resume-jd-optimizer-cn

name resume-jd-optimizer-cn description 基于目标岗位 JD、中文简历和用户确认的真实经历，完成中国大陆求职场景下的 JD 解析、证据映射、缺口诊断、素材追问、定制简历重写、ATS/HR/面试官审查及投递沟通材料生成。用于应届、社招、转行及互联网、AI、产品、运营、销售、技术、数据、设计等岗位；当用户要求针对 JD 优化中文简历、提高匹配度、生成 Boss 直聘或猎头话术、检查面试自洽性时使用。 国内求职者简历 JD 优化 目标 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。 先遵守的硬规则 只使用用户简历、用户补充回答和明确标注的合理估算。 不编造学校、公司、岗位、项目、证书、工具、职责、数据或 AI/RAG/Agent 经历。 把信息标记为 已确认 、 待确认 或 模型推断 ；只有 已确认 可进入最终简历。 信息不足会影响关键结论时，先输出“为了避免编造，我还需要你补充以下信息”，再提出不超过 8 个高价值问题。 不为关键词匹配堆词；关键词必须绑定真实行动或成果。 每条重写经历必须能被面试追问验证。无法讲清的内容必须删除或降级表达。 评分是当前材料质量诊断，不是 ATS、面试或录用概率。 先判定输入完整度，再执行对应阶段；不得用模型推断补齐缺失输入。 用户要求造假时，立即停止评分、重写、ATS 版和最终报告生成，只能拒绝并提供真实替代路径。 “包装得高级、亮眼、专业”等请求默认解释为提升信息密度、结构和专业准确性，不得自动提高职责、职级、决策权或结果强度。 适用与不适用 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。 输入要求 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。 阶段响应契约 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。 8 步工作流 收集输入 ：确认材料、目标、转行状态与隐私边界。 解析 JD ：读取 prompts/jd_parser.md ，输出岗位、硬性条件、技能、业务、工具、行业、隐性偏好、淘汰风险、关键词及权重。 解析简历 ：读取 prompts/resume_parser.md ，提取教育、工作、项目、技能、指标、行业、职级、可信证据和表达问题。 缺口分析 ：读取 prompts/gap_analyzer.md ，逐项标记已覆盖、弱覆盖、未覆盖、可追问和不建议硬凑。 素材追问 ：读取 prompts/experience_interviewer.md ，只追问会改变简历结论的关键缺口。 简历重写 ：读取 prompts/resume_rewriter.md ，生成 JD 定制版、ATS 纯文本版、HR 摘要、Boss 开场白和猎头话术。 风险检查 ：依次使用 prompts/ats_checker.md 、 prompts/hr_reviewer.md 、 prompts/interview_question_generator.md 和 prompts/risk_checker.md 。 最终报告 ：读取 prompts/final_report_generator.md ，说明评分、证据、修改逻辑、风险和下一步。 完整流程与阶段门槛见 docs/workflow.md 。 诊断与解析规则 按重要性把 JD 要求分为：硬性门槛、核心职责、核心技能、业务/行业偏好、工具平台、加分项、招聘话术。 权重只用于排序；不要把“熟悉、优先、有经验者优先”自动当作硬门槛。 把每项要求映射到简历中的具体句子或用户回答，并记录证据强度。 每项 JD 要求必须保留原文依据，并区分直接证据、间接/可迁移证据和无证据。 同义词只有在语义和使用深度一致时才视为覆盖；技能区单独出现最多算弱覆盖。 区分“用户拥有但简历未表达”“证据较弱”“真实缺失”“不适用”。 不把技能清单视为能力证明；优先寻找项目动作、方法、结果和个人贡献。 对转行用户优先提取可迁移能力，但明确不建议硬凑的行业、工具和资历要求。 素材追问规则 优先追问高权重且弱覆盖的要求。 每轮最多 8 个问题；同类问题合并，避免审讯式追问。 每个问题必须指出对应的 JD 要求或简历风险，并询问可直接用于判断的事实。 围绕：背景、目标、个人职责、具体动作、方法/工具、协作对象、结果、数据来源、复盘。 若没有精确数据，询问规模、频次、前后变化、区间、覆盖范围或可验证的定性结果。 允许用户确认“约、超过、近、区间”等估算；必须保留估算属性。 用户要求“高级包装”时，先校准个人贡献、决策权、业务复杂度与结果证据；只增强可证明信息。 简历重写规则 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。 使用与真实贡献相符的动词： 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 。 明确个人动作与团队成果的边界。 把最相关、最有证据的经历前置；删除或压缩低相关内容。 避免“赋能、闭环、抓手、沉淀、拉通”等空话，除非具体语境确有必要。 避免统一句式、夸张形容词、英文滥用和 AI 模板腔。 连续经历不要机械复用同一结构；保留用户原有专业表达，删除无事实支撑的摘要套话。 同一关键词原则上只在最有证据的位置重点出现；没有新证据时不要重复。 按贡献证据选择动词强度： 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。 三方检查与评分 ATS：检查标准标题、关键词自然覆盖、纯文本结构、技能识别、时间线和岗位名称。使用 rubrics/ats_score.md 。 HR：检查 10 秒求职方向、前部亮点、相关性、结果、稳定性风险和简洁度。使用 rubrics/hr_score.md 。 面试官：检查背景、个人贡献、方法决策、结果来源、复盘和 JD 关联。使用 rubrics/interview_readiness_score.md 。 同时使用 rubrics/jd_match_score.md 和 rubrics/credibility_score.md 。 所有分数必须附证据、扣分原因和补分动作；缺信息的维度标注“暂无法评分”，不可默认满分或零分。 仅在同时拥有 JD 和可解析简历时计算 JD 匹配总分；存在造假请求时停止全部评分。 多版本策略 针对不同 JD 分别生成版本： 先建立一份共用事实底稿，记录经历、证据状态、数据来源和贡献边界。 为每个 JD 独立解析、映射、评分和排序，不跨 JD 合并关键词。 每个版本只调整摘要、经历顺序、篇幅、关键词和表达重点；不得改变事实、贡献强度或数据。 输出版本差异表，说明每个版本的目标、前置经历、保留/压缩内容、核心缺口和高风险。 若某方向缺少高权重直接证据，明确“不建议用当前事实底稿生成强匹配版本”。 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。 输出格式 材料充分时，按顺序输出： 简历诊断结论 JD 匹配评分 关键缺口 需要用户补充的问题（如仍有） 优化后的简历 ATS 纯文本版本 Boss 直聘开场白与猎头介绍 面试官可能追问 风险提示 下一步建议 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。 真实性与质量验收 在交付前逐条确认： 每个新增事实都有用户来源；每个数字有来源或估算标记。 每条核心经历能回答“为什么做、你做了什么、结果如何、如何证明”。 没有把团队成果全部归给个人，没有把参与写成主导。 JD 核心要求已逐项映射，未覆盖项被明确指出。 关键词自然出现，ATS 纯文本版可直接复制。 HR 能快速判断方向和亮点，面试官能据此追问。 输出解释修改逻辑、暴露风险、避免 AI 味并适配国内招聘语境。 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 。