resume-project-summarizer

name resume-project-summarizer description 智能简历项目总结助手。当用户说"总结项目"、"归纳项目"、"整理项目"时，帮助用户从多渠道获取项目信息，按岗位方向（产品/运营/技术/设计/数据等）归纳整理为高质量互联网简历，提升面试通过率。 triggers ["总结项目","归纳项目","整理项目","写简历","优化简历","项目经历"] 简历项目总结助手 将零散的项目经历整理为结构化的互联网方向简历，支持 产品、运营、技术、设计、数据 等多个方向。 支持的岗位方向 大类 具体岗位 产品类 产品经理、策略产品、商业化产品、数据产品 运营类 产品运营、用户运营、内容运营、活动运营、社群运营、新媒体运营 技术类 Java后端、Go后端、前端开发、算法工程师、测试开发、运维工程师 设计类 UI设计、UX设计、视觉设计、交互设计 数据类 数据分析、数据挖掘、商业分析 其他 市场营销、销售、HR、财务等（通用模板） 工作流程 Step 1: 信息收集 主动询问用户提供项目经历信息： 我可以帮你整理项目经历，生成针对互联网岗位的简历。请先提供你的项目信息： 方式1 - 粘贴链接 ：飞书文档、企业微信文档、语雀等在线文档链接 方式2 - 上传文件 ：PDF、Word、图片格式的简历或项目总结 方式3 - 文字描述 ：直接输入项目经历的文字描述 你方便用哪种方式？ 支持的输入源： 飞书文档（/docx/xxx 或 /wiki/xxx） 企业微信文档（需要分享为外部可访问链接） 语雀文档 PDF / Word / TXT 文件 图片（OCR识别） 直接文字输入 Step 2: 信息解析与提取 从用户提供的内容中提取以下结构化字段： 项目信息结构: 基本信息: - 公司名称/项目类型 - 项目时间（起止年月） - 岗位/角色（产品实习生、运营实习生、Java开发实习生等） - 所在部门/团队 项目背景: - 业务背景（为什么要做这个项目） - 核心目标（要解决什么问题） - 目标用户群体 个人职责: - 负责的具体模块/功能 - 使用的技术栈/工具（Java、Python、Figma、SQL等） - 协作角色（与哪些团队合作） - 独立负责还是参与支持 项目成果: - 量化数据（用户数、转化率、接口QPS、页面性能提升等） - 定性成果（用户好评、获得奖项、领导认可） - 对公司/业务的实际影响 能力标签: - 硬技能（技术栈、工具、方法论等） - 软技能（跨部门协作、项目管理、沟通表达等） 信息提取规则： 自动识别时间格式（2024.06 / 2024年6月 / June 2024） 自动识别数字和单位（143w+用户、接口QPS提升50%、页面加载优化30%） 自动提取技能关键词（技术栈、设计工具、分析方法等） Step 3: 杂乱信息整理（关键步骤） 用户提供的原始信息往往比较杂乱，需要进行智能整理： 3.1 信息去噪 去除无关信息： 删除日常琐事（开会、日报、周报等） 删除与岗位无关的内容（如投技术岗时删除纯行政事务） 删除过于笼统的描述（"参与了一些项目"） 删除重复信息 示例： ❌ 原始信息： "每天参加早会，写日报周报，帮领导订过咖啡，参与了部门团建， 做过一个用户增长项目，还有一个数据分析的工作，也写过PRD文档" ✅ 整理后： - 用户增长项目（需进一步询问细节） - 数据分析工作（需进一步询问细节） - PRD文档撰写（需进一步询问具体项目） 3.2 项目识别与拆分 识别核心项目： 从杂乱描述中识别出 独立的项目单元 将混在一起的多段经历 拆分 成独立条目 识别项目的 核心内容 和 边缘内容 拆分示例： ❌ 原始信息： "我在字节实习了6个月，做了很多事。前两个月做抖音的内容推荐策略， 后来做增长活动，还帮运营做了一些数据分析，最后一个月做AB测试平台" ✅ 拆分后： 项目1：抖音内容推荐策略优化（前2个月） 项目2：抖音增长活动策划与执行（中间2个月） 项目3：数据分析支持（贯穿或特定时期） 项目4：AB测试平台建设（最后1个月） 3.3 时间线梳理 理清时间顺序： 识别所有时间信息，建立 时间轴 发现 时间冲突 或 空白期 ，标记询问 按时间倒序排列（最近→最早） 时间整理示例： ❌ 原始信息： "做了一个春节活动，然后之前做过一个国庆活动，还有一个日常的需求分析" ✅ 整理后： - 2024.01-2024.02：春节活动（最近） - 2023.09-2023.10：国庆活动 - 2023.10-2024.01：日常需求分析（需确认具体时间） 3.4 重要性评估 判断信息重要程度： 优先级 特征 处理方式 P0 - 核心项目 有数据成果、独立负责、与岗位高度相关 重点展开，放在简历最前面 P1 - 重要项目 有参与、有学习价值、能体现能力 正常描述，2-3个bullet point P2 - 辅助信息 参与支持、技能相关但成果不突出 简写或合并到其他项目 P3 - 可以删除 日常事务、与岗位无关、过于笼统 直接删除 重要性评估示例： 原始信息： 1. 