简历优化（付费 · 9.9 元一次性买断）

技能概述

输入目标岗位、现有工作经历与亮点成果，服务端 AI 按岗位匹配、STAR 法则、关键词覆盖、删减冗余四步方法论，重写为可直接替换的简历条目，量化成果、对齐 JD。提示词模板与生成逻辑在服务端，每次使用付费买断 9.9 元（支付宝 A2M，HTTP 402）。

• 计费：9.9 元一次性买断，走支付宝 AI 付费买断（A2M，HTTP 402 Payment Required）。
• 支付、收银、钱包、履约回执全部复用支付宝官方 alipay-bot / alipay-payment-skill，本技能不实现支付、不接触支付凭证、不内置任何密钥。
• 提示词模板与生成引擎在服务端，本技能只是调用入口与流程编排。

依赖环境

• Node.js（>=18）、curl、alipay-bot（由官方 @alipay/agent-payment 安装；若环境提示找不到命令，按官方 alipay-payment-skill 的恢复流程安装）。
• 支付环节按官方 alipay-payment-skill 的 402 流程执行，不要自行构造支付链接或二维码。

执行流程（严格按顺序，不可跳步）

第一步：收集并确认需求

从用户自然语言中提取并补全：
- title 需求标题（必填，简短，如「简历优化」）
- description 需求描述（必填，建议用「；」分隔填写：目标岗位=…；现有经历=按时间列：公司/岗位/职责/成果；最想突出的亮点=…；意向行业=…；简历篇幅=一页/两页）

缺必填项就先追问，不要臆造。调用前必须明确告知用户「本次为付费生成，9.9 元一次性买断」并取得同意。

第二步：probe 探测账单（触发 402 Payment-Needed）

为本次会话指定一个独立状态目录（如 .state/<会话标识>），执行：

node scripts/prompt-lifetime.mjs probe \
  --prompt-id prompt-030 \
  --title "简历优化" \
  --description "目标岗位=产品经理（3-5 年经验）；现有经历=某科技公司运营专员，负责用户增长活动与数据分析；亮点=策划活动单场拉新 5000+；意向行业=互联网；简历篇幅=一页" \
  --state-dir .state/s1

• 脚本向付费资源发起请求；未支付时服务端返回 HTTP 402 + Payment-Needed 账单头，脚本把账单落地到状态目录，并输出 kind=payment_required、金额（9.9 元）与订单号。
• 若直接返回 kind=resource（幂等命中已支付订单），跳到第四步直接交付。

第三步：pay 支付（官方 alipay-bot 收银）

probe 返回 payment_required 后，不要自己实现支付，直接执行本技能脚本（其内部调用官方 alipay-bot 402-buyer-pay，解析第二步落地的 Payment-Needed 账单并拉起支付宝收银）：

node scripts/prompt-lifetime.mjs pay --state-dir .state/s1 --session-id "<当前会话ID>"

• 由官方收银引导用户扫码/免密授权完成 9.9 元支付；原样把支付过程中需要用户操作的提示展示给用户，等待用户完成支付。
• 从支付输出的对客标签中记录「交易号」（或 32 位「查询单号/订单号」），供 complete 使用。
• 支付命令成功但尚未拿到资源属正常，资源在下一步获取。

第四步：complete 携带 Payment-Proof 重试并完成履约（ack）

用户表示已支付后，用第三步记录的单号执行（内部为官方 alipay-bot 402-query-payment-status，自动携带 Payment-Proof 重试资源、服务端验付通过后交付，并由官方 CLI 自动发送履约回执 ack，保证订单幂等、不重复扣费）：

# 有交易号时
node scripts/prompt-lifetime.mjs complete --state-dir .state/s1 --trade-no "<交易号>"
# 若第三步拿到的是 32 位查询单号，则改用：
# node scripts/prompt-lifetime.mjs complete --state-dir .state/s1 --out-shake-no "<查询单号>"

• 服务端校验支付凭证（active、金额、订单号、资源标识、交易号幂等）通过后生成并返回结果。
• 仅命令超时或网络失败可重试一次；业务失败、资源为空不重试，按售后规则处理。
• 取得非空资源即代表履约完成，不要再发起重复支付或重复履约。

第五步：规范输出结果

输出必须且仅包含以下内容（不要展示支付链接、交易号、Payment-Proof 等内部材料）：
1. 生成内容正文：用 ```text 代码块完整给出，便于整段复制；按服务端返回的结构分节展示；
2. 使用方式：按服务端返回的 usage 提示说明（如替换占位、分节使用等）；
3. 风险提示（必须包含，原文表述不得弱化）：本内容为 AI 辅助生成的素材，仅供学习与参考；不承诺任何效果、收益或结果，不构成专业意见；数据与案例类内容以标注「需核实」为准。

