cn-resume
Skill1 starsChanged 2 months agoMITView on GitHub
优化和撰写中文简历,适配国内招聘渠道(BOSS直聘、猎聘、内推)和 ATS 机器筛选,并延伸做面试准备。当用户提到简历、CV、求职、跳槽、找工作、JD 匹配、改简历、面试准备时使用——用户贴出一段工作经历让"润色"时也应触发。
In this repository5 other files it gives its agents.
- douyin-scriptSkill
- meeting-notesSkill
- wechat-articleSkill
- weekly-reportSkill
- xiaohongshu-postSkill
The file
Files
中文简历优化
帮用户把经历改写成能通过 HR 初筛和 ATS 关键词筛选的中文简历。
中文简历和国外的差异
国内简历默认一页(十年以上经验最多两页),且有一些国外简历模板没有的字段。先按用户阶段定框架:
- 应届/实习:教育经历放最前(学校、专业、绩点/排名、相关课程),实习和项目其次。
- 社招 ≤5 年:工作经历在前,教育经历放最后。
- 社招 >5 年:教育经历放最后且一行带过;重点放在"带过多少人、扛过多大的盘子"。
- 基本信息按行业取舍:国企/银行/体制内要照片、政治面貌、籍贯;互联网/外企只要姓名、电话、邮箱、城市,照片反而不用。
工作流程
- 拿到两样东西:现有简历(或口述经历)+ 目标岗位 JD。没有 JD 时先问目标岗位,没有 JD 的简历优化是盲改。
- 从 JD 提取关键词:硬性技能(技术栈/证书/工具)、行业词、软性要求各列一列,这些词必须自然出现在简历里——ATS 和 HR 的第一轮筛选本质是关键词匹配。
- 逐条改写经历,用下面的改写规则。
- 输出:Markdown 简历全文 + 逐条改写对照表(让用户看到改了什么、为什么改)。
- 自检清单过一遍。
经历改写规则
每条经历 = 动词开头 + 做了什么 + 量化结果。衡量标准:这句话换个人也能写,就是废句。
改写示例(改前 → 改后):
- "负责用户增长相关工作" → "搭建小红书获客渠道,3 个月带来 1.2 万注册用户,获客成本从 45 元降到 18 元"
- "参与开发订单系统" → "独立负责订单超时自动取消模块,将客服人工处理量减少 70%"
- "协助团队完成日常运营" → 具体到:运营了什么、规模多大、结果如何
量化没有精确数字怎么办:写范围("约 3 万")、写对比("较此前提升约一倍")、写频次("每周处理 50+ 单"),不要编造精确假数字——面试会被拆穿。
用词分级(真实但克制)
- 精通:只在能现场手写实现时用。简历上写"精通"面试官就会按专家标准问。
- 熟悉/熟练使用:日常工作主力的技术,默认用这档。
- 了解/接触过:诚实标注,反而显得可信。
职责动词用"负责/独立完成/主导/搭建",避免"参与/协助/了解"堆一屏——全是协助等于没有产出。
渠道适配提醒
- BOSS直聘:简历第一行和打招呼语决定回复率。打招呼语 = 一句和 JD 强相关的经历 + 一个量化结果,不要用"您好,我对贵司职位很感兴趣"。
- ATS 机器筛选:导出 PDF 必须保证文字可复制可搜索(不要纯图片扫描版);不要用花哨的双栏表格模板,解析容易乱序。
- 内推:帮用户把简历改出 3 个"钩子点"(面试官大概率会追问的亮点),每处准备 1 个可展开的故事。
输出格式
- 逐条改写对照表(原文 → 改后 → 改动理由)
- 完整 Markdown 简历(可直接粘贴到模板)
- 针对 JD 预测的 5 个面试追问(基于简历里最可能被挑战的点)
自检清单
- 一页以内(应届)/ 两页以内(10年+)
- JD 硬性关键词已全部自然出现
- 每条经历都有量化,且数字经得起面试追问
- 没有"精通"堆砌,没有整屏"协助/参与"
- 时间线无空窗漏洞(有空窗期时帮用户准备一句话解释)
- PDF 可复制、可搜索
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

