岗位对齐简历优化
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_c864635a/optimize-resume-skill。
技能介绍
要解决什么问题
投同一 JD 时,常见痛点不是「字太少」,而是事实不可信、岗位语言不对和 ATS 初筛看不到硬性条件。机械把 JD 关键词塞进简历,容易把技术支持写成客户成功、把个人 Demo 写成客户项目,或在没证据时补团队人数、金额和结果——这些都会放大面试追问风险。
技能如何工作
本技能以猎头筛选和业务面试官追问两个视角协作,改写前先在内部建立事实账本四类条目:已确认、已否认、未知、可迁移能力;已否认优先级最高,未知不得写入终稿。
工作按意图分模式,不每次跑完整流程:
- 模式 A(仅诊断):只输出分析与缺口,不改文件。
- 模式 B + 首次门禁:针对某 JD 首次生成目标简历前,必须完成职业风险扫描、JD 前三项核心要求证据映射、ATS 可见性清单核对;存在关键缺口时最多提 5 个高价值问题并暂停写入,等用户补齐后再进模式 C。
- 模式 C:信息足够或用户已回答后,直接生成
姓名-{岗位名称}.md。 - 模式 D:在用户已有目标简历上精简、删模块或换格式,检查相邻模块一致性。
改写侧强调证据映射与职责语义分开:有过相关经历不等于已用目标岗位动词呈现;对 JD 核心要求做「证据 + 语义」双检,按参与层级选词(独立承担 / 主导 / 核心执行 / 支持),只使用用户确认的数据并保留少量真实面试钩子。交付前运行 python3 scripts/lint_resume.py 做格式与重复检查,真实性仍靠事实账本人工核对。
适用边界
不为提高匹配度编造经历、比例或 scope;不单独恢复「核心技能」模块而把技术栈堆砌到个人优势;门禁未通过时不得创建「初稿」「优化版」等目标文件。若误写临时草稿,须停止继续改写并回溯修正,不得当作最终交付。
使用场景
- 手头有目标岗位 JD 和原始简历,需要首次生成与该 JD 对齐的 `姓名-{岗位名称}.md`,且存在系统迁移或空窗期等关键缺口
- 只想知道当前简历相对某 JD 的 ATS 匹配、职业风险与证据缺口,明确要求先诊断、不要改文件
- 已在对话中确认若干事实与否认项,需要按 JD 前三项要求做证据映射与职责语义改写并前置 ATS 硬性条件
- 已有一份针对该 JD 的目标简历,需要删减无关项目、压缩弱相关 bullet 或统一关键字格式而不重做全流程
适合人员
- 准备换岗、需针对单一 JD 产出可投递 Markdown 简历、且不愿为匹配度编造数据的在职工程师
- 有多次短任期或近期空窗期,希望在写入前完成职业风险扫描并用提问补齐可解释项的求职者
- 能配合回答「补 ATS 证据还是面试钩子」类问题、接受首次优化在缺口未解时暂停写文件的候选人
- 已用本技能生成过目标简历,只需按新格式或新 JD 侧重点做模块级迭代修改的求职者