diegosouzapw 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
{
"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：
{
"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
相关性评分因素：
- 技术栈匹配度
- 项目规模相似度
- 行业相关性
- 成果可量化程度
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
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
Meta
重点突出：
- 快速迭代
- 影响力（Impact）
- 基础设施
- 开源贡献
关键词：
- Move fast, ship code
- Impact at scale
- Infrastructure
- Performance
- Open source
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
- 读取并分析JD
- 提取关键技能和关键词
- 匹配用户技能
- 重新排序技能（最相关在前）
- 优化Summary（2-3行，突出核心匹配）
- 调整工作经验顺序
- 重写成就描述（使用JD关键词）
- 突出相关项目
- 检查关键词密度
- 验证ATS友好性
- 保存变体文件
- 生成匹配度报告
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
# 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
推荐:
- ✅ 简洁的单列布局
- ✅ 标准字体（Arial, Calibri, Times New Roman）
- ✅ 清晰的章节标题（全部大写或加粗）
- ✅ 电话使用格式：+86 138-1234-5678
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
{
"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
# 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:
负责系统优化和性能提升
优化后（针对Distributed Systems岗位）:
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
- 使用
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:
- 所有链接可点击
- 联系信息准确
- 无拼写或语法错误
- 日期格式一致
- 专业邮箱地址
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:
{
"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:
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:
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:
{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:
{
"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:
{
"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
{
"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
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:
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)