// 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。
| 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 |
当用户需要：
使用 jd-analyzer Skill 提取：
读取 data/resume/base.json 并：
针对目标公司调整简历：
{
"optimizations": {
"highlighted_skills": [
"Distributed Systems",
"Machine Learning",
"Python",
"Go"
],
"skills_reorder": {
"programming_languages": ["Python", "Go", "Java"],
"concepts": ["Microservices", "Cloud Computing", "System Design"]
}
}
}
技术类：
管理类：
成就类：
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": [
"skills",
"projects",
"work_experience",
"education"
]
},
"modifications": {
"summary": {
"original": "资深软件工程师...",
"optimized": "资深软件工程师，专注于分布式系统和机器学习..."
},
"work_experience": {
"exp_001": {
"achievements_modified": [
{
"original": "优化系统性能",
"optimized": "设计并实现高并发订单处理系统，处理能力提升300%，支持分布式部署"
}
]
}
}
}
}
重点突出：
关键词：
重点突出：
关键词：
重点突出：
关键词：
重点突出：
关键词：
# 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
不同的ATS系统有不同的解析特点，需要针对性优化：
特点:
优化策略:
禁止:
推荐:
特点:
优化策略:
优势:
特点:
优化策略:
最佳实践:
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": 4, "weight": 1.0},
{"keyword": "API Design", "frequency": 3, "weight": 1.0}
],
"semantic_variations": [
{"original": "Scalability", "variations": ["scale", "scalable", "scaling"]},
{"original": "Reliability", "variations": ["reliable", "availability", "high-availability"]}
]
}
}
步骤2: 计算关键词密度
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
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:
推荐工具:
Markdown to PDF:
wkhtmltopdf 或 pandocLaTeX模板:
在线工具:
格式检查:
内容检查:
ATS兼容性检查:
FirstName_LastName_Resume.pdfPDF元数据:
{
"title": "Li Ming - Software Engineer Resume",
"author": "Li Ming",
"keywords": "Software Engineer, Python, Distributed Systems, Kubernetes",
"creator": "Claude Code Interview System"
}
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
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"
}
},
"recommendation": "使用v2版本，关键词密度更优"
}
}
追踪指标:
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"
}
}
{
"skill_expansion": {
"original": "Python",
"expanded": [
"Python",
"Python 3",
"PyPy",
"Django",
"Flask",
"FastAPI",
"Python编程"
]
}
}
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"
基于JD动态调整Summary，突出最匹配的2-3个技能领域。
优化后验证:
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)
职业发展顾问。分析技能差距、推荐学习路径、规划职业发展、指导角色转换。帮助你做出战略性的职业决策。
智能协调器，编排多个技能和命令完成端到端的工作流。自动规划和执行复杂的多步骤任务。
AI面试教练，提供全面的面试准备、模拟和反馈。覆盖技术面试、系统设计、行为面试（STAR法则）、HR面试。生成面试题、模拟真实面试、提供详细反馈和改进建议。当用户准备面试或进行模拟面试时自动触发。
分析职位描述（JD）以提取关键信息、技能要求、资格条件。识别核心技能、软技能、经验要求。用于简历匹配、面试准备、技能差距分析。当用户提供JD文本或添加公司信息时自动触发。
LinkedIn职位导入器。解析LinkedIn职位发布，提取JD和公司信息，批量导入求职系统。
薪资谈判专家。分析Offer、进行市场调研、生成谈判策略、起草还盘、对比多个Offer。帮助你获得最优薪资package。