Resume Optimizer Skill

触发条件

当用户需要：

•为特定公司定制简历
•优化简历关键词
•提升简历与JD的匹配度
•生成简历变体
•提高ATS（Applicant Tracking System）通过率

工作流程

步骤 1: JD分析

使用 jd-analyzer Skill 提取：

•必需技能列表
•优先技能列表
•关键词和短语
•公司文化和技术栈

步骤 2: 技能匹配

读取 data/resume/base.json 并：

•识别匹配的技能
•识别相关经验
•识别相关项目
•评估整体匹配度

步骤 3: 内容优化

针对目标公司调整简历：

3.1 技能部分优化

json

{
  "optimizations": {
    "highlighted_skills": [
      "Distributed Systems",
      "Machine Learning",
      "Python",
      "Go"
    ],
    "skills_reorder": {
      "programming_languages": ["Python", "Go", "Java"],
      "concepts": ["Microservices", "Cloud Computing", "System Design"]
    }
  }
}

3.2 工作经验优化

•重新排序（最相关的在前）
•调整成就描述，使用JD关键词
•突出相关项目和技术
•量化成果

3.3 项目经验优化

•优先显示与JD最相关的项目
•使用JD中的技术术语
•突出影响力和成果
•链接到相关技术

3.4 Summary优化

•针对公司文化定制
•突出最相关的2-3个技能
•体现与公司的匹配度
•保持简洁（2-3行）

步骤 4: 关键词优化

插入JD关键词的原则：

•自然融入，不堆砌
•放在成就描述中
•使用同义词变体
•保持专业性

动作动词（Action Verbs）：

技术类：

•Designed, Implemented, Developed
•Architected, Engineered, Built
•Optimized, Refactored, Improved
•Deployed, Scaled, Launched

管理类：

•Led, Mentored, Guided
•Collaborated, Partnered
•Spearheaded, Championed
•Directed, Oversaw

成就类：

•Delivered, Shipped, Released
•Increased, Decreased, Reduced
•Achieved, Attained, Exceeded
•Won, Earned, Recognized

步骤 5: 输出简历变体

创建 data/resume/variants/{company}.json：

json

{
  "variant_id": "google",
  "parent_resume": "base.json",
  "created_at": "2025-01-09T00:00:00Z",
  "updated_at": "2025-01-09T00:00:00Z",
  "target_company": "google",
  "target_position": "Software Engineer III",

  "optimizations": {
    "highlighted_skills": [...],
    "emphasized_projects": ["proj_001"],
    "tailored_summary": "...",
    "keywords_to_emphasize": [...],
    "de_emphasized_sections": ["certifications"],
    "reordered_sections": [
      "skills",
      "projects",
      "work_experience",
      "education"
    ]
  },

  "modifications": {
    "summary": {
      "original": "资深软件工程师...",
      "optimized": "资深软件工程师，专注于分布式系统和机器学习..."
    },
    "work_experience": {
      "exp_001": {
        "achievements_modified": [
          {
            "original": "优化系统性能",
            "optimized": "设计并实现高并发订单处理系统，处理能力提升300%，支持分布式部署"
          }
        ]
      }
    }
  }
}

优化策略

1. 技能突出策略

完全匹配的技能（优先级最高）

•放在技能列表最前面
•在Summary中提及
•在多个经验中体现

部分匹配的技能

•说明可迁移能力
•强调学习经历
•展示相关项目

缺失的关键技能

•在学习经历中提及
•展示自学能力
•相关技能类比

2. 经验排序策略

3. 关键词密度

•Summary: 2-3个核心关键词
•每段经验: 1-2个关键词
•技能部分: 所有JD关键词
•项目描述: 技术关键词

4. ATS优化

•使用标准职位名称
•避免特殊字符和图形
•使用常见缩写（全称+缩写）
•简洁的格式
•避免表格和列

公司特定优化

Google

重点突出：

•Scalability
•Reliability
•Distributed Systems
•"Googley"文化（好奇、学习、同理心）
•技术卓越

关键词：

•Large-scale systems
•High-availability
•Cloud computing
•Data engineering
•Machine learning

Amazon

重点突出：

•客户导向
•所有权精神
•可扩展性
•可用性

关键词：

•Customer Obsession
•Ownership
•Scalability
•Availability
•Distributed systems

初创公司

重点突出：

•全栈能力
•快速学习
•多面手
•创业精神

关键词：

•Full-stack
•End-to-end
•Fast-paced
•Wear multiple hats
•Self-starter

简历变体创建检查清单

质量标准

优秀简历变体的特征：

•针对性: 明确针对目标公司和职位
•真实性: 所有内容真实可信
•量化性: 成就可以量化
•简洁性: 每个要点简洁明了
•一致性: 风格和术语一致
•完整性: 没有拼写或语法错误

避免的错误：

•过度堆砌关键词: 不自然地重复关键词
•夸大或虚假: 超出实际能力的描述
•忽略格式: 不一致的格式和风格
•过于详细: 每个要点超过2-3行
•忽略公司文化: 没有考虑公司特色

与其他Skills的集成

jd-analyzer

•获取JD结构化分析
•获取技能匹配报告
•获取关键词列表

interview-coach

•提供优化后的简历信息
•用于面试准备
•识别需要深入准备的技能

question-generator

•基于优化后的技能
•生成针对性面试题
•优先级排序

输出示例

匹配度报告

markdown

# Google - Software Engineer III 简历优化报告

## 匹配度评分: 85/100

### 完全匹配的技能 (7)
- Python (expert)
- Distributed Systems (advanced)
- Machine Learning (intermediate)
- Go (intermediate)
...

