简历优化助手
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_9737c8f2/resume-optimize-lyf。
技能介绍
解决什么问题
很多简历不是经历不足,而是 bullet 太像职责说明:做了什么、怎么做的、带来什么结果没有拆开,和目标岗位的能力关键词也没有对齐。直接套模板或夸大数字,又容易失真、格式走样。
技能如何工作
该技能围绕 STAR 改写与岗位匹配排序:
- 诊断 JD:提炼硬指标、工具栈、软能力,作为改写目标。
- 忠于事实:只升级表达,不编造公司、职位、时间、数据、证书;缺量化数据时用待补标记。
- 结构化改写:把原经历重写为强动词 + 方法/工具 + 可量化结果,并逐条比对原意。
- 模块内排序:命中 JD 核心指标、硬技能、软能力的条目靠前,大模块顺序不动。
- 原格式输出:支持
docx、pdf、md、txt、图片与飞书文档,优先保留版式、字体、分栏与项目符号风格。
适用边界
它适合已有真实经历但表达不够聚焦的简历优化,不适合虚构背调或凭空造项目。未提供 JD 时只做通用优化,定向效果会弱于给定岗位说明。
使用场景
- 投递目标岗位前,把已有工作/项目经历按 JD 关键词重写成 STAR 条目并排序。
- 把 PDF 简历的文字改成更结构化表达,同时尽量保留原版式并输出可交付文件。
- 没有提供 JD 时,对通用简历做事实安全的 STAR 改写,并标记缺数据待补的位置。
- 面试季里,把同一份简历按不同岗位 JD 分别调整经历顺序和关键词表达。
适合人员
- 准备投递产品/运营岗的求职者:希望把项目经历对齐 JD 关键词,并突出可量化结果。
- 求职辅导老师:批量给学生简历做 STAR 改写、匹配度排序和缺数据标注,不虚构经历。
- 简历顾问/教练:把候选人的职责描述改成更贴近岗位的结构化表达,同时保留事实字段。
- 从技术转产品的工程师:想把工程经历重写成岗位相关表达,并保持原简历格式可用。