chengzicv/chengzicv-career-skills / chengzicv-resume
chengzicv-resume
VerifiedChengziCV 简历改写与优化引擎,适用于已有简历、零散经历或简历与 JD 匹配。默认用口语化直述体,按"求真版+ATS核对报告 → 案例引导补强 → 冲高版+面试小抄"流程交付;求真版、冲高版、小抄、案例参考均可按用户要求单独交付。保留具体动作、专业细节与成果。
| File | Kind | Size |
|---|---|---|
| SKILL.md | skill md | 20.0 KB |
| agents/openai.yaml | config | 397 B |
| assets/cheat-sheet-template.html | other | 10.7 KB |
| assets/resume-checkup-template.html | other | 12.1 KB |
| assets/resume-document-template.html | other | 4.2 KB |
| onboarding/core-introduction.md | markdown | 1.2 KB |
| references/advantage-block.md | markdown | 33.3 KB |
| references/anti-leak-cheat-sheet.md | markdown | 1.5 KB |
| references/bigtech-signals.md | markdown | 5.8 KB |
| references/dual-track-strategy.md | markdown | 2.4 KB |
| references/dynamic-jd-ats-engine.md | markdown | 8.0 KB |
| references/evidence-safeguard.md | markdown | 2.8 KB |
| references/exemplar-benchmark.md | markdown | 3.9 KB |
| references/high-signal-bullets.md | markdown | 2.8 KB |
| references/one-page-markdown-rules.md | markdown | 2.5 KB |
| references/plainspoken-resume-style.md | markdown | 8.2 KB |
| references/real-offer-benchmarks.md | markdown | 7.9 KB |
| references/technical-evidence.md | markdown | 9.6 KB |
| references/universal-lift-engine.md | markdown | 2.1 KB |
references/dynamic-jd-ats-engine.md
View on GitHub# JD 对照与 ATS 优化
目标是让招聘方(机器和 HR)都看懂已有经历怎样回应岗位要求。文风以 `plainspoken-resume-style.md` 为准,事实边界以 `evidence-safeguard.md` 为准:不把 JD 要求当成候选人已经具备的能力。用户提供 JD 时本文件为必读,交付前必须输出文末的 ATS 核对报告。
## 一、机筛机制认知(2026 年调研校准,数据均为转引)
ATS 的工作只有三步:解析文件提取纯文本 → 提取关键词与 JD 比对 → 打分排序。基于这个机制定策略:
- **排序而非拒绝**:92% 的招聘方确认他们的 ATS 不会因为简历内容自动拒绝(Enhancv/HR.com 2025 对 25 名招聘方的调研);真实风险是排在 150 名而招聘方只翻前 20。目标是排进前 10-15%,不是"骗过一个拒绝阈值"。国内资料常讲 60-75% 匹配率阈值(Jobscan 口径),两说并存,按"尽量提高有效命中"执行即可。
- **两派系统并存**:老系统和多数国内平台做精确字符串匹配,不认同义词(JD 写"数据分析",你写"数据处理"就可能判不匹配);Workday、Greenhouse、Lever 及 LinkedIn Hiring Assistant(2025 Q4 上线)等已上语义匹配。策略:精确原词优先,同义映射兜底,两者不冲突。
- **位置有权重**:技能区被重点扫描;简历前 1/3(头部介绍、技能区、最近一段经历)权重最高;页眉页脚可能完全漏解析。核心词往前放,进技能区,进具体动作。
- **解析失败是独立死因**:表格、图片、分栏、文本框会导致解析乱码(国内资料称约 35% 淘汰与能力无关、纯属格式问题,口径存疑但方向可信)。用标准小节标题(工作经历/项目经历/专业技能/教育背景),导出格式按平台要求,没要求时优先 .docx。
- **堆砌有惩罚**:机械重复同一个词会被降权,人也读不下去。一个词出现一次、放对位置,胜过重复五次。
## 二、关键词逆向拆解(拿到 JD 先做这步)
把 JD 里的词分三类、标三级,输出一张词表再动笔:
1. **硬技能/工具词**:编程语言、软件、平台、证书(Python、Clay、PMP)。特点是"有或无",无法翻译。
2. **方法论/行业词**:概念和方法(ICP、lead scoring、转化漏斗、用户增长)。特点是跨行业有同义族,可以映射。
3. **软技能词**:协作、沟通、Owner 意识。机筛权重低,进具体动作即可,不单独堆。
分级:**核心词**(JD 反复出现或在任职要求里,必须原词命中或明确映射)→ **相关词**(出现一次,能挂就挂)→ **衍生词**(上下文自然带出即可)。
