Imported from shangsitongshizaitiantang/industry-resume-toolkit (skill/SKILL.md). Install upstream with npx skills add shangsitongshizaitiantang/industry-resume-toolkit --skill skill. Copyright stays with the author.

Industry Resume Toolkit

把"资深 HR 顾问怎么改简历"这件事 codify 出来,让你用 AI 自助优化自己的简历。

这不是 AI 简历生成器——是基于真实方法论的简历优化工作流。

这个 skill 的工作方式

你是简历的主人,你是用户。AI 是你的简历顾问。整个流程是:

你 → 上传简历(拖进聊天框或放 inputs/)
    → 跑 /诊断(告诉 AI 你的目标:岗位 / 行业 / 企业性质 / 是否转行)
    → 跑 /改简历(AI 按方法论改你的简历,直接出成品)
    → 看输出 → 不满意可以再来一轮

可选:
    /JD匹配 — 针对某个具体 JD 做精准优化
    /加规则 — 把你发现的新规则加进 skill 库

输入格式:.docx / .pdf / .md / 纯文本都行。 输出格式:默认 Word(.docx),AI 改完会问你要不要换格式(Markdown / PDF 等)。 如果是 PDF:AI 直接转 Word 改,不会要求你提供 Word。

跟通用 AI 简历工具有什么不同

Skill 文件位置

~/.claude/skills/industry-resume-toolkit/
├── SKILL.md             ← 本文件,方法论主体
├── patterns/            ← 规则库(两层结构)
│   ├── 通用.md          ← 跨企业、跨岗位通用
│   ├── 企业性质/        ← 第一层:企业性质决定整体风格
│   │   ├── 大厂.md
│   │   ├── 国企.md
│   │   ├── 银行.md
│   │   └── 外企.md
│   └── 岗位/            ← 第二层:岗位决定专业词
│       ├── 运营.md / 产品.md / 数据分析.md / 市场营销.md
│       ├── 财务.md / 审计.md / HR.md / 销售.md
│       └── 开发.md / 法务.md / 战略咨询.md / 设计.md
├── examples/            ← 脱敏教学示例(改前/改后对比)
├── inputs/              ← 你的简历放这里(也可直接拖进聊天框)
└── outputs/             ← AI 输出的成品在这里

Slash command 在 ~/.claude/commands/: /诊断、/改简历、/JD匹配、/加规则

1. 诊断流程

/诊断 命令会问你 6 个问题,生成画像 JSON 存到 skill 目录,后续命令自动读。

1. 简历类型:实习 / 校招 / 社招(几年经验)
2. 目标岗位:具体岗位名(eg "字节内容运营")
3. 目标行业:互联网 / 金融 / 快消 / 咨询 / 会计师事务所 / 等
4. 企业性质偏好:大厂(互联网/科技)/ 国央企 / 银行/金融 / 外企 / 私企
5. 是否转行:岗位/行业跟过往经历是否相关
6. 简历语言:中文 / 英文 / 双语

诊断完后,系统会读对应的 patterns:

• 必读:patterns/通用.md
• 企业性质:patterns/企业性质/<目标企业类型>.md
• 岗位:patterns/岗位/<目标岗位>.md

重要:patterns 优先级高于本 SKILL.md 通用建议(因为是行业实操沉淀的具体规则)。

2. 核心改法框架:三层

所有改简历的动作归为三层。AI 会自动判断每层的用力强度。

Phase 1 — 信息卫生(排雷)

目的:让简历看起来专业,不暴露学生气。

动作清单:

• 二维码:删。微信号写在电话后面括号"微信同号"(同号);不同号就另起一行
• 备考中的证书:删("备考 CPA、雅思"一律删)。已经考过部分科目可写"CPA(已通过 XX、XX 科目)"
• Office 软件:不拆开。不写"Word、Excel、PPT",直接写"Office"
• 语言能力:分数够高才标括号(雅思 7+ / CET-6 600+ / CET-4 580+)
• 教育背景成绩:要么全放要么不放,不要挑高分的放
• 课程列表:写课程名,不写工具名(Excel 不能放课程列表,放到"计算机能力")
• 获奖荣誉:放"教育背景"课程下面另起一行,不单独立"校园经历-获奖荣誉"
• 技能区重复检查:不要重复(写了"Office"就不要再单独列"Word")
• 联系方式冗余:删多余的(三个邮箱、家庭地址、出生年月这种)

Phase 2 — 业务价值翻译(核心)