### 部分匹配的技能 (3)
- Java (intermediate, 需要advanced)
- Kubernetes (基础, 需要深入)
...

### 缺失的关键技能 (2)
- C++ (建议学习基础)
- gRPC (可以在项目中快速学习)

## 优化建议
1. 将Python和Distributed Systems放在技能列表最前面
2. 重新排序工作经历，突出分布式系统项目
3. 在成就描述中使用更多"scale", "reliable"等关键词
4. Summary中强调"大规模系统"和"机器学习"经验

ATS优化增强（Phase 2新增）

ATS系统识别与优化

不同的ATS系统有不同的解析特点，需要针对性优化：

1. Workday (大公司广泛使用)

特点:

•严格的结构化字段解析
•善欢标准的日期格式
•需要清晰的章节分隔

优化策略:

•使用标准章节标题（Experience, Education, Skills）
•避免创意性格式和布局
•日期格式统一：YYYY-MM
•联系信息放在顶部，使用标准标签
•技能列表使用逗号分隔，而非复杂格式

禁止:

•❌ 表格和列
•❌ 图像和图标
•❌ 复杂的嵌套列表
•❌ 非标准字体

2. Greenhouse (科技公司常用)

特点:

•更好的PDF解析能力
•支持富文本格式
•智能关键词提取

优化策略:

•可以使用轻微的格式化（加粗、斜体）
•重点关键词可以加粗强调
•支持项目符号列表
•PDF导出时嵌入字体

优势:

•✅ 支持超链接（LinkedIn, GitHub）
•✅ 支持邮箱和电话的mailto/tel链接
•✅ 更好的布局灵活性

3. Lever (中型公司和初创公司)

特点:

•现代化解析器
•支持社交媒体链接
•重视可读性

优化策略:

•可以使用更现代的设计
•突出个人品牌
•强调文化契合度
•添加项目作品集链接

最佳实践:

•✅ 使用专业的简历模板
•✅ 包含GitHub和项目链接
•✅ 突出开源贡献
•✅ 展示个人博客或技术文章

关键词密度分析与优化

关键词分析流程：

步骤1: 提取JD关键词

json

{
  "keyword_analysis": {
    "primary_keywords": [
      {"keyword": "Distributed Systems", "frequency": 8, "weight": 2.0},
      {"keyword": "Python", "frequency": 6, "weight": 2.0},
      {"keyword": "Kubernetes", "frequency": 5, "weight": 1.5}
    ],
    "secondary_keywords": [
      {"keyword": "Microservices", "frequency": 4, "weight": 1.0},
      {"keyword": "API Design", "frequency": 3, "weight": 1.0}
    ],
    "semantic_variations": [
      {"original": "Scalability", "variations": ["scale", "scalable", "scaling"]},
      {"original": "Reliability", "variations": ["reliable", "availability", "high-availability"]}
    ]
  }
}

步骤2: 计算关键词密度

•Summary: 目标 15-20% 关键词密度
•Experience: 目标 10-15% 关键词密度
•Skills: 目标 100% JD关键词覆盖
•Projects: 目标 20-25% 关键词密度

步骤3: 关键词位置优化

markdown

# 高优先级位置：
1. Summary（前2行） - 最重要
2. 技能列表顶部 - ATS重点扫描
3. 最近工作的成就描述
4. 项目标题和描述

# 中优先级位置：
5. 工作经历标题
6. 教育背景相关课程
7. 认证和证书

# 低优先级位置：
8. 早期工作经验
9. 通用技能描述

步骤4: 关键词自然度检查

•✅ 自然融入句子结构
•✅ 使用上下文相关变体
•✅ 避免重复同一短语
•❌ 避免关键词堆砌
•❌ 避免不相关的关键词插入

关键词优化示例

原始描述:

code

负责系统优化和性能提升

优化后（针对Distributed Systems岗位）:

code

设计并实现分布式系统架构，通过微服务拆分和负载均衡优化，
将系统处理能力提升300%，支持高并发场景下的数据一致性保证。

包含的关键词:

•分布式系统 (Distributed Systems)
•微服务 (Microservices)
•负载均衡 (Load Balancing)
•高并发 (High Concurrency)
•数据一致性 (Data Consistency)

PDF生成与导出

PDF导出最佳实践

推荐工具:

•
Markdown to PDF:
- •使用 wkhtmltopdf 或 pandoc
- •保持格式一致性
- •嵌入标准字体
•
LaTeX模板:
- •专业排版
- •完全可定制
- •适合技术岗位
•
在线工具:
- •Resume.io
- •Canva（专业模板）
- •Overleaf（LaTeX）

