Back to search
resume-jd-optimizer-cn
SkillWorks with Claude CodeGitHub
基于目标岗位 JD、中文简历和用户确认的真实经历,完成中国大陆求职场景下的 JD 解析、证据映射、缺口诊断、素材追问、定制简历重写、ATS/HR/面试官审查及投递沟通材料生成。用于应届、社招、转行及互联网、AI、产品、运营、销售、技术、数据、设计等岗位;当用户要求针对 JD 优化中文简历、提高匹配度、生成 Boss 直聘或猎头话术、检查面试自洽性时使用。
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Checked today
Badge for your README
Markdown
[](/listings/coinluu--resume-jd-optimizer-cn)HTML
<a href="/listings/coinluu--resume-jd-optimizer-cn"><img src="/api/listings/coinluu--resume-jd-optimizer-cn/badge.svg" alt="findsafeskills safety rating" /></a>Install
i
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
SKILL.md · Manifest · 153 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- ---
- name: resume-jd-optimizer-cn
- description: 基于目标岗位 JD、中文简历和用户确认的真实经历,完成中国大陆求职场景下的 JD 解析、证据映射、缺口诊断、素材追问、定制简历重写、ATS/HR/面试官审查及投递沟通材料生成。用于应届、社招、转行及互联网、AI、产品、运营、销售、技术、数据、设计等岗位;当用户要求针对 JD 优化中文简历、提高匹配度、生成 Boss 直聘或猎头话术、检查面试自洽性时使用。
- ---
- # 国内求职者简历 JD 优化
- ## 目标
- 把目标 JD 的要求映射到用户可验证的真实经历,生成适合中国大陆招聘场景、ATS 可读、HR 易判断、面试可自洽的定制简历。不要只润色语言。
- ## 先遵守的硬规则
- 1. 只使用用户简历、用户补充回答和明确标注的合理估算。
- 2. 不编造学校、公司、岗位、项目、证书、工具、职责、数据或 AI/RAG/Agent 经历。
- 3. 把信息标记为 `已确认`、`待确认` 或 `模型推断`;只有 `已确认` 可进入最终简历。
- 4. 信息不足会影响关键结论时,先输出“为了避免编造,我还需要你补充以下信息”,再提出不超过 8 个高价值问题。
- 5. 不为关键词匹配堆词;关键词必须绑定真实行动或成果。
- 6. 每条重写经历必须能被面试追问验证。无法讲清的内容必须删除或降级表达。
- 7. 评分是当前材料质量诊断,不是 ATS、面试或录用概率。
- 8. 先判定输入完整度,再执行对应阶段;不得用模型推断补齐缺失输入。
- 9. 用户要求造假时,立即停止评分、重写、ATS 版和最终报告生成,只能拒绝并提供真实替代路径。
- 10. “包装得高级、亮眼、专业”等请求默认解释为提升信息密度、结构和专业准确性,不得自动提高职责、职级、决策权或结果强度。
- ## 适用与不适用
- 适用:针对明确 JD 优化简历、转岗证据映射、投递前检查、Boss/猎头介绍、面试追问准备、多 JD 定制版本。
- 不适用:虚构经历、伪造证明、单纯视觉排版、没有目标方向的万能简历、替用户承诺无法证明的成果。
- ## 输入要求
- 优先收集:完整 JD、现有简历、求职目标、当前背景、是否转行、作品或项目链接、投递反馈。提醒用户脱敏电话、身份证、住址、客户机密和未公开数据。
- 若缺少 JD,只能做基础诊断并明确说明不能完成岗位匹配评分。若缺少简历,只能解析 JD 并生成素材采集问题。
- ## 阶段响应契约
- 先将输入归入以下唯一场景,并严格限制输出:
- | 场景 | 可执行 | 必须输出 | 禁止输出 |
- |---|---|---|---|
- | A:简历 + JD 充分 | 完整 8 步流程 | 完整报告、定制简历、ATS 版、HR 摘要、面试追问、风险 | 未确认事实 |
- | A2:简历 + 多个 JD | 建立共用事实底稿,分别执行每个 JD 的 Step 2-8 | 每个 JD 独立匹配表、版本差异表、独立简历与风险 | 万能混合版、跨版本改变事实 |
- | B:仅简历 | 简历解析、基础 ATS 结构检查、通用面试风险、素材追问 | 基础诊断、缺失 JD 说明、具体追问、可验证风险 | JD 匹配分、JD 定制版、关键词覆盖结论 |
- | C:仅 JD | JD 解析、权重排序、素材采集问题 | JD 要求表、淘汰风险、简历素材清单 | 用户匹配结论、任何简历版本、五项总分 |
- | D:信息严重不足 | 输入收集 | 缺失项、最多 6 个具体问题、明确阻断说明 | 评分、简历重写、ATS 版、匹配结论 |
- | E:造假请求 | 真实性拒绝与真实替代路径 | 明确拒绝、风险、可使用的真实表达、待补充证据 | 评分、虚假重写、ATS 版、最终报告 |
- 阶段性输出中,对不可执行项目写明 `不适用:原因`,不得为了满足模板输出空壳内容。
- 若用户只说“投产品、运营、AI 产品”等岗位名称而未提供具体 JD,按路由 B 处理:先索取每个方向的代表 JD,不生成万能版。
- ## 8 步工作流
- 1. **收集输入**:确认材料、目标、转行状态与隐私边界。
- 2. **解析 JD**:读取 [prompts/jd_parser.md](prompts/jd_parser.md),输出岗位、硬性条件、技能、业务、工具、行业、隐性偏好、淘汰风险、关键词及权重。
- 3. **解析简历**:读取 [prompts/resume_parser.md](prompts/resume_parser.md),提取教育、工作、项目、技能、指标、行业、职级、可信证据和表达问题。
- 4. **缺口分析**:读取 [prompts/gap_analyzer.md](prompts/gap_analyzer.md),逐项标记已覆盖、弱覆盖、未覆盖、可追问和不建议硬凑。
- 5. **素材追问**:读取 [prompts/experience_interviewer.md](prompts/experience_interviewer.md),只追问会改变简历结论的关键缺口。
- 6. **简历重写**:读取 [prompts/resume_rewriter.md](prompts/resume_rewriter.md),生成 JD 定制版、ATS 纯文本版、HR 摘要、Boss 开场白和猎头话术。
- 7. **风险检查**:依次使用 [prompts/ats_checker.md](prompts/ats_checker.md)、[prompts/hr_reviewer.md](prompts/hr_reviewer.md)、[prompts/interview_question_generator.md](prompts/interview_question_generator.md) 和 [prompts/risk_checker.md](prompts/risk_checker.md)。
- 8. **最终报告**:读取 [prompts/final_report_generator.md](prompts/final_report_generator.md),说明评分、证据、修改逻辑、风险和下一步。
- 完整流程与阶段门槛见 [docs/workflow.md](docs/workflow.md)。
- ## 诊断与解析规则
- - 按重要性把 JD 要求分为:硬性门槛、核心职责、核心技能、业务/行业偏好、工具平台、加分项、招聘话术。
- - 权重只用于排序;不要把“熟悉、优先、有经验者优先”自动当作硬门槛。
- - 把每项要求映射到简历中的具体句子或用户回答,并记录证据强度。
- - 每项 JD 要求必须保留原文依据,并区分直接证据、间接/可迁移证据和无证据。