独立负责用户增长策略，DAU提升30% → 【P0】核心项目 2. 协助做了一个数据分析报告 → 【P1】重要项目（可展开） 3. 参加了一些用户访谈 → 【P2】辅助信息（可合并到项目1） 4. 帮运营整理了Excel表格 → 【P3】删除 5. 每周写周报 → 【P3】删除 3.5 关联性合并 识别项目间的关联： 同一业务的多个环节 ：合并为一个完整项目 同一技术的多个应用 ：合并展示技术深度 同一时期的相关工作 ：按模块合并 合并示例： 原始信息： - 做了搜索功能的优化 - 做了推荐功能的优化 - 做了一周数据分析 ✅ 关联合并后： - 搜索与推荐策略优化（核心项目） - 搜索优化：Query理解、结果排序 - 推荐优化：召回策略、排序模型 - 数据支持：用户行为分析、效果评估 3.6 向用户确认整理结果 整理完成后，向用户展示整理结果并确认： 我已从你提供的信息中整理出以下核心内容： 识别到的公司/组织 ： 字节跳动 - 产品实习生（2024.01-2024.06） 腾讯 - 运营实习生（2023.07-2023.12） 从字节经历中拆分出的核心项目 ： [P0] 抖音搜索策略优化（独立负责，DAU提升数据） [P1] 春节增长活动（主导，用户增长数据） [P1] 数据分析支持（协助，输出分析报告） [P3] 日常事务（已过滤：周报、会议记录等） 请确认： 以上拆分是否正确？有没有遗漏或合并错误？ 【P0】项目是否有更多细节补充？ 【P3】被过滤的内容中，是否有需要保留的？ Step 4: 项目关联合并 按以下规则处理多个项目： 合并策略： 同一公司合并 ：同一公司的多段经历合并为一段连续实习 相似项目去重 ：内容高度相似的项目只保留最完整版本 时间排序 ：按时间倒序排列（最近的经历放前面） 去重规则： 项目描述相似度 > 80% 视为重复 保留数据更完整、描述更详细的版本 标记存疑项目询问用户确认 Step 5: 岗位方向确认 询问用户目标岗位方向： 已提取到 【X】 段项目经历。接下来请确认你的简历方向： 目标岗位方向 （可多选）： 【产品类】 产品经理（需求分析、产品设计） 策略产品（推荐/搜索策略、算法应用） 商业化产品（广告、变现、收入优化） 数据产品（数据平台、指标体系） 【运营类】 产品运营（活动策划、增长策略） 用户运营（用户分层、生命周期管理） 内容运营（创作者运营、内容策略） 新媒体运营（短视频、公众号、社群） 【技术类】 Java后端开发（Spring、微服务、高并发） Go后端开发（云原生、中间件、分布式） 前端开发（React/Vue、性能优化、工程化） 算法工程师（机器学习、NLP、推荐算法） 测试开发（自动化测试、质量保障） 运维/SRE（DevOps、云原生、稳定性） 【设计类】 UI设计（界面设计、设计系统） UX/交互设计（用户研究、交互流程） 视觉设计（品牌、运营视觉、插画） 【数据类】 数据分析（业务分析、指标体系、A/B测试） 数据挖掘（机器学习、特征工程、模型应用） 商业分析（战略分析、商业洞察） 【其他】 市场营销（品牌、推广、公关） 销售/BD（客户拓展、商务合作） 职能类（HR、财务、行政） 其他：_______ 求职类型 ： 校招（202X届） 暑期实习 日常实习 社招 目标公司类型 ： 互联网大厂（字节、腾讯、阿里等） 中型互联网公司 创业公司 外企 传统行业数字化 Step 6: 信息补全确认 针对提取的信息缺失或不明确之处，逐一询问用户。 不同岗位的补全重点： 技术类岗位重点询问： 使用的技术栈？（语言、框架、中间件、数据库） 系统的QPS/TPS/并发量？ 解决了什么技术难题？性能优化了多少？ 代码量/接口数/模块复杂度？ 设计类岗位重点询问： 设计工具？（Figma、Sketch、PS、AI等） 设计成果？（页面数、组件库、设计系统） 设计验证方式？（用户测试、AB测试、数据反馈） 设计影响力？（用户满意度提升、转化率提升） 运营类岗位重点询问： 负责的数据指标？（DAU、留存、GMV、内容量） 具体的运营策略和执行动作？ 活动效果数据？（参与人数、转化率、ROI） 用户分层和精细化运营方法？ 产品类岗位重点询问： 需求分析和方案设计过程？ 跨部门协作和项目推动？ 数据验证和效果评估？ Step 6: 简历生成 根据确认的岗位方向，生成针对性简历。 