智能简历优化

要解决的问题

简历没回音往往不是能力不够，而是岗位 JD 与个人履历没有对齐：关键词缺失、经历空泛、项目成果不突出，甚至公司类型偏好错位。传统改简历多依赖感觉，缺少对标样本和诊断依据。

工作流

该技能按固定五步执行：

• 信息收集：要求提供目标岗位名称、行业、城市、公司类型、年限等，并整理教育背景、经历、项目、量化成果和技能证书；信息不全不启动优化。
• JD 对标：围绕猎聘、BOSS 直聘等招聘平台数据，检索岗位关键词，提炼职责、硬性要求、项目偏好、技能证书与成果导向，再拆为基础必备、进阶加分和差异化竞争三层。
• 匹配诊断：将个人履历与 JD 要求逐项映射，识别匹配点、短板、空白项和冗余项，并给出高、中、低、缺失评级。
• 简历重构：按 STAR 法则重写工作项目，优先量化成果，植入岗位关键词，并按大厂、中小企业或初创公司偏好调整侧重点。
• 交付输出：生成 JD 诉求清单、匹配诊断报告、可投递简历和亮点总结；默认使用 resume-template.html 输出 HTML，同时提供纯文本或 Markdown 版本。

适用边界

它更适合有真实履历基础、需要针对特定岗位做结构化优化的场景。对跨行求职会强调可迁移能力，但不会补齐不存在的技能或项目。最终内容仍需人工核对联系方式、时间线和投递平台格式要求。