---
slug: "resume-optimization-pro"
source_type: "skill_md"
source_url: "https://cdn.jsdelivr.net/gh/taielab/resume-optimization-pro@master/SKILL.md"
repo: "https://github.com/taielab/resume-optimization-pro"
source_file: "SKILL.md"
branch: "master"
---
---
name: resume-optimization-pro
description: |
  Resume optimization with 8-dimensional scoring, iterative refinement to 90+, and interview prep generation.

  Use when:
  - User asks to "optimize/improve/analyze my resume"
  - User provides resume file (.md/.pdf/.docx)
  - User needs "interview prep" or "self-introduction" or "面试题库"

  Capabilities:
  (1) 8D Scoring - accuracy, structure, professionalism, frameworks, data, differentiation, ATS, details
  (2) Iterative Optimization - Apply CAR/STAR/PAR/SOAR frameworks until 90+
  (3) Problem Detection - Fabricated content, positioning issues, data inconsistencies
  (4) Interview Materials - Multi-scenario intros and 40+ Q&A

  Target: Technical directors, managers, senior engineers (Chinese resumes).
---

# 简历优化专业版（Resume Optimization Pro）

## 核心原则

### 简历的本质定位

简历是**营销文档**，而非工作历史。其目的是：

1. **通过ATS筛选**（关键词匹配）
2. **抓住招聘者注意**（6秒扫描法则）
3. **展示量化价值**（用数据证明影响力）
4. **获得面试机会**（而非详尽描述所有工作）

### 6秒扫描法则

招聘者平均仅用6秒扫描一份简历。在这6秒内，他们关注：
- 职位标题是否匹配
- 公司背景是否相关
- 关键技能是否具备
- 成就是否量化明确

**因此**：最重要的信息必须在简历顶部、开头位置突出展示。

### 80/20定制化原则

- **80%基础简历**：核心经验、技能和成就（适用于广泛角色）
- **20%定制内容**：针对特定职位的调整

这种方法平衡了效率（无需从头重写）和效果（展示岗位匹配度）。

### 红旗警示清单

**必须避免的内容**：
- ❌ 泛泛的目标陈述（"寻找有挑战性的岗位..."）
- ❌ 职责描述而非成就（"负责..."）
- ❌ 未解释的工作空白期
- ❌ 拼写或格式不一致
- ❌ 过时技术放在显眼位置
- ❌ 使用"We"而非"I"（模糊个人贡献）
- ❌ **自我推销式夸张表述**（"300%提升"、"填补空白"、"首创"等绝对化表述）
- ❌ **个人品牌混入工作经验**（个人公众号、副业项目应放在联系方式，不应放在公司工作经验中）

---

## 核心能力

1. **8维度评分体系**：信息准确性、结构合理性、专业表达、框架应用、量化数据、差异化竞争力、ATS友好度、细节完善度
2. **迭代优化流程**：读取→分析→评分→识别问题→优化建议→修改→验证，循环直到90+分
3. **框架应用**：CAR/STAR/PAR/SOAR等多种成就描述框架
4. **面试准备**：自动生成多场景自我介绍和完整面试题库

---

## 工作流程

### 阶段1：初始分析

1. **读取简历文件**
   ```bash
   Read tool: /path/to/resume.md
   ```

2. **8维度评分**
   - 参考：[scoring-rubric.md](https://github.com/taielab/resume-optimization-pro/blob/HEAD/references/scoring-rubric.md)
   - 逐维度评分，生成评分报告：
     ```
     ## 简历评分报告
     **总分**: XX/100
     
     ### 各维度得分
     - 信息准确性: XX/15 - [问题描述]
     - 结构合理性: XX/15 - [问题描述]
     - 专业表达: XX/15 - [问题描述]
     ...
     
     ### 优先修复问题
     1. [Critical] ...
     2. [High] ...
     ```

3. **识别核心问题**
   - 虚构/夸大内容
   - 结构冗余/错位
   - 岗位定位不准（如技术总监写成开发工程师）
   - 数据不一致
   - 缺少量化数据
   - 未应用框架

