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。

English · 30 秒开始 · 安装指南 · 完整示例 · FAQ

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

这个项目解决什么痛点

为什么不是普通简历润色 Prompt

核心能力总览

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

30 秒 Quick Start

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：

Demo：输入输出示例

输入

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

确认事实后的优化结果

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

- 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 与 examples/。

安装方式

Codex 常见安装示例：

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：

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。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

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

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

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。

文件结构

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

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。

评分系统

评分用于诊断当前材料，不代表录用概率。

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

贡献动词必须有事实门槛：

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。

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 补充脱敏后的真实运行截图，并放置在：

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

详见 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 和 CODE_OF_CONDUCT.md。公开 Issue 中不要上传完整真实简历。

联系与反馈

如需交流使用问题、反馈案例或讨论贡献，可以通过微信联系维护者：

添加时建议备注 resume-jd-optimizer-cn。请勿通过微信发送未脱敏简历、身份证、客户信息、商业机密或其他敏感材料；问题反馈优先使用已脱敏的最小示例。

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。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。