メニュー
根据目标岗位 JD、候选人原始简历/低颗粒经历、求职方向和可选参考知识库，生成岗位定制简历改写方案。适用于用户说“根据这个 JD 改简历”“这段经历能投什么岗位”“把校园/社团/项目经历写成运营/产品/市场简历”“生成匹配岗位的简历 bullet”“调用简历知识库优化简历”等场景。输出必须包含岗位匹配判断、经历挖掘、改写策略、可投递简历 bullet、数据占位/证据缺口、JD 关键词覆盖和飞书/Markdown 交付。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
| name | resume-jd-tailor |
| description | 根据目标岗位 JD、候选人原始简历/低颗粒经历、求职方向和可选参考知识库，生成岗位定制简历改写方案。适用于用户说“根据这个 JD 改简历”“这段经历能投什么岗位”“把校园/社团/项目经历写成运营/产品/市场简历”“生成匹配岗位的简历 bullet”“调用简历知识库优化简历”等场景。输出必须包含岗位匹配判断、经历挖掘、改写策略、可投递简历 bullet、数据占位/证据缺口、JD 关键词覆盖和飞书/Markdown 交付。 |
把低颗粒、弱表达、跨方向的经历改写成贴合目标 JD 的简历材料。目标不是把经历“包装得更厉害”，而是把用户真实做过的事翻译成目标岗位能读懂的证据。
尽量收集以下信息；缺失时先合理假设并标注缺口：
默认可参考用户私域里的简历写作知识库：
https://gte09oerz5.feishu.cn/wiki/HDbTwrxIoinTQqkaGIvcVheznUj
使用规则：
简历改写分四类信息，必须显式区分：
用户事实：用户原文明确提供的信息合理转译：把用户事实换成目标岗位语言，不改变事实待确认补充：需要用户补数据、规模、动作细节、结果示例口径：为了帮助用户理解而给出的示例指标或表达，不能当作真实经历不要把 待确认补充 或 示例口径 写成已经发生的事实。简历可以更会表达，但不能替用户编经历。
提取四类信息：
业务场景：岗位服务的用户、业务、产品、渠道或增长场景关键任务：入职后要承担的动作，例如拉新、留存、转化、内容、策略、数据、项目推进能力要求：岗位显性要求和隐性能力，例如用户洞察、数据分析、活动策划、跨团队协作关键词：简历需要覆盖的岗位词、业务词、能力词、工具词输出 4-6 个岗位能力维度，并给每个维度标注简历证据需求。
把原始经历拆成证据库存：
如果用户只给低颗粒经历，例如“电竞社社员，负责日常事务”，先不要直接改写。先做方向匹配。
当目标岗位不明确时，先给 3-5 个可投方向，并打分：
匹配分：原经历和岗位能力的重合度可写证据：已有经历能支持哪些 bullet缺口：缺少哪些数据、项目深度或岗位关键词优先建议：先投什么方向，为什么例如电竞社经历可以往用户运营、社群运营、活动运营、内容运营、市场活动等方向转译，但要分别说明证据强弱。
如果用户提供飞书文档或默认简历知识库可访问：
lark-doc 读取 outline。如果本地/私域材料不足以支撑高质量改写，或用户要求进一步参考外部项目，可以查 GitHub 上的 resume / cv / resume tailoring / ATS resume / job matching 项目。参考它们的产品机制，而不是照搬简历内容。
重点观察：
高星只是热度信号，不是采用结论。
对低颗粒经历，不要用“丰富版/精修版”这种让用户二次判断的结构。直接输出三层内容：
可切入岗位：这段经历可以往哪些岗位/岗位族靠，按推荐程度排序。对应岗位怎么写：每个岗位应该抓哪类问题、动作和指标。直接可复制版本：给用户一版可以直接放进简历的改写稿，保留 [待补充] 数据占位。每个可切入岗位的写法包含：
[待补充真实数据] 和示例口径直接可复制版本要求：
推荐表达骨架：
[岗位方向]：围绕 [目标/问题]，通过 [调研/诊断方式] 识别 [关键问题]，从 [动作维度1/2/3] 推动 [具体动作]，最终实现 [指标结果/待补充指标]。
默认输出一份“岗位定制简历改写文档”，必须包含：
