简历优化生成器

技能简介

Resume Optimizer 是一款面向求职者的专业简历构建工具，支持从零创建、定制修改、智能分析与ATS友好型PDF导出。内置三种经典格式（时间顺序型、功能型、混合型），配合关键词优化策略，帮助用户提升简历通过 applicant tracking systems 的概率。

业务背景

招聘系统日益普及导致简历通过率降低，求职者难以判断自身材料是否符合机器筛选标准。本工具从零构建到智能诊断全流程覆盖，内置多种经典版式与关键词策略，帮助用户针对性强化竞争力，减少因技术门槛导致的优质候选人流失。

落地案例：某市场专员计划转行产品经理，选择混合型模板输入过往运营数据与转岗目标，工具分析JD后建议补充"用户调研""需求文档"等关键词，重构工作经历的业务价值表述；经ATS兼容性扫描确认无异常后，调用脚本生成规范PDF，可直接上传招聘平台。

能做什么

• 根据用户提供的工作经历、教育背景与目标岗位，生成全新专业简历
• 针对特定职位需求，调整现有简历的内容侧重与关键词分布
• 扫描简历结构、内容与ATS兼容性，输出可执行的改进建议
• 调用脚本将最终内容转换为排版规范的PDF文档

使用说明

安装准备

本技能依赖 Python 环境与 reportlab 库，需确保运行环境已安装：

pip install reportlab

创建新简历流程

1. 收集用户基本信息：工作经历、教育背景、技能证书、目标岗位
2. 依据职业背景选择格式：时间顺序型（同领域持续晋升）、功能型（转行或经历断层）、混合型（中期多技能平衡）
3. 读取 references/templates.md 获取对应模板结构
4. 参照 references/best-practices.md 撰写各模块内容
5. 执行生成脚本：python3 scripts/generate_resume_pdf.py --input resume_content.json --output resume.pdf --format chronological

定制现有简历流程

1. 解析用户提供的简历文本与目标岗位描述
2. 对照 references/ats-optimization.md 提取并嵌入关键词
3. 调整 bullet points 顺序，将最相关成就前置
4. 更新 summary 以呼应岗位核心要求
5. 重新生成PDF并保存至指定路径

分析诊断流程

1. 加载 references/analysis-checklist.md 评估标准
2. 逐项检查内容质量、格式规范、ATS兼容性
3. 标注优势项与优先改进点，附具体改写示例
4. 可选：直接执行修改并输出新版本

输出规范

所有PDF须存放于 /mnt/user-data/outputs/，命名格式为 FirstName_LastName_Resume.pdf，并通过 computer:// 协议提供下载链接。

输入与输出

见下方输入与输出表格。

风险提示

• 生成的简历内容基于用户自述信息，需用户自行核实数据真实性
• ATS优化策略随招聘系统迭代可能失效，建议定期关注行业动态
• PDF脚本依赖 reportlab 库，环境缺失将导致导出失败
• 过度堆砌关键词可能降低人工阅读体验，需平衡机器与人工审阅
• 功能型与混合型格式在部分保守行业可能不受青睐，选择前建议了解目标公司偏好

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/tomstools11/resume-optimizer/SKILL.md
来源类型：GitHub 开源技能文档