同时标出硬性门槛(学历、年限、证书)——这是过滤条件不是关键词,不满足时在补强清单里说明,不在简历里伪装。
## 三、四层优化(顺序不可乱)
### 第 1 层:诚实映射(白捡的分)
候选人真实做过的事,用 JD 的术语重新命名。典型手法是**括注映射**:原表述 + JD 术语括注,如"目标人选画像(ICP)建模"、"触达到入职的转化漏斗(MQL→SQL 式分级跟进)"。
边界:
- 只能映射**已确认事实的同义术语**。猎头的"按岗位要求圈定人选画像"映射成 ICP 是翻译;没做过 lead scoring 写 lead scoring 是发明。
- **实现类细节必须用户确认**。概念上接近不等于事实成立:"上传即生图"到底是 webhook 回调、消息队列还是定时任务,问完再写。
- 工具词不可映射。没用过 Clay 就是没用过,不存在"约等于用过"。
### 第 2 层:结构与位置
- 技能区按 JD 任职要求的顺序重排,JD 先问的在前。
- 核心词至少出现两处:技能区一次(机筛锚点),最近经历的具体动作里一次(人和语义匹配都看上下文)。
- 「个人优势」块的背景层与能力层覆盖最重要的 2-3 个岗位任务,用词对齐 JD 原文。
- 用标准小节标题,不用表格、分栏、图标、文本框。
### 第 3 层:真实补强
前两层做完仍缺的核心词,转成补强清单交给用户:每条写清"做什么动作、多久、做完简历里能写什么"。例:"注册 Clay 免费版跑通一次 waterfall enrichment(2-3 天)→ 技能区可写'实操 Clay 完成多数据源线索富化'"。补强完成后更新简历,词随真实经历增长。这是初版到第 2 版的循环,不是一次交付。
### 第 4 层:底线
上面三层做完还差词,就让它差着。不编造经历、技能、工具、数字。49% 的招聘经理能识别明显 AI 生成且缺乏个性的简历(Resume.io 2025,转引);虚构内容在技术面和背调中都会暴露。机筛不过是慢死,穿帮是立死。
## 四、对照写法细则
- 工具与技术:写清实际使用工具做了什么,保留准确名称。
- 协调、合规、写作等能力:用真实协作对象、审核动作、文档和结果说明,避免仅写"能力强"。
- 行业方法和标准:只有实际学习、采用或验证的材料才写进相应层级,不能将了解写成精通。
- 指标:使用原始口径,不因为 JD 提到增长或性能就增加数字;归因不含糊的数字加限定("得益于团队配合")。
- 没有 JD 时先按已知求职方向完成通用版,避免猜测某家公司的当前要求。
## 五、交付前 ATS 核对报告(强制交付物)
每版有 JD 的简历交付时,随附一张核对报告:
```text
核心词命中: [原词出现的,标注出现位置]
映射命中: [括注映射的,注明映射依据的真实经历]
缺口: [每个缺口给一条补强动作:做什么 / 多久 / 做完能写什么]
结构检查: 技能区顺序 / 前1/3 覆盖 / 标准标题 / 无表格分栏
事实边界: 本版无任何未经用户确认的工具、技能、数字(或列出待确认项)
```
## 六、评审标准(给评审者用)
评审一版"简历 × JD"按此表打分,事实边界为一票否决:
| 维度 | 通过标准 |
| --- | --- |
| 事实边界 | 所有工具、技能、数字可回溯到用户确认过的材料;任一编造即整体不通过 |
| 核心词覆盖 | 核心词 100% 有处置:原词命中、合法映射、或进补强清单;不允许"漏掉不处理" |
| 映射正确性 | 每条映射能说出对应的真实经历;实现类细节有用户确认记录 |
| 结构 | 技能区按 JD 顺序;核心词进前 1/3;标准小节标题;无表格/分栏/图片 |
| 自然度 | 无关键词堆砌;每句话删掉术语后仍是有信息的事实陈述 |
| 补强清单 | 每个缺口可执行(做什么、多久、做完能写什么),不是"建议学习 XX"式空话 |
## 七、回归测试方法(埋词测试)
测试 ATS 优化能力用合成案例,不用真实投递验证:
1. **造虚拟 JD**:目标岗位 + 埋三层词——工具词(选候选人肯定没用过的,测诚实性)、方法论词(选有同义经历的,测映射能力)、技能词(候选人已有的,测白捡命中)。
2. **埋词清单单独存档**,不进测试提示词。清单写清每个词属于哪层、期望的处置方式(命中/映射/补强)。
3. **模拟小白调用**:只给简历路径 + JD 路径 + 一句糙需求,不提示任何方法。
4. **核对四项**:词表三层各自的处置是否符合预期;未用词是否零编造(测底线);是否输出 ATS 核对报告;补强清单是否可执行。
5. **通过标准**:事实边界零违反 + 可映射词全部完成映射 + 缺口全部进补强清单。工具词命中率不是通过标准——候选人没用过的东西,命中了反而是事故。
测试案例库由测试主持人在套件之外单独保管,本文件不记录任何具体案例路径。执行简历任务时不得检索、读取埋词清单;发现当前任务的材料与某个测试案例重合时,按正常任务处理并照常执行事实边界,不针对测试调优。
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack." | Stars: 198k | Updated | Claude CodeCodex | Verified | Install |
| ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read. | Stars: 196k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report. | Stars: 196k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt. | Stars: 196k | Updated | Claude CodeCodex | Verified | Install |