目的:把"我干了什么"翻译成"我为什么对你重要"。

翻译公式:

• 动作 → 业务意义:"编制底稿" → "通过细致抽凭确保账实一致,提升审计底稿准确性"
• 工具 → 业务结果:"用 Excel 处理数据" → "使用数据透视表提高数据处理效率"
• 经历 → 招聘语言:用招聘官岗位 JD 里会出现的关键词重写

具体技法(详见各 patterns):

1. 加粗小标题:短 + 命中关键词,删形容词
2. 量化必须具体,不允许"很多/诸多/丰富/大量/多个"
3. 方法论后面加括号说明
4. 每条经历用"动作 + 落地 + 量化"三件套
5. 评估每段经历的关联度,关联度低的删/压缩
6. 重新分类经历(经验较少型的核心动作)
7. 社团活动用项目逻辑包装
8. title 重定位(版权运营 → 内容运营,但职责描述不能编)

Phase 3 — 经历挖掘(信息缺失时自动触发)

目的:你的简历里有"很多/诸多"这种模糊量化,或关键经历缺乏细节时,AI 像面试官一样追问你,把"做过 X"补成完整故事。

自动触发条件(AI 在 /改简历 时自己判断):

• 出现 3+ 处模糊量化("很多 / 大量 / 较多")
• 关键实习段缺少业务背景描述
• 项目经历没有量化结果
• 重要经历只有 1 行职责

追问维度:

1. 业务背景:这是什么业务?为谁服务?在什么阶段?
2. 数据规模:处理过多少 X?协调过多少人?
3. 个人贡献:具体你做了什么(不是团队做了什么)?
4. 成果:量化结果?指标提升?
5. 困难与解决:过程中遇到什么问题?你怎么解决的?
6. 关键判断:做过什么策略性决策?

AI 一次问 3-5 个最关键的问题(不会一下子塞 30 个),你答完,AI 继续改。

3. 简历类型分类:三层用力的分配

AI 根据你的经历密度自动判断,决定三层各自用多少力(这是内部方法论分类,不出现在你的简历输出里):

经验充足型(2 段以上正式实习,或有大厂经历)

• Phase 1:轻
• Phase 2:重(主战场——扣关联度、量化、小标题)
• Phase 3:中(只挖最有价值的 1-2 段)

经验较少型(实习 ≤1 段,或都是小公司/校园活动)

• Phase 1:重(格式问题往往是大头)
• Phase 2:中(用三件套)
• Phase 3:重(经验较少更要挖出深度,校园活动包装成项目)

转行修饰符(目标岗位/行业跟过往不同,叠加在上述两类上)

• 找 transferable skills
• 重构 narrative(开头/自我评价讲清"为什么转 + 我准备好了什么")
• 弱化无关经历,强化新方向相关性

4. 企业性质 × 简历的对应关系(关键差异化)

不同企业性质,简历的写法完全不同。具体规则见 patterns/企业性质/<类型>.md,这里是框架:

同时叠加岗位 patterns(patterns/岗位/<岗位>.md)。例如:目标"字节内容运营" = 读 企业性质/大厂.md + 岗位/运营.md 两份,叠加应用。

5. 改简历的执行流程

/改简历 命令会按这个流程执行:

Step 1 — 读 + 评估

• 读你的简历(从 inputs/ 或你直接拖进聊天框的文件)
• 读你的 profile.json(没有就先提示你跑 /诊断)
• 读 patterns/通用.md + 对应的企业性质 + 岗位 patterns
• 评估简历的"信息密度"(决定是否需要 Phase 3 挖经历)

Step 2 — 决定流程

• 信息充分 → 直接进入编辑(Phase 1 + 2)
• 信息缺失 → 先问你 3-5 个挖经历问题,你答完再编辑

Step 3 — 编辑

• 直接在原 .docx 上改文字,保留原排版(优先)
• 输入是 .pdf 或纯文本 → 转成 Word 用通用排版
• 全程遵守 §6 保真原则

Step 4 — 输出

• 默认输出到 ~/.claude/skills/industry-resume-toolkit/outputs/<原文件名>-改后.docx
• 询问你是否需要其他格式(Markdown / PDF / 双语 / 等)
• 简短汇报关键改动点

6. 保真原则(独立铁律,不可妥协)

优先保证真实可信和岗位匹配。不要为了"高级感"强行夸大职责。如果内容超出你的真实水平,宁愿保守。

具体:

• 职责描述不能编:可以重新组织语言、加方法论术语,但不能把"打杂"写成"战略负责人"
• 数据不能编:你没确认的数字坚决不写。如果有疑似缺失,AI 会问你,而不是瞎编
• title 调整有边界:版权运营 → 内容运营 OK;实习生 → 经理 NOT OK
• 能力不能编:你不会的工具/方法/框架不要往简历里塞
• 业务规模不能虚标:小作坊不要硬说成"知名机构"

判断尺度:能不能在面试时被追问下不露马脚?能 → 写;不能 → 不写。

7. 语言风格

• 中文简历:专业词混英文(OKR、KPI、B2B、Vlookup)正常保留
• 不要用 ChatGPT 式"赋能 / 打造 / 无缝衔接 / 多维度"虚词
• 简历语气是动作开头(eg "主导"、"独立完成"),不写"我"字开头
• 半角/全角逗号跟你原简历保持一致

英文简历:

• 用 STAR 法
• 用强动词开头(Led, Designed, Reduced, Increased)
• 避免 Chinglish

8. 0-1 写简历(v0.2 新增)

适用对象:处于人生转折期的人 — 应届 0 经验 / 转行 / 海归 / gap 期重启。这类用户跑 /创建简历 而不是 /改简历。

注意:转折期用户经常已经有现成简历(LinkedIn / 旧版 / 海外版),只是这些简历不再适合新方向。/创建简历 支持上传现成简历作为素材打底,但流程不是"改"而是"重建结构 + 重新挖事实"。

核心差异

7 步流程

1. 类型分流 → 应届 0 经验 / 转行 / 海归 / gap 重启
2. 可选上传现成简历(LinkedIn / 旧版 / 海外版 — 有就用,没有跳过)
3. 诊断(继承 §1 Step 1,如有上传简历自动推断减少提问)
4. 挖经历(迭代式追问,按类型加载 挖经历问题集/<类型>.md;有上传简历则跳过已答问题)
5. 重组(按目标 patterns 组织事实)
6. 起草(生成 .docx,bullet 标 ✅ / ⚠️ / ❌)
7. 双语?(海归 / 外企 / 出国默认问)

4 个用户类型挖经历问题集

存放位置:挖经历问题集/

• 应届0经验.md — 6 轮:教育 → 课程项目 → 实习 → 校园经历 → 比赛/自媒体 → 技能/证书
• 转行.md — 5 轮:原岗位价值 → 业绩成果 → 新方向准备 → 跨界经历 → 技能
• 海归.md — 6 轮:教育(海外+国内)→ 海外学术 → 海外经历 → Extracurriculars → 技能 → 双语策略
• gap重启.md — 4 轮:gap 时间段+类别 → gap 前经历 → gap 期产出 → gap 期主动建设

核心原则(强制)

1. 只问事实,不问动机 / 规划 / 感受 — 简历是事实呈现,不是动机表达
   • ❌ "为什么转行" "为什么回国" "未来规划" "心态怎样" "你凭什么觉得自己能做好" — 这些是面试问题,不进简历也不问用户
   • ✅ "做过什么项目" "拿了什么证" "用过什么工具" "处理了多少数据" — 这些是事实,挖出来直接进简历
2. 先问有没有现成材料 — 用户上传了就用它打底 + 只问缺的部分,别让人重复填一遍
3. 迭代式 ≠ 问卷式 — 一次问一轮(4-6 题),用户答完才进下一轮
4. 保真原则继承(§6) — 严格不编没做过的经历
5. bullet 标三态:
   • ✅ 真实素材
   • ⚠️ 用户自补需确认(数字 / 时间需补)
   • ❌ 空白需补(留 placeholder + 建议)
6. 双语自动触发:海归 / 外企目标 / 出国 → 默认问要不要英文版

详见 ~/.claude/commands/创建简历.md。

9. 不要做的事

• ❌ 不要跳过诊断 5 问(在没 profile 的情况下随便改)
• ❌ 不要套通用模板的"经历丰富、责任心强"废话
• ❌ 不要编用户没做过的事
• ❌ 不要把"很多"补成具体数字(除非用户确认)
• ❌ 不要无视用户的目标企业性质,套通用写法
• ❌ 不要为了"高级感"夸大职责(见 §6)
• ❌ 不要在 PDF 输入时停下来要求用户提供 Word(直接转换处理)
• ❌ 不要在 /创建简历 流程里跳过挖经历直接生成 Word(空降简历必假)
• ❌ 不要把不同用户类型的问题集混用(应届的别用转行的问题集)