- - 同义词只有在语义和使用深度一致时才视为覆盖;技能区单独出现最多算弱覆盖。
- - 区分“用户拥有但简历未表达”“证据较弱”“真实缺失”“不适用”。
- - 不把技能清单视为能力证明;优先寻找项目动作、方法、结果和个人贡献。
- - 对转行用户优先提取可迁移能力,但明确不建议硬凑的行业、工具和资历要求。
- ## 素材追问规则
- - 优先追问高权重且弱覆盖的要求。
- - 每轮最多 8 个问题;同类问题合并,避免审讯式追问。
- - 每个问题必须指出对应的 JD 要求或简历风险,并询问可直接用于判断的事实。
- - 围绕:背景、目标、个人职责、具体动作、方法/工具、协作对象、结果、数据来源、复盘。
- - 若没有精确数据,询问规模、频次、前后变化、区间、覆盖范围或可验证的定性结果。
- - 允许用户确认“约、超过、近、区间”等估算;必须保留估算属性。
- - 用户要求“高级包装”时,先校准个人贡献、决策权、业务复杂度与结果证据;只增强可证明信息。
- ## 简历重写规则
- 优先使用“业务背景 + 个人动作 + 方法/工具 + 量化或可验证结果 + 自然出现的 JD 关键词”。不强制每条包含全部元素,也不牺牲可读性。
- - 使用与真实贡献相符的动词:`负责`、`参与`、`主导`、`协同`、`推动`、`搭建`、`优化`、`分析`、`落地`、`提升`、`降低`、`覆盖`、`支持`。
- - 明确个人动作与团队成果的边界。
- - 把最相关、最有证据的经历前置;删除或压缩低相关内容。
- - 避免“赋能、闭环、抓手、沉淀、拉通”等空话,除非具体语境确有必要。
- - 避免统一句式、夸张形容词、英文滥用和 AI 模板腔。
- - 连续经历不要机械复用同一结构;保留用户原有专业表达,删除无事实支撑的摘要套话。
- - 同一关键词原则上只在最有证据的位置重点出现;没有新证据时不要重复。
- - 按贡献证据选择动词强度:`支持/协助 < 参与 < 负责 < 推动 < 主导`;不得仅因用户要求“高级”而升级动词。
- ## 三方检查与评分
- - ATS:检查标准标题、关键词自然覆盖、纯文本结构、技能识别、时间线和岗位名称。使用 [rubrics/ats_score.md](rubrics/ats_score.md)。
- - HR:检查 10 秒求职方向、前部亮点、相关性、结果、稳定性风险和简洁度。使用 [rubrics/hr_score.md](rubrics/hr_score.md)。
- - 面试官:检查背景、个人贡献、方法决策、结果来源、复盘和 JD 关联。使用 [rubrics/interview_readiness_score.md](rubrics/interview_readiness_score.md)。
- - 同时使用 [rubrics/jd_match_score.md](rubrics/jd_match_score.md) 和 [rubrics/credibility_score.md](rubrics/credibility_score.md)。
- - 所有分数必须附证据、扣分原因和补分动作;缺信息的维度标注“暂无法评分”,不可默认满分或零分。
- - 仅在同时拥有 JD 和可解析简历时计算 JD 匹配总分;存在造假请求时停止全部评分。
- ## 多版本策略
- 针对不同 JD 分别生成版本:
- 1. 先建立一份共用事实底稿,记录经历、证据状态、数据来源和贡献边界。
- 2. 为每个 JD 独立解析、映射、评分和排序,不跨 JD 合并关键词。
- 3. 每个版本只调整摘要、经历顺序、篇幅、关键词和表达重点;不得改变事实、贡献强度或数据。
- 4. 输出版本差异表,说明每个版本的目标、前置经历、保留/压缩内容、核心缺口和高风险。
- 5. 若某方向缺少高权重直接证据,明确“不建议用当前事实底稿生成强匹配版本”。
- 文件名建议:`姓名-目标岗位-公司-日期`。禁止生成产品、运营、AI 产品关键词混合的万能版。
- ## 输出格式
- 材料充分时,按顺序输出:
- 1. 简历诊断结论
- 2. JD 匹配评分
- 3. 关键缺口
- 4. 需要用户补充的问题(如仍有)
- 5. 优化后的简历
- 6. ATS 纯文本版本
- 7. Boss 直聘开场白与猎头介绍