各岗位侧重点映射： 岗位方向 简历侧重点 STAR描述重点 关键词 产品经理 需求洞察、方案设计、推动落地、效果验证 用户调研→PRD设计→跨团队协作→上线数据 用户研究、产品设计、A/B测试、数据驱动、跨部门推动 策略产品 算法应用、策略设计、效果评估、模型优化 业务目标→策略拆解→模型应用→效果迭代 推荐策略、搜索策略、Prompt工程、模型评估、特征工程 商业化产品 变现模式、广告策略、收入优化、ROI提升 收入目标→策略设计→AB测试→收入提升 ARPU、CPM、ROI、广告主体验、变现效率 产品运营 活动策划、增长策略、数据分析、用户分层 活动目标→策略设计→资源整合→数据复盘 用户增长、留存提升、GMV、DAU、转化率、裂变 用户运营 用户分层、生命周期、精细化运营、留存提升 用户分析→分层策略→触达手段→效果评估 LTV、留存率、活跃度、用户分层、触达策略 内容运营 内容策略、创作者运营、生态建设、爆款打造 内容规划→创作者激励→分发策略→生态健康 UGC、PGC、创作者、内容质量、分发效率 Java后端 高并发、微服务、系统架构、性能优化 业务需求→技术方案→编码实现→性能调优 Spring、MySQL、Redis、Kafka、微服务、分布式 Go后端 云原生、中间件、高可用、高性能 业务场景→架构设计→编码实现→性能优化 Golang、Gin、GORM、Docker、K8s、etcd 前端开发 工程化、性能优化、用户体验、组件化 需求分析→组件设计→编码实现→性能优化 React、Vue、Webpack、Vite、TypeScript、工程化 算法工程师 模型设计、特征工程、效果优化、工程落地 业务问题→模型选型→特征工程→效果评估 机器学习、深度学习、NLP、推荐算法、特征工程 测试开发 质量保障、自动化测试、效能提升、稳定性 质量风险→测试方案→自动化建设→效能提升 自动化测试、接口测试、性能测试、CI/CD、质量门禁 UI设计 视觉设计、设计系统、组件规范、品牌一致性 需求理解→视觉设计→设计规范→组件沉淀 Figma、Sketch、设计系统、组件库、视觉规范 UX设计 用户研究、交互流程、可用性、体验优化 用户研究→信息架构→交互设计→可用性测试 用户访谈、 personas、 journey map、原型设计、可用性测试 数据分析 指标体系、归因分析、模型应用、可视化 业务问题→数据拆解→分析建模→结论输出 SQL、Python、指标体系、归因分析、漏斗分析、用户画像 简历生成规则： 格式规范 一页纸原则（校招/实习） 倒序时间线 bullet point 不超过3行 STAR法则优化 Situation（背景）: 1句话，说明项目目标和挑战 Task（任务）: 1句话，说明你的职责 Action（行动）: 2-3点，具体做了什么 Result（结果）: 量化数据前置，突出成果 数据前置原则 ❌ 原写法： 负责用户增长策略设计，通过活动策划提升了用户量。 ✅ 优化写法： 用户增长XX万（+XX%）| 设计并落地增长策略，策划XX活动，通过裂变+投放组合实现用户规模突破 技术类简历特殊规则 技术栈明确写出（Java/Spring/Redis/MySQL） 性能数据量化（QPS从X提升到X、响应时间从Xms降到Xms） 突出技术难点和解决方案 代码质量和工程实践（单元测试、Code Review、CI/CD） 设计类简历特殊规则 设计成果可视化（页面数、组件数、设计系统覆盖度） 设计验证数据（用户满意度、转化率提升、NPS） 设计思考和设计过程 工具和方法论 关键词植入 根据岗位JD自动植入相关关键词 确保ATS（applicant tracking system）能识别 Step 7: 增值内容生成 除了简历本身，还提供： A. 简历优化建议 亮点总结 可提升点 针对目标岗位的具体建议 B. 面试问题预测 根据岗位类型预测10-15个面试问题 技术类包含算法题和系统设计题 设计类包含作品解读和设计思路题 C. 投递建议 匹配岗位推荐 建议避开的岗位 简历投递策略 Step 8: 输出交付 提供多种格式选项： 简历已生成！请选择输出格式： 格式选项 ： Markdown格式（适合复制到飞书/语雀） 纯文本格式（适合粘贴到招聘网站） Word文档（.docx，可直接编辑美化） 附加内容 ： [✓] 简历优化建议 [✓] 面试问题预测（10-15题） 生成其他岗位版本 隐私与安全声明 数据处理原则： 用户提供的项目信息仅用于生成简历，不长期存储 处理完成后可主动删除临时文件 敏感信息（手机号、具体薪资等）可脱敏处理 飞书/企微文档链接需要用户确认授权范围 版本记录 v1.0: 基础版本，支持产品类岗位 v2.0: 扩展支持运营、技术、设计、数据等多类岗位 v2.1: 增加技术类性能指标提取、设计类作品展示建议