Resume Optimizer

Resume Optimizer 是一个面向 AI 助手的简历优化与求职材料定制 skill。

它不是“套模板写一份简历”，而是先读懂岗位 JD 或活动要求，再结合候选人的原始材料，输出更贴合场景的简历、报名文案、模拟评审与修改建议。

新版加入了一套 AI 时代招聘特质框架：好奇心、靠谱、有事实洁癖、多元化思维、能忍受不确定性、低 ego 高自驱。它会把这些特质翻译成简历里的可信证据，而不是堆成空泛自夸。

中文介绍

它解决什么问题

很多简历工具只能把已有内容排版得更像简历，但不会告诉你：

• 这份 JD 真正在筛什么人
• 你的经历里哪些点最该放大
• 哪些要求你没有正面回应
• 面试官为什么会在 30 秒内划走
• 你的材料有没有证明“好奇、靠谱、事实洁癖、自驱”等底层特质

resume-optimizer 的目标，是把“写简历”变成一套更接近真实求职决策的工作流。

六项 AI 时代招聘特质

这套 skill 会把六个看似抽象的词拆成可写进简历的证据：

特质	简历里应该证明什么
好奇心	主动探索新工具、新领域、新问题，并产出作品或方法
靠谱	承诺有回音，风险提前同步，交付有闭环
有事实洁癖	会核验来源、数据、引用、AI 输出，对传播的信息负责
多元化思维	能跨领域组合知识，形成新角度或新方案
能忍受不确定性	在信息不完整、方向变化、工具快速迭代中继续行动
低 ego 高自驱	主动推进，同时能接受反馈、承认错误、修正方案

适用场景

• 针对具体岗位 JD 定制简历
• 根据活动、比赛、黑客松要求准备报名材料
• 生成匹配分析、模拟招聘方评价、面试准备清单
• 输出 Markdown 简历，并支持后续导出 PDF、Word、HTML

核心能力

1. 解析 JD / 活动要求，提取 must-have、加分项和关键词
2. 解析候选人材料，抽取经历、项目、技能和量化成果
3. 用六项特质框架做证据诊断，识别信息缺口并引导补充
4. 生成结构化 Markdown 简历或报名材料
5. 做 self-awareness 分析与模拟招聘方 / 评委评价
6. 给出可直接落地的改写建议

触发方式

当用户出现这些意图时建议启用：

• “帮我投这个岗位”
• “根据这个 JD 优化我的简历”
• “帮我写简历”
• “帮我准备黑客松报名材料”
• “我要参加这个比赛，帮我整理报名材料”

目录结构

resume-optimizer/
├── SKILL.md
├── agents/
│   └── openai.yaml
├── promotion.md
├── CHANGELOG.md
├── CONTRIBUTING.md
├── LICENSE
├── assets/
│   └── resume-optimizer-preview.svg
├── evals/
│   └── evals.json
└── examples/
    └── example-prompts.md

安装

把整个目录放到你的 skills 目录中即可，例如：

cp -R resume-optimizer ~/.config/opencode/skills/resume-optimizer

如果你的宿主环境使用别的 skills 目录，请按对应规范调整路径。

使用方式

把岗位 JD、活动要求和个人材料一起交给支持 skills 的 AI 助手。材料可以是不完整的旧简历、LinkedIn 资料、自述文字、项目经历或截图。

你可以参考 examples/example-prompts.md 中的示例输入。

English

What It Does

resume-optimizer is an AI skill for resume optimization and application material tailoring.

Instead of filling a generic template, it first analyzes the job description or event brief, then maps the candidate's background against that target and produces:

• tailored resumes
• match analysis
• hiring-manager-style feedback
• improvement suggestions
• optional supporting materials

Good Fit For

• tailoring a resume to a specific job description
• highlighting AI-era hiring traits with concrete evidence
• preparing hackathon or competition applications
• converting messy raw background notes into structured materials
• generating interview prep prompts based on gaps and strengths

Output Style

The skill is designed to prioritize:

• honesty over fabrication
• specificity over generic wording
• evidence for curiosity, reliability, fact discipline, diverse thinking, uncertainty tolerance, and low-ego self-drive
• ATS-friendly language without keyword stuffing
• user control at every important decision point

Compatibility

When SKILL.md mentions question-asking tools, it refers to whatever user follow-up mechanism your host environment provides. If your setup has no dedicated tool, normal conversational follow-up works as a fallback.

Open Source Notes

• License: MIT
• Change log: CHANGELOG.md
• Contribution guide: CONTRIBUTING.md
• Promotion copy: promotion.md

Roadmap

• add more real-world resume examples
• provide multiple output styles for different markets
• expand eval coverage for bilingual and cross-border applications