简历 JD 匹配与面试教练
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_779160b5/job-application-coach。
技能介绍
要解决的问题
简历和面试准备通常是脱节的:简历里堆满「具备领导力」式的形容词,招聘方真正要找的却是能扛得住追问的事实证据。另一种常见失败是把改写当成升级:为了更好看,把「参与」改成「主导」,把记不清的数字填成精确值,这已经越过了表达优化,属于虚构经历。
核心能力与工作方式
该技能把求职准备串成一条证据链:JD → 理想候选人画像 → 证据映射 → 简历改写 → STAR 故事 → 面试问题预测。
- 解析 JD 时区分硬性条件与隐性推断,未写明的字段标记为
Unknown,隐性要求以「基于动词/场景/结果的合理推断」单独列出。 - Job Fit Score 是 0–100 的启发式覆盖度评分,但任何缺失的 Must Have 都是独立的
Critical Gap,不会被总分掩盖;输出的是依据、缺口、未知项和风险,而不是「录取概率 83%」这样的数字。 - 简历改写遵循六项标准(成就导向、可量化、针对性等),Bullet 尽量覆盖
Action + Scope/Context + Method + Result/Impact。 - 量化时先追问范围、规模、频率、团队、成本和影响;用户没有数字就写「待确认」,绝不代为估算。
- 面试准备输出结构化题卡:
Question → Intent → Evidence → Structure → Follow-up;模拟面试一次只问一题,Interviewer Mode 只提问、challenge 和验证证据,不提供提示。 - 事实、推断、未知全程分开标注:每条简历主张都要能过追问,简历、STAR 故事与面试回答必须互相一致。
适用边界
- 方法来自 The Google Resume(2011)的本地原文,是工程化应用层而非读书摘要;书中具体公司与流程只作历史案例,当前市场信息需另行核验。
- 适合以经历和面试证据为主的岗位;公务员、事业单位等强考试型岗位超出知识边界,应交给专门资料处理。
- 技术面规则只在 JD 明确要求时启用,不泛化到所有岗位。
使用场景
- 拿到一份目标职位 JD,需要逐条比对自身经历,找出硬性条件缺口与证据盲区
- 申请前需要基于 JD 重写简历 bullet,把参与经历整理成可量化的行动与结果陈述
- 面试临近,需要用 STAR 结构组织行为题答案,并进行逐题追问的模拟面试
- 收到 Offer,需要复盘薪资、职级与业务风险,制定谈判或拒绝话术
适合人员
- 准备投递新岗位的工程师,希望验证项目经验是否匹配 JD 的核心职责
- 第一次求职的应届生,需要从课程和实习中筛选能通过追问的真实证据
- 转岗或跨行业再求职者,需要把过往经历拆解为可迁移能力并接受面试检验
- 已进入终面的候选人,希望按职位要求梳理谈判依据并识别条款风险