- 8. 面试官可能追问
- 9. 风险提示
- 10. 下一步建议
- 材料不足时,不输出伪最终版;先给阶段诊断、明确缺口和补充问题。
- 只简历、只 JD、严重不足或造假请求时,按“阶段响应契约”输出,不机械套用完整报告模板。
- ## 真实性与质量验收
- 在交付前逐条确认:
- - 每个新增事实都有用户来源;每个数字有来源或估算标记。
- - 每条核心经历能回答“为什么做、你做了什么、结果如何、如何证明”。
- - 没有把团队成果全部归给个人,没有把参与写成主导。
- - JD 核心要求已逐项映射,未覆盖项被明确指出。
- - 关键词自然出现,ATS 纯文本版可直接复制。
- - HR 能快速判断方向和亮点,面试官能据此追问。
- - 输出解释修改逻辑、暴露风险、避免 AI 味并适配国内招聘语境。
- 岗位差异参考 [docs/role_taxonomy.md](docs/role_taxonomy.md),指标选择参考 [docs/metric_dictionary.md](docs/metric_dictionary.md),真实性边界参考 [docs/resume_truthfulness_policy.md](docs/resume_truthfulness_policy.md)。
README.md · README · 340 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- # resume-jd-optimizer-cn
- ## JD 驱动的中文简历优化 Skill
- > 基于目标 JD 和真实经历,诊断岗位差距、追问遗漏素材,并生成 ATS 可读、HR 易判断、面试可自洽的定制简历。
- [](LICENSE)
- [](SKILL.md)
- [](README.en.md)
- [](tests/test_cases.md)
- [](tests/failure_modes.md)
- [English](README.en.md) · [30 秒开始](#30-秒-quick-start) · [安装指南](docs/installation.md) · [完整示例](docs/examples.md) · [FAQ](FAQ.md)
- **本项目帮助提高简历表达质量和岗位匹配度,但不保证通过 ATS、获得面试或录用。**
- `resume` · `cv` · `job-search` · `jd-analysis` · `ats` · `chatgpt` · `prompt-engineering` · `ai-skill` · `china`
- ## 适用人群
- | 你是谁 | 这个 Skill 能帮什么 |
- |---|---|
- | 应届生 / 实习生 | 从课程、实习、竞赛和项目中挖掘岗位相关证据 |
- | 社招求职者 | 把职责描述重构为可验证的业务贡献 |
- | 转行求职者 | 区分直接经验、可迁移能力和真实缺口 |
- | 多方向投递者 | 基于同一事实底稿,为不同 JD 分别生成版本 |
- | 简历投递反馈较少的人 | 检查 JD 匹配、ATS 可读性和 HR 10 秒阅读体验 |
- | AI Agent / Prompt 开发者 | 复用完整 Skill、Prompt、评分规则和测试体系 |
- ## 这个项目解决什么痛点
- | 常见问题 | 项目处理方式 |
- |---|---|
- | 简历写成岗位职责,没有成果证明 | 追问背景、个人动作、方法、结果和证据来源 |
- | 不知道 JD 真正在筛什么 | 拆分硬性门槛、核心职责、技能、加分项和淘汰风险 |
- | 经历有价值,但简历没有写出来 | 建立 JD 与真实经历的逐项证据映射 |
- | 为了 ATS 机械堆关键词 | 关键词必须绑定真实项目或行动证据 |
- | 没有精确数据,不知道怎么写 | 使用可验证交付、采用、流程改善或确认过的区间 |
- | “包装”后面试讲不圆 | 对强动词、数字、归因和个人贡献生成尖锐追问 |
- | 一份简历投所有岗位 | 为每个具体 JD 独立排序、评分和生成版本 |
