by coinluu
JD-driven Chinese resume optimization skill for China job seekers. 解析岗位 JD、诊断简历缺口、生成真实可信的中文定制简历、ATS 纯文本版和面试追问。
# Add to your Claude Code skills
git clone https://github.com/coinluu/resume-jd-optimizer-cnGuides for using ai agents skills like resume-jd-optimizer-cn.
resume-jd-optimizer-cn is an open-source ai agents skill for AI coding assistants such as Claude Code, Codex CLI, and ChatGPT, built by coinluu. JD-driven Chinese resume optimization skill for China job seekers. 解析岗位 JD、诊断简历缺口、生成真实可信的中文定制简历、ATS 纯文本版和面试追问。. It has 50 GitHub stars.
resume-jd-optimizer-cn's catalog security scan is still queued. You can run an instant dependency and prompt-injection check now with the "Scan for vulnerabilities" button above.
Clone the repository with "git clone https://github.com/coinluu/resume-jd-optimizer-cn" and add it to your Claude Code skills directory (see the Installation section above). resume-jd-optimizer-cn ships a SKILL.md manifest, so compatible agents can discover and load it automatically.
Yes. SkillsLLM lists many other AI Agents skills you can browse and compare side by side. Open the AI Agents category from the badge at the top of this page, or use the Related Skills and comparison links further down to weigh resume-jd-optimizer-cn against similar tools.
No comments yet. Be the first to share your thoughts!
Unlocks once the catalog security scan passes (runs nightly).
The deep catalog scan for this skill is still queued. Run an instant dependency check now instead.
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。
已确认、待确认 或 模型推断;只有 已确认 可进入最终简历。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。
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。
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。
完整流程与阶段门槛见 docs/workflow.md。
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。
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。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。针对不同 JD 分别生成版本:
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。
材料充分时,按顺序输出:
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。
在交付前逐条确认:
岗位差异参考 docs/role_taxonomy.md,指标选择参考 docs/metric_dictionary.md,真实性边界参考 docs/resume_truthfulness_policy.md。
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
| 你是谁 | 这个 Skill 能帮什么 |
|---|---|
| 应届生 / 实习生 | 从课程、实习、竞赛和项目中挖掘岗位相关证据 |
| 社招求职者 | 把职责描述重构为可验证的业务贡献 |
| 转行求职者 | 区分直接经验、可迁移能力和真实缺口 |
| 多方向投递者 | 基于同一事实底稿,为不同 JD 分别生成版本 |
| 简历投递反馈较少的人 | 检查 JD 匹配、ATS 可读性和 HR 10 秒阅读体验 |
| AI Agent / Prompt 开发者 | 复用完整 Skill、Prompt、评分规则和测试体系 |
| 常见问题 | 项目处理方式 |
|---|---|
| 简历写成岗位职责,没有成果证明 | 追问背景、个人动作、方法、结果和证据来源 |
| 不知道 JD 真正在筛什么 | 拆分硬性门槛、核心职责、技能、加分项和淘汰风险 |
| 经历有价值,但简历没有写出来 | 建立 JD 与真实经历的逐项证据映射 |
| 为了 ATS 机械堆关键词 | 关键词必须绑定真实项目或行动证据 |
| 没有精确数据,不知道怎么写 | 使用可验证交付、采用、流程改善或确认过的区间 |
| “包装”后面试讲不圆 | 对强动词、数字、归因和个人贡献生成尖锐追问 |
| 一份简历投所有岗位 | 为每个具体 JD 独立排序、评分和生成版本 |
| 普通简历 Prompt | resume-jd-optimizer-cn |
|---|---|
| 直接润色现有句子 | 先解析 JD,再决定优化重点 |
| 可能自动补充数据和职责 | 只允许已确认事实进入最终简历 |
