Agent Skills
返回列表
互联网求职简历修改

互联网求职简历修改

办公效率 更新于 2026.08.29

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_37716415/resume-polishing。

技能介绍

要解决什么问题

互联网岗位投递时,常见问题不是「没经历可写」,而是已有事实与目标 JD 的术语、职责层级和证据链对不上:经历堆执行细节、指标口径说不清、产品/技术/运营混用一套话术,甚至为了「像 JD」而被动补数字。本技能面向自助润色:只在候选人已提供或可确认的事实上改稿,并把 JD 当作可追溯证据,而不是让模型替你编项目。

技能如何工作

默认主流程可以概括为:目标与岗位画像 → JD 证据表 → 主线与证据草案 → 必要追问 → 用户确认 → 逐段修改 → 完整稿/岗位报告。

  • 输入与解析:接受 DOCX、纯文本或 LaTeX 简历;用 scripts/parse_resume.py 保留 raw_text,解析失败则停止,不用生成内容顶替丢失段落。
  • JD 收敛:用户 JD 脚本输出需符合 references/jd-schema.md,经 validate_jd_json.py 校验;具体岗位先走代表性 JD(2–3 条)确认岗位理解,再扩展到去重后约 20–30 条做市场共性;jd_analysis.py 的统计必须基于完整原文,不用关键词摘要冒充覆盖度。
  • 证据与改稿:从 JD 语料提取硬技能、协作方式与表达缺口,建立 JD 证据表(修改理由可引用 JD URL)。改稿采用经历隔离:一次只处理一个经历段,必要时用 fact_questions.py 逐轮追问;回答后走事实挑战门(矛盾、职责越权、指标口径/趋势异常等),hard challenge 未解决不得写入正文。
  • 主线门控:逐段改写前必须产出并展示 storyline 证据草案(删留、顺序、详略、职责边界、JD 覆盖与缺口)。用户未确认时,不得交付角色向完整简历或 PDF;角色冲突时 risk_analysis.py 会要求选择理想方向、市场方向或双版本。
  • 交付:输出逐段对照表(原文/评分/修改稿/理由/JD 依据)、完整修改稿、resume_checks.py 结构检查,以及 JD 市场洞察与发展建议(措辞为建议路径,非保证预测)。

适用边界与注意点

  • 不会主动挖掘、推测或编造候选人经历;缺失事实标注「原材料未提供」,指标不清只推荐定义与待补口径。
  • 不得把「参与」无证据升格为「负责/主导」,不得在 check_rewrite_safety 触发时继续硬改职责级别或新增数字。
  • 无 JD 时只能给「待 JD 验证的候选表达」,不能把常识写成市场事实;用户拒答岗位理解时可走 JD-led,但需声明无法校验个人期望。
  • 多源 JD(如扩展中的独立 provider)会保留来源与权限状态,语料不足 20 条时报告短缺,不复制 JD 凑数。

使用场景

  • 已有 Word 简历和字节/美团风格 JD 抓取脚本,需要把 stdout 校验成统一 JSON 再提取高频要求改表述
  • 目标岗位明确为算法或增长运营子方向,要先确认 2–3 份代表性 JD 与自我岗位理解一致再扩语料
  • 某段实习只有零散执行动作,需要先按经历隔离用单轮追问补目标与指标口径,再过证据草案才改段落
  • 补充事实后回答与原简历时间线冲突,需要走事实挑战门标记 unresolved 或 explicitly_unverified 后再决定是否写入正文

适合人员

  • 校招/社招投递 P/T/M 序列、简历事实齐全但措辞与目标 JD 高频能力脱节的产品/研发/运营候选人
  • 自建 JD 搜索脚本并愿意按 jd-schema 交付 JSON、希望岗位报告基于 20–30 条去重语料而非臆测的互联网求职者
  • 经历指标含糊或职责边界不清、接受多轮单问题追问与 storyline 确认后再出完整稿的转行或短实习投递者
  • 担心润色会把参与写成主导,需要 JD URL 级修改依据与职责升级安全检查的谨慎改稿用户