- ## 为什么不是普通简历润色 Prompt
- | 普通简历 Prompt | resume-jd-optimizer-cn |
- |---|---|
- | 直接润色现有句子 | 先解析 JD,再决定优化重点 |
- | 可能自动补充数据和职责 | 只允许已确认事实进入最终简历 |
- | 关键词越多越好 | 无项目证据的关键词不会被视为充分覆盖 |
- | 把“参与”改成“负责/主导” | 使用贡献动词证据门槛 |
- | 输出一份万能简历 | 每个 JD 独立生成版本和风险提示 |
- | 关注文字是否漂亮 | 同时检查 ATS、HR、面试自洽和可信度 |
- | 转行时强行贴近岗位 | 区分直接经验、可迁移经验和学习/作品证据 |
- ## 核心能力总览
- ```text
- 收集输入
- ↓
- 解析目标 JD
- ↓
- 解析简历事实底稿
- ↓
- 映射已覆盖 / 弱覆盖 / 未覆盖 / 不建议硬凑
- ↓
- 追问真实经历与证据
- ↓
- 生成 JD 定制版 + ATS 纯文本版
- ↓
- 执行 HR、面试官与真实性审查
- ```
- | 能力 | 输出 |
- |---|---|
- | JD 解析 | 岗位目标、硬性条件、技能、业务场景、关键词和权重 |
- | 简历诊断 | 表达问题、可信证据、数据深度、成果等级和贡献边界 |
- | 缺口分析 | 已覆盖、弱覆盖、未覆盖、可补充和不建议硬凑 |
- | 素材追问 | 与高权重 JD 要求对应的具体问题 |
- | 简历重写 | JD 定制版、ATS 纯文本版和 HR 摘要 |
- | 求职沟通 | Boss 直聘开场白和猎头介绍 |
- | 面试准备 | 针对数字、归因、方法和个人贡献的追问 |
- | 风险检查 | 编造、夸大、关键词堆砌、AI 味和隐私风险 |
- ## 30 秒 Quick Start
- ```text
- 请使用 resume-jd-optimizer-cn 优化我的简历。
- 目标 JD:
- [粘贴完整 JD]
- 现有简历:
- [粘贴简历]
- 补充背景:
- - 是否转行:
- - 可确认数据:
- - 作品链接:
- - 历史投递反馈:
- 请先分析 JD 与简历差距。
- 信息不足时先追问,不要编造。
- ```
- 没有完整材料也可以开始:
- | 当前材料 | Skill 行为 |
- |---|---|
- | 只有简历 | 做基础诊断、ATS 结构检查并索取目标 JD |
- | 只有 JD | 解析岗位要求并生成素材采集问题 |
- | 简历 + 单个 JD | 执行完整诊断、重写和审查 |
- | 简历 + 多个 JD | 建立唯一事实底稿,为每个 JD 独立生成版本 |
- | 信息严重不足 | 明确阻断,并提出最多 6 个具体输入问题 |
- | 用户要求造假 | 停止重写与评分,提供真实替代方案 |
- ## Demo:输入输出示例
- 
- ### 输入
- ```text
- 目标 JD:
- 负责企业客户订单管理产品的需求分析与迭代;
- 要求复杂流程产品经验、PRD、原型和跨团队推进能力。
- 原始简历:
- 负责订单系统需求收集和产品迭代。
- 已确认补充事实:
- - 独立访谈 8 家企业客户
- - 负责 PRD、原型和验收
- - 协同 5 名研发及 1 名设计
- - 配置步骤从 9 步减少到 5 步
- ```
- ### Skill 先做证据映射
- | JD 要求 | 简历证据 | 状态 |
- |---|---|---|
- | 复杂流程产品经验 | 订单审批流程改版 | 已覆盖 |
- | PRD 与原型 | 用户确认负责 PRD、原型 | 已覆盖 |
- | 跨团队推进 | 协同 5 名研发及 1 名设计 | 已覆盖 |
- | 数据分析 | 暂无分析过程证据 | 弱覆盖 |
- ### 确认事实后的优化结果
- ```text
- 围绕企业客户订单审批场景,访谈 8 家客户并负责 PRD、原型与验收;
- 协同 5 名研发及 1 名设计推动流程改版上线,将配置步骤从 9 步减少至 5 步。
- ```
- ### 面试追问
- ```text
- - 8 家客户如何选择,需求如何归纳和取舍?
