简历优化器

要解决什么问题

同一份简历投不同岗位时，JD 里的技能栈、行业术语和软技能要求往往对不上；手工改稿容易漏关键词、经历写成了职责清单却没有 STAR 结构，Word 里还有表格和图片，ATS 解析后直接丢分。本技能把「读懂 JD → 对照现有简历 → 出稿 → 排版与 PDF」串成一条可重复流程，而不是只给几句泛泛的改写建议。

技能如何工作

输入：招聘链接或粘贴的 JD 文字，以及你的现有简历（文字或文件）。

1. JD 获取与解析：链接可用 scripts/fetch_job_url.py 抓取职位名称、职责与技能要求；失败则改用手动提供的 JD 文本。
2. 关键词与差距分析：从 JD 提取约 20–30 个核心技能词、工具与技术、行业术语及软技能；对照简历找出缺失项，并用 STAR 检查每段经历是否具备情境、任务、行动、结果，以及是否有量化数据。
3. 优化方案：按 黄金三角（真实性、定制化、价值量化）与「量化成就、ATS 关键词、技能分层、视觉层级、职业故事线」等模型，为各段工作经历给出具体改写建议并生成内容草稿。
4. 成稿与导出：按岗位选 assets/templates/ 下通用模板或 AI 产品经理模板，由 scripts/generate_resume.py 写入结构化 JSON 内容，输出 Word 或 PDF（投递侧通常以 PDF 为主）。
5. A/B 两版：同岗位至少做保守版（稳定、关键词全覆盖）与激进版（创新成果、强量化），再按关键词匹配、ATS 兼容与「10 秒浏览」体验做对比后择一投递。

方法论与 ATS 细节分别见 references/optimization-methodology.md、references/ats-optimization-guide.md 等参考文档。

适用边界与注意点

• 链接抓取受站点结构影响可能失败，需准备 JD 文字备用。
• 内容优化由智能体主导，脚本负责抓取与文档生成；不得虚构项目或经历。
• 页数：不足 5 年经验控制在 1 页，5 年以上 1–2 页且不超过 2 页；排版上避免表格与图片，统一黑体、10.5–11pt，以利于 ATS 可读。