---

### 阶段2：迭代优化

**优化循环**（直到达到90+分）：

1. **提出优化建议**
   - 针对得分<12的维度提出具体建议
   - 优先级：Critical > High > Medium
   - 每次聚焦1-3个核心问题

2. **应用框架改写**
   - 参考：[frameworks.md](https://github.com/taielab/resume-optimization-pro/blob/HEAD/references/frameworks.md)
   - 根据成就类型选择合适框架：
     - 产品创新 → CAR框架
     - 项目管理 → STAR框架
     - 问题解决 → PAR框架
     - 克服困难 → SOAR框架

3. **修改简历**
   - 使用Edit tool修改具体内容
   - 保持原文件路径不变
   - 每次修改后说明改动原因

4. **重新评分**
   - 按8维度重新评分
   - 对比改进前后得分
   - 识别剩余问题

5. **循环迭代**
   - 如果总分<90，返回步骤1
   - 如果90-95分，建议优化
   - 如果95+分，可选完善

---

### 阶段3：面试准备生成

**触发条件**：
- 简历评分达到90+
- 用户明确要求生成面试材料

**生成内容**：

1. **多场景自我介绍**（4种）
   - 正式面试版（3分钟）
   - 商务场合版（1分钟）
   - 技术社区版（2分钟）
   - 内部团队版（1.5分钟）

2. **完整面试题库**（按类别）
   - 管理类（团队管理、项目管理）
   - 技术类（核心技术、安全测试、架构设计）
   - 产品与商业类（产品设计、商业化）
   - 战略与规划类（战略思维、职业规划）
   - 场景类（问题解决、沟通协作）
   - 压力与挑战类
   - HR面试类（薪资谈判、背景调查）
   - 情景模拟类

3. **输出格式**
   - 新建文件：`[姓名]-自我介绍与面试题库.md`
   - 包含STAR法则的完整回答
   - 基于简历真实内容生成

---

## 关键原则

### 1. 真实性至上

- ❌ 禁止虚构内容
- ❌ 禁止夸大数据
- ✅ 所有数据可验证
- ✅ 保持信息一致性

### 2. 框架严格应用

每条成就必须包含：
- **背景/挑战**：面临什么问题？
- **行动**：采取了什么行动？
- **结果**：取得了什么成果（必须量化）

### 3. 岗位视角准确

不同级别关注点不同：
- **技术总监**：战略、决策、影响力、商业价值
- **技术经理**：管理、协调、优化、团队建设
- **高级工程师**：技术方案、质量、创新
- **工程师**：实现、学习、协作

#### 总监级别语言模式（实战案例）

**核心原则**：
1. 强调"主导/推动/决策"而非"精通/擅长/负责"
2. 关注体系建设而非工具使用
3. 展示影响力而非执行细节
4. 量化数据应在上下文中呈现，避免在专业概述中堆砌

**实战对比**：

❌ **错误（工程师视角）**：
- "精通Yakit、reconFTW、Sqlmap等主流渗透测试工具"
- "擅长Web应用安全测试、移动端安全测试、内网渗透"
- "团队效率提升300%"（在专业概述中）

✅ **正确（总监视角）**：
- "主导企业级[领域]体系和标准化流程建设，覆盖[场景A]/[场景B]/[场景C]全场景评估，推动工具链整合和自动化（[工具1]/[工具2]/自研平台），具备[决策能力1]、[决策能力2]和[决策能力3]决策能力"
- "推动[技术方向]在工作流中的深度应用，运用[工具/平台]实现[场景1]、[场景2]、[场景3]等场景的自动化，显著提升团队效能和项目交付效率"
- "深度运用[关键技术]显著提升团队[核心指标]"（在专业概述中，具体数据留给工作经验部分）