- - 你与研发、设计分别如何分工?
- - 配置步骤减少后,如何验证用户体验确实改善?
- ```
- 更多案例见 [完整示例](docs/examples.md) 与 [examples/](examples/)。
- ## 安装方式
- | 环境 | 推荐安装方式 |
- |---|---|
- | Codex | 将完整仓库复制或克隆到 Codex Skills 目录 |
- | ChatGPT Project | 上传核心文件,并在项目指令中加入 `SKILL.md` 规则 |
- | 自定义 GPT | 将核心工作流放入 Instructions,上传参考文件作为 Knowledge |
- | 自定义 Agent | 始终加载 `SKILL.md`,按阶段加载 Prompt、Rubric 和模板 |
- Codex 常见安装示例:
- ```bash
- mkdir -p ~/.codex/skills
- git clone https://github.com/coinluu/resume-jd-optimizer-cn.git \
- ~/.codex/skills/resume-jd-optimizer-cn
- ```
- 安装后新建会话并调用:
- ```text
- 使用 $resume-jd-optimizer-cn 根据我的目标 JD 和真实经历优化中文简历。
- ```
- 详细的新手步骤见 [安装指南](docs/installation.md)。不同产品能力可能因账号、版本或工作区权限而不同。
- ## 使用方式
- ### 标准单 JD 优化
- ```text
- 请先输出 JD 解析、证据映射和关键缺口。
- 只有信息充分时才生成最终简历和 ATS 版。
- ```
- ### 多 JD 独立版本
- ```text
- 请基于同一份真实经历底稿,分别为以下 JD 生成版本:
- 1. 产品经理 JD:[粘贴]
- 2. 运营 JD:[粘贴]
- 3. AI 产品经理 JD:[粘贴]
- 请输出版本差异表,不要生成万能混合版。
- ```
- ### 回答素材追问
- ```text
- 项目名称:
- 业务背景:
- 我的负责范围:
- 我的具体动作:
- 协作对象:
- 结果与数据来源:
- 哪些属于团队成果:
- ```
- 完整调用方式见 [快速开始](docs/quickstart.md)。
- ## 文件结构
- ```text
- resume-jd-optimizer-cn/
- ├── SKILL.md # 核心规则、输入路由与 8 步流程
- ├── prompts/ # 10 个阶段 Prompt
- ├── templates/ # 简历、ATS、沟通与报告模板
- ├── rubrics/ # 5 套评分规则
- ├── docs/ # 安装、招聘语境、岗位和真实性规则
- ├── examples/ # 产品、数据、转行 AI 产品案例
- ├── tests/ # 10 个测试场景与 21 个失败模式
- └── .github/ # Issue、PR 模板和 Markdown CI
- ```
- ## 支持的岗位类型
- | 类别 | 已内置岗位 |
- |---|---|
- | 产品 | 产品经理、AI 产品经理 |
- | 数据与技术 | 数据分析师、Java、Python、前端、算法、测试工程师 |
- | 运营与增长 | 运营、新媒体运营、用户增长 |
- | 商业与市场 | 销售、商务拓展、市场营销 |
- | 交付与设计 | 设计师、项目经理 |
- | 求职身份 | 应届生校招、实习生、转行求职者、管培生 |
- 每类岗位包含核心能力、常见 JD 关键词、成果指标、项目类型、表达重点、面试方向和常见踩坑。详见 [岗位类型参考](docs/role_taxonomy.md)。
- ## 评分系统
- 评分用于诊断当前材料,不代表录用概率。
- | 评分 | 重点检查 | 满分 |
- |---|---|---:|
- | JD 匹配分 | 硬性条件、技能证据、项目相关度、成果和职级 | 100 |
- | ATS 分 | 标准标题、关键词、结构、技能区和时间线 | 100 |
