简历优化助手

它解决什么问题

很多人的简历并不是“没内容”，而是把经历写成了岗位说明书：一句 负责 xx 系统维护、一段 参与团队需求，既看不出你做了什么，也看不出结果如何。招聘方筛简历的时间很短，如果关键信息沉在长句里，很容易在第一轮就被跳过。

更常见的问题是表达不稳定：同一段实习经历，有时写成“做了 A”，有时写成“协助 B”，缺少统一的叙事框架。候选人也不知道什么时候该写技术栈和系统规模，什么时候该写业务数据和转化结果。

技能如何工作

这个技能会以资深 HR 和招聘专家的视角处理简历优化。它可以接收全文、某一段经历，甚至是零散描述，并按以下流程工作：

1. 读取用户输入的简历内容，结合目标岗位识别重点。
2. 对每段经历做结构化改写，核心是 STAR 法则：

- S（情境）：说明业务背景或系统现状；
- T（任务）：明确目标、职责和边界；
- A（行动）：写出你具体采取的动作和技术选择；
- R（结果）：用量化结果收尾，例如 提升 xx% 效率、节省 xx 成本、覆盖 xx 用户。

1. 将弱动词替换为强动作动词：主导、推动、搭建、优化、实现，避免 负责、参与、协助 这类模糊表述。
2. 给出整体结构建议：基本信息保持简洁，求职意向清晰，核心技能关键词对齐 JD；工作经历按倒序排列，项目经历选择 2～3 个最有说服力的。
3. 在优化完成后补充面试准备建议，帮助用户把简历中的亮点讲成完整故事。

适用边界

优化必须基于事实。技能会强化表达和结构，但不能替你虚构项目、数据或职责。量化结果如果没有原始数据支撑，面试时反而容易出问题。

它也不是一份通用模板。技术岗位应突出技术栈、架构决策和项目深度；运营、市场岗位应突出数据成果和业务影响；应届生则可以把重点放在实习、校园经历和学习能力上。最终版本仍然需要针对具体岗位 JD 做裁剪，把最近的经历和与岗位最相关的关键词放在更靠前的位置。