岗位速读：一句话说明这个 JD 最想要什么人匹配度判断：用户经历与目标岗位的匹配分、优势、风险JD 关键词地图：岗位关键词、简历覆盖状态、待补关键词改写策略：每段经历应该往哪个岗位能力上靠可切入岗位与写法：列出可切入岗位，以及每个岗位如果要写经历应该怎么写直接可复制改写版本：给出可以直接放进简历的最终文本，必要时提供 2-3 个岗位方向版本一页简历排序建议：哪些经历放前面，哪些弱化素材补齐清单：需要用户补的真实数据、证明材料、项目细节面试复用提示：这段简历后续面试可能怎么被追问输出优先级：
lark-cli 且已授权，必须使用 lark-cli docs +create --api-version v2 创建飞书文档，默认 doc-format 走 XML。不要用 Markdown 导入或把 Markdown 文件上传成飞书文档。飞书文档标题建议：
<公司或岗位> 简历定制改写
本地 Markdown 文件建议保存到当前工作目录的 resume-tailors/ 下，文件名使用：
<公司或岗位>-简历定制改写.md
飞书 XML 文档至少包含：开头 callout、岗位速读、匹配度判断、JD 关键词地图、可切入岗位与写法、直接可复制改写版本、素材补齐清单和面试复用提示。
交付前自检：
interview-prep-brief 做面试准备基于岗位 JD、候选人简历/项目、已有面试备书或题库，生成一面、二面、三面/终面、HR 面的多轮面试准备文档。适用于用户说“按一二三面准备”“面试全流程题库”“每轮面试高概率题和答案”“在面试备书基础上继续拆轮次”“给我可直接使用的面试回答”等场景。输出必须用表格呈现每轮高概率题、考察点、回答思路、可直接开口答案和追问预判。
根据用户要面试的岗位 JD、公司、候选人背景、已有题库或飞书求职知识库，生成岗位专属面试备书文档。适用于用户说“围绕这个岗位准备面试”“生成可能面试题和答案”“模拟面试官追问”“从 JD 反推面试题”“调用大厂面试真题解析做备面”等场景。输出必须包含岗位能力模型、高概率题目、答案骨架、追问链路、评分标准、个人素材补齐清单，并标注题目来源级别。
根据面试录音转写、PDF/Markdown/飞书文档/纯文本记录，提炼真实面试问题、识别候选人原回答问题，并生成下一次可直接使用的回答。适用于用户说“复盘这场面试”“从录音里提炼面试题”“把这场面试变成下次可用答案”“根据面试录音生成飞书复盘文档”等场景。输出应包含问题地图、问题复盘、补充材料清单和下次练习计划。
段永平的思维框架与表达方式。基于WebSearch多轮真实调研（6维度：著作/对话/表达DNA/他者评价/决策记录/时间线）， 提炼5个核心心智模型、8条决策启发式、完整的表达DNA，收录泡泡玛特转折等近期争议。 用途：作为思维顾问，用段永平的视角分析问题、审视决策、提供反馈。 当用户提到「用段永平的视角」「段永平会怎么看」「本分」「敢为天下后」时使用。 即使用户只是说「帮我用段永平的角度想想」「如果段永平会怎么做」「切换到段永平」也应触发。 触发词包括但不限于：「段永平」「大道」「本分」「stop doing list」「慢就是快」「敢为天下后」「平常心」。
马斯克的思维操作系统。基于传记、播客、推文、法庭证词、决策记录和外部批评的深度调研， 提炼5个核心心智模型、8条决策启发式和完整的表达DNA。 用途：作为思维顾问，用马斯克的视角分析问题、审视决策、拆解成本结构、挑战行业假设。 当用户提到「用马斯克的视角」「马斯克会怎么看」「Musk模式」「马斯克perspective」「elon perspective」时使用。 即使用户只是说「这个成本合理吗」「从第一性原理想想」「白痴指数是多少」「五步算法」「能不能垂直整合」也可触发。 不要在用户只是问「能不能更快」「流程有必要吗」等一般性问题时触发——只在涉及成本拆解、第一性原理、激进迭代等马斯克核心方法论时激活。
理查德·费曼的思维框架与表达方式。基于40+个一手来源的深度调研， 提炼5个核心心智模型、8条决策启发式和完整的表达DNA。 用途：作为思维顾问，用费曼的视角分析问题、审视决策、提供反馈。 当用户提到「用费曼的视角」「费曼会怎么看」「费曼模式」「feynman perspective」「费曼学习法」时使用。 即使用户只是说「这是不是cargo cult」「命名不等于理解」「能不能做个演示替代论证」「我真的理解了还是只记住了名字」也可触发。 不要在用户只是说「帮我解释一下」「用简单的话说」等一般性请求时触发——只在涉及费曼式验证（货物崇拜检测、命名vs理解、反自欺）时激活。