- | HR 吸引力分 | 10 秒方向判断、前部亮点、相关性和简洁度 | 100 |
- | 面试准备分 | 背景、个人贡献、方法、数据来源和复盘 | 100 |
- | 可信度分 | 数据来源、贡献边界、夸大风险和逻辑自洽 | 100 |
- 所有分数必须附证据、扣分原因和补分动作。缺少 JD、简历或事实时,相关项目标记为“不适用”或“暂无法评分”,不会猜分。
- ## 真实性与反夸大原则
- | 允许 | 禁止 |
- |---|---|
- | 提升信息顺序、表达精度和证据密度 | 编造公司、项目、证书、工具或数据 |
- | 使用用户确认的估算、区间和规模 | 把参与改成主导 |
- | 明确团队成果中的个人贡献 | 把团队结果全部归给个人 |
- | 使用可验证的定性交付或改善结果 | 把按期上线写成业务增长 |
- | 将转行经历标记为可迁移能力 | 把普通搜索改写成 RAG / Agent 项目 |
- 贡献动词必须有事实门槛:
- ```text
- 支持 / 协助 < 参与 < 负责 < 推动 < 主导
- ```
- 若用户要求编造或篡改事实,Skill 会停止评分、重写、ATS 版和最终报告,并提供真实替代方案。
- 使用前请阅读 [隐私与真实性声明](docs/privacy-and-truthfulness.md)。
- ## Demo 与截图说明
- 当前仓库已提供可直接预览的 Before / After SVG Demo,并优先保留可复制的 Markdown 示例。维护者可按照 [截图脚本](assets/screenshot-script.md) 补充脱敏后的真实运行截图,并放置在:
- ```text
- docs/assets/
- ├── demo-jd-gap-analysis.png
- ├── demo-before-after.png
- ├── demo-ats-plain-text.png
- └── demo-interview-questions.png
- ```
- 建议首页截图依次展示:
- 1. JD 与简历证据映射表。
- 2. 优化前后对比。
- 3. ATS 纯文本版本。
- 4. 面试追问与真实性风险。
- 截图不得包含真实联系方式、客户信息或未公开经营数据。
- ## Roadmap
- | 方向 | 计划 |
- |---|---|
- | 案例覆盖 | 增加更多匿名化真实回归案例 |
- | 行业覆盖 | 增加金融、制造、医疗、游戏等岗位参考 |
- | 工程能力 | 增加结构化事实底稿和多 JD 差异检查工具 |
- | 文件处理 | 探索 PDF / DOCX 文本解析与 ATS 结构检查 |
- | 社区评测 | 建立版本化匿名评测集和贡献规范 |
- 详见 [ROADMAP.md](ROADMAP.md)。
- ## 贡献指南
- 欢迎贡献:
- - 充分脱敏的真实求职案例。
- - 新岗位类型与国内招聘语境。
- - Prompt、模板、评分和失败模式改进。
- - 安装说明、文档和测试。
- 提交前请阅读 [CONTRIBUTING.md](CONTRIBUTING.md) 和 [CODE_OF_CONDUCT.md](CODE_OF_CONDUCT.md)。公开 Issue 中不要上传完整真实简历。
- ## Star
- 如果你认可“先找真实证据,再优化表达”的方式,可以 Star 或 Fork 这个仓库:
- - Star:方便求职时重新找到,也帮助更多中文求职者发现项目。
- - Fork:根据自己的岗位、行业或 Agent 工作流进行定制。
- - Issue / PR:提交脱敏案例、失败模式或规则改进。
- Star 不是使用项目的前提。先试用、检查隐私边界,再决定是否保留它。
- ## License
- 本项目采用 [MIT License](LICENSE)。你可以在保留许可证声明的前提下使用、修改和分发。
- 本项目帮助提高表达质量和岗位匹配度,不保证通过 ATS、获得面试或录用结果。
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.