---
slug: "resume-jd-optimizer-cn"
source_type: "skill_md"
source_url: "https://cdn.jsdelivr.net/gh/coinluu/resume-jd-optimizer-cn@main/SKILL.md"
repo: "https://github.com/coinluu/resume-jd-optimizer-cn"
source_file: "SKILL.md"
branch: "main"
---
---
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](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/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](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/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](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/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](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/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](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/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](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/prompts/ats_checker.md)、[prompts/hr_reviewer.md](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/prompts/hr_reviewer.md)、[prompts/interview_question_generator.md](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/prompts/interview_question_generator.md) 和 [prompts/risk_checker.md](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/prompts/risk_checker.md)。
8. **最终报告**：读取 [prompts/final_report_generator.md](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/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](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/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](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/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](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/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](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/rubrics/interview_readiness_score.md)。
- 同时使用 [rubrics/jd_match_score.md](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/rubrics/jd_match_score.md) 和 [rubrics/credibility_score.md](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/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](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/docs/role_taxonomy.md)，指标选择参考 [docs/metric_dictionary.md](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/docs/metric_dictionary.md)，真实性边界参考 [docs/resume_truthfulness_policy.md](https://github.com/coinluu/resume-jd-optimizer-cn/blob/HEAD/docs/resume_truthfulness_policy.md)。