// AI 简历评估与优化工具。基于 STAR/BAR 框架从猎头视角评分、分析、改写简历，支持多 JD 适配分析。触发词：评估简历、简历打分、resume review、简历优化
| name | resume-coach |
| description | AI 简历评估与优化工具。基于 STAR/BAR 框架从猎头视角评分、分析、改写简历，支持多 JD 适配分析。触发词：评估简历、简历打分、resume review、简历优化 |
基于 STAR/BAR 框架的猎头级简历诊断工具。主流程由 agent 直接执行，配套脚本处理文件解析。
当用户要求：评估简历、简历打分、简历优化、resume review、对比简历与 JD 匹配度、提到 "resume-coach"
SKILL_DIR=".claude/skills/resume-coach"
# 解析 PDF/DOCX/TXT 为纯文本
python "$SKILL_DIR/parser.py" <文件路径>
询问用户提供：
如用户提供文件路径，用配套工具解析：
python .claude/skills/resume-coach/parser.py <文件路径>
直接以猎头视角分析简历，输出以下内容：
| 维度 | 满分 | 评估重点 |
|---|---|---|
| 职业定位精准度 | 20 | Profile/Summary 是否精准对准目标岗位 |
| 成果叙事质量 | 25 | 每条经历是否包含完整 STAR（情境→行动→结果）叙事 |
| 岗位匹配度 | 25 | 核心技能/经验与 JD 要求的吻合程度 |
| 数据化表达 | 15 | 成果描述中量化指标（金额/比例/人数）的使用 |
| 文笔精炼度 | 15 | 动词选用是否精准，是否存在冗余/空洞表述 |
职业定位精准度（0-20）
评估简历的求职目标是否清晰，Profile/Summary 能否让招聘方快速判断候选人适合度。
成果叙事质量（0-25）
基于 STAR/BAR 方法论，评估每条经历的叙事是否包含：情境(Situation) → 行动(Action) → 结果(Result)。
岗位匹配度（0-25）
简历中的核心技能、行业经验、工作内容与目标 JD 的吻合程度。
数据化表达（0-15）
成果描述中是否使用了具体数字来增强说服力。
文笔精炼度（0-15）
措辞是否精炼有力，动词选用是否精准，是否存在冗余表述。
## 📊 评估结果
### 综合评分：{X}/100
| 维度 | 得分 | 满分 |
|------|------|------|
| 职业定位精准度 | {n}/20 | 20 |
| 成果叙事质量 | {n}/25 | 25 |
| 岗位匹配度 | {n}/25 | 25 |
| 数据化表达 | {n}/15 | 15 |
| 文笔精炼度 | {n}/15 | 15 |
### 🎯 整体评论
{3-5 句整体评论，必须引用简历中具体内容作为佐证，不可空泛}
### ⚠️ 主要问题
❌ {问题1 — 必须指出具体是哪句话或哪个区块有问题}
❌ {问题2}
❌ {问题3-5，每条前加 ❌，换行分隔}
### ✏️ 修改建议
✅ {建议1 — 必须给出「原文 → 改写」范例}
✅ {建议2 — 必须给出「原文 → 改写」范例}
✅ {建议3-8，每条前加 ✅，换行分隔}
### 📐 格式建议
📐 {格式建议1 — 仅限字体/字号/排版/间距}
📐 {格式建议2-5，每条前加 📐，换行分隔}
每个 JD 必须独立评分，给出适配分数和契合度分析：
### 📊 各职位适配分数
| 职位 | 分数 | 评估 |
|------|------|------|
| 职位 1 | {n}/100 | {高度契合 ≥80 / 部分契合 60-79 / 契合度低 <60} |
| 职位 2 | {n}/100 | {...} |
{每个职位 2-3 句说明契合原因，需引用简历具体内容与 JD 具体要求做对照}
核心约束（必须遵守）：
优化要点：
直接输出优化后的完整简历全文。
若用户需要保存，将评估结果 + 优化简历整理为 Markdown 文件，使用 Write 工具写入用户指定路径。
文件结构：
# 简历评估报告 — {姓名}
## 📊 评估结果
（评分表格 + 评论 + 问题 + 建议）
## 📝 优化后的简历
（完整优化简历文本）