品牌
• 强调文化契合度
• 添加项目作品集链接

最佳实践:

• ✅ 使用专业的简历模板
• ✅ 包含GitHub和项目链接
• ✅ 突出开源贡献
• ✅ 展示个人博客或技术文章

关键词密度分析与优化

关键词分析流程：

步骤1: 提取JD关键词

{
  "keyword_analysis": {
    "primary_keywords": [
      {"keyword": "Distributed Systems", "frequency": 8, "weight": 2.0},
      {"keyword": "Python", "frequency": 6, "weight": 2.0},
      {"keyword": "Kubernetes", "frequency": 5, "weight": 1.5}
    ],
    "secondary_keywords": [
      {"keyword": "Microservices", "frequency"   
           
    
     
           
           
    
  

步骤2: 计算关键词密度

• Summary: 目标 15-20% 关键词密度
• Experience: 目标 10-15% 关键词密度
• Skills: 目标 100% JD关键词覆盖
• Projects: 目标 20-25% 关键词密度

步骤3: 关键词位置优化

# 高优先级位置：
1. Summary（前2行） - 最重要
2. 技能列表顶部 - ATS重点扫描
3. 最近工作的成就描述
4. 项目标题和描述

# 中优先级位置：
5. 工作经历标题
6. 教育背景相关课程
7. 认证和证书

# 低优先级位置：
8. 早期工作经验
9. 通用技能描述

步骤4: 关键词自然度检查

• ✅ 自然融入句子结构
• ✅ 使用上下文相关变体
• ✅ 避免重复同一短语
• ❌ 避免关键词堆砌
• ❌ 避免不相关的关键词插入

关键词优化示例

原始描述:

负责系统优化和性能提升

优化后（针对Distributed Systems岗位）:

设计并实现分布式系统架构，通过微服务拆分和负载均衡优化，
将系统处理能力提升300%，支持高并发场景下的数据一致性保证。

包含的关键词:

• 分布式系统 (Distributed Systems)
• 微服务 (Microservices)
• 负载均衡 (Load Balancing)
• 高并发 (High Concurrency)
• 数据一致性 (Data Consistency)

PDF生成与导出

PDF导出最佳实践

推荐工具:

1. Markdown to PDF:

   • 使用 wkhtmltopdf 或 pandoc
   • 保持格式一致性
   • 嵌入标准字体

2. LaTeX模板:

   • 专业排版
   • 完全可定制
   • 适合技术岗位

3. 在线工具:

   • Resume.io
   • Canva（专业模板）
   • Overleaf（LaTeX）

PDF导出检查清单

格式检查:

• 字体大小：正文10-12pt，标题14-16pt
• 页边距：0.5-1英寸
• 行间距：1.0-1.15
• 页面长度：1-2页（首选1页）
• 文件大小：< 1MB

内容检查:

• 所有链接可点击
• 联系信息准确
• 无拼写或语法错误
• 日期格式一致
• 专业邮箱地址

ATS兼容性检查:

• 使用标准字体
• 避免图像和图表
• 文本可选择（非扫描图片）
• 没有表格或列
• 文件名为: FirstName_LastName_Resume.pdf

PDF元数据:

{
  "title": "Li Ming - Software Engineer Resume",
  "author": "Li Ming",
  "keywords": "Software Engineer, Python, Distributed Systems, Kubernetes",
  "creator": "Claude Code Interview System"
}

PDF导出命令示例

使用pandoc:

pandoc data/resume/base.md \
  -o exports/Li_Ming_Resume.pdf \
  --pdf-engine=xelatex \
  -V geometry:margin=1in \
  -V fontsize=11pt \
  --toc=false

使用wkhtmltopdf:

wkhtmltopdf \
  --margin-top 0.5in \
  --margin-bottom 0.5in \
  --margin-left 0.75in \
  --margin-right 0.75in \
  data/resume/base.html \
  exports/Li_Ming_Resume.pdf

A/B测试与变体管理

简历变体版本控制

变体命名规范:

{company}_{position}_{version}_{date}.json

示例:
google_sse_l4_v1_20240115.json
amazon_sde2_l5_v2_20240120.json

变体对比功能:

{
  "comparison": {
    "variants": ["google_v1", "google_v2"],
    "metrics": {
      "keyword_density": {
        "v1": 12.5,
        "v2": 15.8,
        "improvement": "+26%"
      },
      "match_score": {
        "v1": 82,
        "v2": 89,
        "improvement": "+7"
      },
      "ats_compatibility": {
        "v1": "medium",
        "v2": "high"
      }
    
     
  

变体效果追踪

追踪指标:

• 申请数量
• 面试邀请率
• 简历通过率
• ATS评分（如果可用）
• 获得offer数量

数据结构:

{
  "variant_performance": {
    "variant_id": "google_v2",
    "applications_submitted": 5,
    "interviews_received": 3,
    "conversion_rate": 60.0,
    "offers": 1,
    "created_at": "2024-01-15",
    "last_used": "2024-01-20"
  }
}

高级优化技巧

1. 语义关键词扩展

{
  "skill_expansion": {
    "original": "Python",
    "expanded": [
      "Python",
      "Python 3",
      "PyPy",
      "Django",
      "Flask",
      "FastAPI",
      "Python编程"
    ]
  }
}

2. 行业术语对齐

• 使用目标公司的术语体系
• 采用行业标准命名
• 包含流行技术栈的完整名称

3. 量化成果增强

弱: "优化了系统性能"
强: "通过分布式缓存和数据分片，将API响应时间从500ms降至50ms，
     提升90%，同时支持10x并发请求量"

4. 动态摘要生成

基于JD动态调整Summary，突出最匹配的2-3个技能领域。

质量保证

优化后验证:

1. ✅ 所有JD关键词已包含
2. ✅ 关键词密度在目标范围内
3. ✅ ATS格式检查通过
4. ✅ 无虚假或夸大内容
5. ✅ 专业且易读
6. ✅ 文件大小合适
7. ✅ PDF导出测试通过

评分系统:

总分 100:
- 关键词匹配度 (30分)
- 内容质量 (25分)
- ATS兼容性 (20分)
- 专业性 (15分)
- 创新性 (10分)