| 关键词越多越好 | 无项目证据的关键词不会被视为充分覆盖 |
| 把“参与”改成“负责/主导” | 使用贡献动词证据门槛 |
| 输出一份万能简历 | 每个 JD 独立生成版本和风险提示 |
| 关注文字是否漂亮 | 同时检查 ATS、HR、面试自洽和可信度 |
| 转行时强行贴近岗位 | 区分直接经验、可迁移经验和学习/作品证据 |
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
| 能力 | 输出 |
|---|---|
| JD 解析 | 岗位目标、硬性条件、技能、业务场景、关键词和权重 |
| 简历诊断 | 表达问题、可信证据、数据深度、成果等级和贡献边界 |
| 缺口分析 | 已覆盖、弱覆盖、未覆盖、可补充和不建议硬凑 |
| 素材追问 | 与高权重 JD 要求对应的具体问题 |
| 简历重写 | JD 定制版、ATS 纯文本版和 HR 摘要 |
| 求职沟通 | Boss 直聘开场白和猎头介绍 |
| 面试准备 | 针对数字、归因、方法和个人贡献的追问 |
| 风险检查 | 编造、夸大、关键词堆砌、AI 味和隐私风险 |
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:
| 当前材料 | Skill 行为 |
|---|---|
| 只有简历 | 做基础诊断、ATS 结构检查并索取目标 JD |
| 只有 JD | 解析岗位要求并生成素材采集问题 |
| 简历 + 单个 JD | 执行完整诊断、重写和审查 |
| 简历 + 多个 JD | 建立唯一事实底稿,为每个 JD 独立生成版本 |
| 信息严重不足 | 明确阻断,并提出最多 6 个具体输入问题 |
| 用户要求造假 | 停止重写与评分,提供真实替代方案 |
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
| JD 要求 | 简历证据 | 状态 |
|---|---|---|
| 复杂流程产品经验 | 订单审批流程改版 | 已覆盖 |
| PRD 与原型 | 用户确认负责 PRD、原型 | 已覆盖 |
| 跨团队推进 | 协同 5 名研发及 1 名设计 | 已覆盖 |
| 数据分析 | 暂无分析过程证据 | 弱覆盖 |
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。
- 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?
| 环境 | 推荐安装方式 |
|---|---|
| Codex | 将完整仓库复制或克隆到 Codex Skills 目录 |
| ChatGPT Project | 上传核心文件,并在项目指令中加入 SKILL.md 规则 |
| 自定义 GPT | 将核心工作流放入 Instructions,上传参考文件作为 Knowledge |
| 自定义 Agent | 始终加载 SKILL.md,按阶段加载 Prompt、Rubric 和模板 |
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。
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。
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。
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。
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
| 类别 | 已内置岗位 |
|---|---|
| 产品 | 产品经理、AI 产品经理 |
| 数据与技术 | 数据分析师、Java、Python、前端、算法、测试工程师 |
| 运营与增长 | 运营、新媒体运营、用户增长 |
| 商业与市场 | 销售、商务拓展、市场营销 |
| 交付与设计 | 设计师、项目经理 |
| 求职身份 | 应届生校招、实习生、转行求职者、管培生 |
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。
评分用于诊断当前材料,不代表录用概率。
| 评分 | 重点检查 | 满分 |
|---|---|---|
| JD 匹配分 | 硬性条件、技能证据、项目相关度、成果和职级 | 100 |
| ATS 分 | 标准标题、关键词、结构、技能区和时间线 | 100 |
| HR 吸引力分 | 10 秒方向判断、前部亮点、相关性和简洁度 | 100 |
| 面试准备分 | 背景、个人贡献、方法、数据来源和复盘 | 100 |
| 可信度分 | 数据来源、贡献边界、夸大风险和逻辑自洽 | 100 |
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。
| 允许 | 禁止 |
|---|---|
| 提升信息顺序、表达精度和证据密度 | 编造公司、项目、证书、工具或数据 |
| 使用用户确认的估算、区间和规模 | 把参与改成主导 |
| 明确团队成果中的个人贡献 | 把团队结果全部归给个人 |
| 使用可验证的定性交付或改善结果 | 把按期上线写成业务增长 |
| 将转行经历标记为可迁移能力 | 把普通搜索改写成 RAG / Agent 项目 |
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。
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:
截图不得包含真实联系方式、客户信息或未公开经营数据。
| 方向 | 计划 |
|---|---|
| 案例覆盖 | 增加更多匿名化真实回归案例 |
| 行业覆盖 | 增加金融、制造、医疗、游戏等岗位参考 |
| 工程能力 | 增加结构化事实底稿和多 JD 差异检查工具 |
| 文件处理 | 探索 PDF / DOCX 文本解析与 ATS 结构检查 |
| 社区评测 | 建立版本化匿名评测集和贡献规范 |
详见 ROADMAP.md。
欢迎贡献:
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。
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。
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 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。
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。