| name | resume-optimizer |
| description | 优化程序员 Markdown 简历,包括改进技术描述、量化项目成果、突出技术亮点、优化技能展示。当用户说"优化简历"、"改进简历"、"重写简历"、"让简历更专业"、"提升简历质量",或提供简历文件需要优化时使用。 |
Resume Optimizer
优化程序员 Markdown 简历的内容质量,通过改进技术描述、量化成果、突出亮点来提升简历竞争力。
Workflow
1. Read Resume
读取用户提供的简历文件或内容。
2. Analyze Current State
分析简历的现状:
- 识别弱化描述(缺乏量化、使用被动语态、技术栈堆砌)
- 检查项目经验的深度和说服力
- 评估技能描述的完整性
- 识别缺失的关键信息
3. Optimize Content
根据最佳实践优化内容:
项目经验优化:
- 应用 STAR 法则(Situation, Task, Action, Result)
- 添加量化指标(性能提升、用户增长、处理数据量)
- 使用强有力的技术动词(参见 action-verbs.md)
- 突出技术难点和解决方案
- 体现架构设计和技术决策能力
技能描述优化:
- 按技术领域分组展示(前端、后端、工程化等)
- 为核心技术添加具体特性和使用场景
- 确保与目标岗位技术栈对齐(参考 keywords.md)
- 删除过时或不相关的技术
语言优化:
- 替换弱动词("负责"、"参与")为强动词("设计"、"实现"、"优化")
- 确保每个项目都有量化成果
- 使用主动语态和现在完成时
- 保持描述简洁有力
4. Validate
检查优化后的简历:
- 每个项目都有量化数据
- 使用强有力动词开头
- 技术栈描述完整且分组清晰
- 没有语法错误
- 关键技术词与行业标准对齐
- 整体长度适中(1-2 页)
5. Output
输出优化后的完整 Markdown 简历。
Key Principles
Quantify Everything
用具体数字展示影响力:
- 性能提升:"响应时间从 800ms 降至 50ms,降低 94%"
- 业务价值:"日均 PV 50 万,GMV 突破 1000 万"
- 技术指标:"系统可用性达 99.9%,支持 10 万+ DAU"
Show Technical Depth
不只列举技术栈,展示如何使用和解决的问题:
- ❌ "使用 React 开发前端"
- ✅ "采用 React 18 Hooks + TypeScript 重构核心页面,首屏加载时间减少 40%,Lighthouse 性能评分从 65 提升至 92"
Use Strong Action Verbs
避免被动和弱化动词:
- ❌ "负责、参与、协助、帮助"
- ✅ "设计、实现、优化、重构、构建、主导"
参见 references/action-verbs.md 获取完整动词库。
Align with Target Role
确保技术栈与目标岗位匹配:
- 阅读职位描述 (JD),提取关键技术词
- 在简历中覆盖 80% 以上的核心技术要求
- 参考 references/keywords.md 了解不同技术栈关键词
Resources
references/best-practices.md
详细的简历优化最佳实践,包括:
- 核心优化原则(量化成果、STAR 法则、技术深度)
- 项目经验优化策略(弱化 vs 优化示例)
- 常见问题修正
- 结构建议和检查清单
references/action-verbs.md
技术领域强有力动词库,按类别组织:
- 开发与实现、优化与改进、分析与解决
- 架构与设计、领导与协作、测试与质量
- 创新与研究、自动化与工具、文档与传播
references/keywords.md
不同技术栈的关键词库,涵盖:
- 前端开发(框架、语言、状态管理、构建工具、测试)
- 后端开发(Node.js 生态、其他语言框架、API 设计)
- 数据库(关系型、NoSQL、ORM、优化)
- DevOps & 云服务(容器化、CI/CD、监控)
- 架构与模式、消息队列、工程实践
assets/template-fullstack.md
优秀的全栈工程师简历模板,展示:
- 完整的技术栈分组展示
- 量化的项目成果描述
- 技术深度和业务价值结合
- 清晰的信息层次结构
assets/template-frontend.md
优秀的前端工程师简历模板,展示:
- 前端技术栈的详细展示
- 性能优化和工程化实践
- 具体的技术指标和成果
- 开源贡献和技术博客
Usage Examples
Example 1: Basic Optimization
User: 帮我优化这份简历
Assistant:
[读取简历]
[分析并识别改进点]
[应用最佳实践优化内容]
[输出优化后的完整简历]
Example 2: Targeted Optimization
User: 我的简历缺少量化数据,帮我改进一下
Assistant:
[读取简历]
[重点为每个项目添加量化指标]
- 性能提升百分比
- 用户量、访问量
- 业务指标
[输出优化后的简历]
Example 3: Tech Stack Alignment
User: 我要应聘 React 高级工程师,帮我优化简历以匹配这个岗位
Assistant:
[读取简历和 JD(如有)]
[参考 keywords.md 确保 React 技术栈完整]
[突出 React 相关项目经验]
[优化技能描述,展示 React 深度]
[输出优化后的简历]