简历ATS与面试优化

它解决什么问题

ATS（申请人追踪系统）在简历进入人工视野之前，会先按关键词匹配做一轮筛选。候选人常见的困境是：手头只有一份通用简历，海投之后没有任何回音；对着职位描述分不清哪些是硬门槛、哪些只是加分项；面试准备停留在「刷题 + 临时编行为题答案」的水平，缺乏结构化输出。这个技能要处理的就是从 JD 到材料、再到面试准备的这一段链条。

核心能力

• 职位解析：从目标 JD 中拆出必需技能、优先技能、工作年限、技术与软技能、学历、证书和工具，同时抓取关键词（行业术语、技术黑话、行为动词、公司价值观、岗位特有用语、ATS 关键词）和文化信号（工作方式、价值观、环境是 startup/enterprise/remote、领导风格、团队动态）。
• 差距评估：把候选人逐条对照要求，每条标记为 met、partial 或 gap，并列出简历里缺失的关键词。
• 三类交付物：

- 简历优化：重写 summary、经历 bullets、技能区，量化成果，处理 gap，最后跑一遍 ATS checklist（见 references/resume-optimization.md）。
- 求职信：开头钩子点明岗位，用数据匹配 2-3 条核心要求，体现对公司做过功课，结尾给出行动号召（见 references/cover-letter.md）。
- 面试准备：生成技术题与行为题、deep-dive 主题、反问面试官的问题和一份面试前 checklist（见 references/interview-prep.md）。

工作流程

1. 先识别任务类型：简历定制、求职信生成、面试准备、技能差距分析或整体投递策略。
2. 收集输入：当前简历、目标 JD、可选的 LinkedIn 主页、职业目标和任何约束条件。
3. 解析 JD，按上面的维度做抽取。
4. 对照要求打分并列出缺口。
5. 选对应模板产出交付物。
6. 交付前自检：是否贴合要求、关键词是否自然出现而非堆砌、成果是否量化、是否体现文化契合、是否 ATS 友好、有无语法错误。

适用边界

• 输出质量依赖输入质量：需要提供真实的简历和目标 JD，信息缺失时产出会建立在假设之上，建议核对后再投递。
• 它优化的是材料与策略，不承诺拿到 offer，也不代替真实面试练习。
• 安全边界：不自动安装依赖、不修改系统权限、不创建持久化任务、不执行下载内容；涉及发送、发布、删除、付款、部署等外部写入时，先展示目标与影响并取得明确确认；凭据只用于用户指定的官方服务，不回显、不记录、不转发；命令和代码默认仅作参考，只有用户明确要求且目标范围清楚时才可运行。