#### 个人成就vs公司成就区分

**原则**：工作经验部分仅包含与当前雇主相关的成就

**个人成就放置位置**：
- ✅ 联系方式区域：个人品牌（公众号/博客主理人）
- ✅ 荣誉奖项：个人参与的竞赛、认证、标准制定
- ✅ 核心技能：可以提及个人技术能力

**公司成就放置位置**：
- ✅ 工作经验：团队管理、项目交付、产品开发、业绩达成

**实战案例**：
- ❌ 错误：在公司工作经验中写"运营[个人品牌]公众号，粉丝XX+"
- ✅ 正确：在基本信息中写"**个人品牌**：[品牌名称]（[平台]主理人）"

### 4. 量化数据必备

数据类型：
- **时间**：N个月 vs X个月，项目周期从Y天降至Z天
- **金钱**：年度业绩XX万+，节省成本YY万/年
- **规模**：从0到1组建N人团队，累计交付XX+项目
- **效率**：效率提升N%，处理时间从X天降至Y小时
- **质量**：测试覆盖率从X%提升至Y%，错误率降低N%
- **比例**：客户满意度X%+，部署成功率Y%

**没有准确数字时的策略**：
- 使用范围："节省10-15小时/周"
- 使用约数："减少页面加载时间约40%"
- 使用相对比较："将部署时间减半"
- 使用数量级："处理10倍流量增长"

---

## 使用示例

### 示例1：完整优化流程

```
用户：帮我优化这份简历 [提供文件路径]

AI：
1. [Read] 读取简历
2. [Analyze] 8维度评分 → 总分75/100
3. [Identify] 识别核心问题：
   - 定位像开发工程师而非技术总监
   - 缺少量化数据
   - 未应用CAR/STAR框架
4. [Suggest] 提出优化建议（3条）
5. [Edit] 修改简历内容
6. [Re-score] 重新评分 → 85/100
7. [Continue] 继续迭代...
8. [Final] 达到99.7/100，完成优化
```

### 示例2：仅评分

```
用户：分析一下我的简历

AI：
1. [Read] 读取简历
2. [Score] 8维度评分
3. [Report] 生成评分报告，指出问题
4. [Ask] 是否需要优化？
```

### 示例3：生成面试准备

```
用户：生成面试准备材料

AI：
1. [Check] 确认简历已优化（90+分）
2. [Generate] 生成4种自我介绍
3. [Generate] 生成40+面试题（含完整回答）
4. [Write] 输出到新文件
```

---

## 评分目标

- **90-100分**：优秀，可直接投递
- **80-89分**：良好，少量优化后投递
- **70-79分**：及格，需重点优化
- **<70分**：不合格，需大幅改写

---

## 参考资料

加载时机：按需加载，不预先全部读取

- **[scoring-rubric.md](https://github.com/taielab/resume-optimization-pro/blob/HEAD/references/scoring-rubric.md)**：8维度评分标准详解
  - 何时加载：初次评分时必读

- **[frameworks.md](https://github.com/taielab/resume-optimization-pro/blob/HEAD/references/frameworks.md)**：CAR/STAR/PAR/SOAR等框架详解
  - 何时加载：优化成就描述时参考

- **[tailoring-strategies.md](https://github.com/taielab/resume-optimization-pro/blob/HEAD/references/tailoring-strategies.md)**：简历定制化策略
  - 何时加载：需要针对特定职位定制简历时参考

- **[resume-structure.md](https://github.com/taielab/resume-optimization-pro/blob/HEAD/references/resume-structure.md)**：简历结构设计完整指南
  - 何时加载：设计简历整体结构、调整章节顺序、优化格式布局时参考

---

## 输出规范

1. **评分报告**：
   - 总分+各维度得分
   - 问题清单（按优先级）
   - 具体优化建议

2. **修改说明**：
   - 每次修改后说明改动内容
   - 说明应用了哪个框架
   - 对比改进前后

3. **最终验证**：
   - 达标标准：90+分
   - 提供完整评分报告
   - 确认无虚构/夸大内容

---

## 常见问题处理

### Q1: 简历信息不完整怎么办？

**策略**：向用户提问收集信息
- 工作年限、团队规模
- 具体项目数量和成果
- 量化数据（业绩、效率提升）

### Q2: 发现虚构内容怎么办？

**策略**：明确指出，要求用户确认
- 标记可疑内容
- 询问是否真实
- 如虚构则删除或改写

### Q3: 用户要求快速优化怎么办？

**策略**：聚焦Critical问题
- 优先修复得分最低的维度
- 应用框架改写核心成就
- 2-3轮迭代达到85+分