PDF导出检查清单

格式检查:

• 字体大小：正文10-12pt，标题14-16pt
• 页边距：0.5-1英寸
• 行间距：1.0-1.15
• 页面长度：1-2页（首选1页）
• 文件大小：< 1MB

内容检查:

ATS兼容性检查:

• 使用标准字体
• 避免图像和图表
• 文本可选择（非扫描图片）
• 没有表格或列
• 文件名为: FirstName_LastName_Resume.pdf

PDF元数据:

json

{
  "title": "Li Ming - Software Engineer Resume",
  "author": "Li Ming",
  "keywords": "Software Engineer, Python, Distributed Systems, Kubernetes",
  "creator": "Claude Code Interview System"
}

PDF导出命令示例

使用pandoc:

bash

pandoc data/resume/base.md \
  -o exports/Li_Ming_Resume.pdf \
  --pdf-engine=xelatex \
  -V geometry:margin=1in \
  -V fontsize=11pt \
  --toc=false

使用wkhtmltopdf:

bash

wkhtmltopdf \
  --margin-top 0.5in \
  --margin-bottom 0.5in \
  --margin-left 0.75in \
  --margin-right 0.75in \
  data/resume/base.html \
  exports/Li_Ming_Resume.pdf

A/B测试与变体管理

简历变体版本控制

变体命名规范:

code

{company}_{position}_{version}_{date}.json

示例:
google_sse_l4_v1_20240115.json
amazon_sde2_l5_v2_20240120.json

变体对比功能:

json

{
  "comparison": {
    "variants": ["google_v1", "google_v2"],
    "metrics": {
      "keyword_density": {
        "v1": 12.5,
        "v2": 15.8,
        "improvement": "+26%"
      },
      "match_score": {
        "v1": 82,
        "v2": 89,
        "improvement": "+7"
      },
      "ats_compatibility": {
        "v1": "medium",
        "v2": "high"
      }
    },
    "recommendation": "使用v2版本，关键词密度更优"
  }
}

变体效果追踪

追踪指标:

•申请数量
•面试邀请率
•简历通过率
•ATS评分（如果可用）
•获得offer数量

数据结构:

json

{
  "variant_performance": {
    "variant_id": "google_v2",
    "applications_submitted": 5,
    "interviews_received": 3,
    "conversion_rate": 60.0,
    "offers": 1,
    "created_at": "2024-01-15",
    "last_used": "2024-01-20"
  }
}

高级优化技巧

1. 语义关键词扩展

json

{
  "skill_expansion": {
    "original": "Python",
    "expanded": [
      "Python",
      "Python 3",
      "PyPy",
      "Django",
      "Flask",
      "FastAPI",
      "Python编程"
    ]
  }
}

2. 行业术语对齐

•使用目标公司的术语体系
•采用行业标准命名
•包含流行技术栈的完整名称

3. 量化成果增强

markdown

弱: "优化了系统性能"
强: "通过分布式缓存和数据分片，将API响应时间从500ms降至50ms，
     提升90%，同时支持10x并发请求量"

4. 动态摘要生成

基于JD动态调整Summary，突出最匹配的2-3个技能领域。

质量保证

优化后验证:

•✅ 所有JD关键词已包含
•✅ 关键词密度在目标范围内
•✅ ATS格式检查通过
•✅ 无虚假或夸大内容
•✅ 专业且易读
•✅ 文件大小合适
•✅ PDF导出测试通过

评分系统:

code

总分 100:
- 关键词匹配度 (30分)
- 内容质量 (25分)
- ATS兼容性 (20分)
- 专业性 (15分)
- 创新性 (10分)

Resume Optimizer Skill

触发条件

工作流程

步骤 1: JD分析

步骤 2: 技能匹配

步骤 3: 内容优化

3.1 技能部分优化

3.2 工作经验优化

3.3 项目经验优化

3.4 Summary优化

步骤 4: 关键词优化

插入JD关键词的原则：

动作动词（Action Verbs）：

步骤 5: 输出简历变体

优化策略

1. 技能突出策略

完全匹配的技能（优先级最高）

部分匹配的技能

缺失的关键技能

2. 经验排序策略

相关性评分因素：

3. 关键词密度

4. ATS优化

公司特定优化

Google

Meta

Amazon

初创公司

简历变体创建检查清单

质量标准

优秀简历变体的特征：

避免的错误：

与其他Skills的集成

jd-analyzer

interview-coach

question-generator

输出示例

匹配度报告

ATS优化增强（Phase 2新增）

ATS系统识别与优化

1. Workday (大公司广泛使用)

2. Greenhouse (科技公司常用)

3. Lever (中型公司和初创公司)

关键词密度分析与优化

关键词分析流程：

关键词优化示例

PDF生成与导出

PDF导出最佳实践

PDF导出检查清单

PDF导出命令示例

A/B测试与变体管理

简历变体版本控制

变体效果追踪

高级优化技巧

1. 语义关键词扩展

2. 行业术语对齐

3. 量化成果增强

4. 动态摘要生成

质量保证