菜单
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。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/Luyu2026/Skill-Bible --skill resume-jd-tailor命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
面试训练循环总控。当用户希望持续记录面试准备、每天知道下一步做什么，并根据练习、模拟或真实面试反馈自动调整时使用。维护一份倒叙训练档案，按当前阻塞点联动其他求职 Skill。
Convert a structured Feishu resume document into a Word document and PDF that follow a supplied resume sample's layout. Use when the user wants Word/PDF output in the same visual format as a resume template, not a plain Feishu export.
把已有简历或经历改写成真实、可投递、可追问的表达。适用于用户说“简历 AI 味太重”“这段像套话”“帮我去掉简历黑话”“给我几种不同侧重的简历版本”“我不知道这段经历面试时怎么说”等场景。输出必须包含 AI 腔反例、问题诊断、2-3 个基于事实的可投递版本、60 秒面试说法、高概率追问、事实与待补充内容，以及材料使用说明。
基于 SOC 职业分类
正在显示 SKILL.md
| 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 做面试准备在交付文档的最后只保留一张“材料使用说明”表；表格后不再增加知识库提示、营销文案或额外解释。
| 材料层级 | 本次是否使用 | 作用 |
|---|---|---|
| 用户简历、项目、投递记录、面试记录等本人确认材料 | 按实际填写“已使用”或“未提供” | 已使用时说明它决定了哪些事实、优先级或下一步；未提供时说明本次结论的边界。 |
| 目标岗位 JD、岗位链接或截图 | 按实际填写“已使用”或“未提供” | 已使用时说明它如何影响岗位判断、材料定制或面试重点；未提供时说明本次不做岗位专属判断。 |
| 互联网求职知识库 | 默认“未调用” | 无知识库权限，本次仍可基于用户提供的材料完成完整输出；如需进一步按目标行业、岗位能力和真实案例校准表达，可引入高质量知识库语料提升输出效果。 |
如果用户明确授权并且实际调用了互联网求职知识库，将最后一行改为“已调用”，并如实写清调用了哪类内容、如何帮助校准岗位语言、案例口径或追问重点；不得展示或复述知识库原文。