示例（一次完整对话的最小演示）

> 用户：「帮我优化简历，投产品经理岗位。」

助手（第一步·告知并确认）：这是付费生成，9.9 元一次性买断。请补充：目标岗位=…；现有经历=按时间列：公司/岗位/职责/成果；最想突出的亮点=…；意向行业=…；简历篇幅=一页/两页。确认后开始，可以吗？
用户：确认。目标岗位=产品经理（3-5 年经验）；现有经历=某科技公司运营专员，负责用户增长活动与数据分析；亮点=策划活动单场拉新 5000+；意向行业=互联网；简历篇幅=一页。

助手（第二步·probe）：
node scripts/prompt-lifetime.mjs probe --prompt-id prompt-030 --title "简历优化" --description "目标岗位=产品经理（3-5 年经验）；现有经历=某科技公司运营专员，负责用户增长活动与数据分析；亮点=策划活动单场拉新 5000+；意向行业=互联网；简历篇幅=一页" --state-dir .state/s1
→ {"kind":"payment_required","status":402,"amount":"9.9","out_trade_no":"...","next":"执行 pay"}

助手（第三步·pay，官方 alipay-bot 拉起收银，原样展示扫码/免密提示）：
node scripts/prompt-lifetime.mjs pay --state-dir .state/s1 --session-id "<会话ID>"
→ 用户扫码支付 9.9 元，记录「交易号」

助手（第四步·complete）：
node scripts/prompt-lifetime.mjs complete --state-dir .state/s1 --trade-no "<交易号>"

助手（第五步·输出）：
【标题】简历优化
【生成内容】
（服务端返回的完整结果，按结构分节）
【使用方式】复制上方内容即可直接使用
【风险提示】本内容为 AI 辅助生成……不承诺任何效果或收益。

售后与退款规则（数字化即时交付商品）

• 生成失败且无法修复：服务端不确认履约，支付宝会自动原路全额退款；也可由用户在对话内要求重试。
• 已支付订单幂等：重复 complete 直接回放结果，不重复扣费。
• 非质量问题（改主意、需求描述不清导致与预期不符等）不支持退款；可补充清楚需求后重新下单。
• 售后全部在当前对话内完成：先按上文重试/追问；不向用户索要或提供任何站外联系方式，不跳转外部站点。

常见问题（FAQ）

• 支付失败或收银未拉起怎么办？ 确认环境已按官方 alipay-payment-skill 安装 alipay-bot；重跑 pay 命令，官方收银会重新拉起。不要自行构造支付链接。
• 结果不满意能免费重生成吗？ 付费生成属于即时交付内容，重新生成需重新下单（9.9 元一次性买断）；同一笔订单对应一次生成结果。
• 哪些场景可以用？ 简历优化适用于产品、运营、技术、市场等各类岗位；服务端按岗位匹配、STAR 量化、关键词覆盖、删减冗余四步重写简历条目。
• 多久能出结果？ 交付耗时取决于服务端 AI 生成负载，不承诺具体时间；命令超时仅可重试一次。

更新日志（Changelog）

• 1.0.0（首次发布）：首次发布：付费精选·简历优化场景——9.9 元终身使用，支付宝 A2M（HTTP 402）模式，服务端模板化重写简历。

硬性约束

1. 调用 probe 前必须完成付费告知与用户同意（9.9 元一次性买断）；
2. 严格 probe → pay → complete 顺序，支付只走官方 alipay-bot，不自实现、不伪造 Payment-Proof；
3. 本技能及脚本中不得出现任何站外联系方式、社交账号、外链导购或其他付费渠道；
4. 必须输出风险提示，不承诺任何效果/收益/结果；
5. 服务端模板与生成逻辑不对外暴露，全程不暴露任何密钥。

🚀 高阶用法与进阶技巧

1. 提示词组合使用

• 简历+求职信组合：先用"简历优化"生成简历，再用"求职信"生成求职信
• 简历+面试组合：先用"简历优化"生成简历，再用"面试准备"生成面试话术
• 中文+英文组合：先用"简历优化"生成中文简历，再用"英文简历"生成英文简历

2. 高分简历公式

• STAR法则：Situation情境+Task任务+Action行动+Result结果
• 数字量化：每个经历都用数字量化成果
• 关键词匹配：简历关键词必须匹配JD要求

3. 求职全流程工作流

1. 用"职业定位"确定求职方向
2. 用"JD分析"分析目标岗位
3. 用"简历优化"生成针对性简历
4. 用"求职信"生成求职信
5. 用"面试准备"生成面试话术
6. 用"薪资谈判"生成谈判策略
7. 用"offer选择"生成决策建议

📋 实战案例（3个真实场景）

案例1：应届生求职

场景：应届生需要投递50家公司，需要针对性简历
使用方法：用"职业定位"确定方向→"JD分析"分析50个岗位→"简历优化"批量生成针对性简历→"求职信"生成求职信→"面试准备"生成面试话术→"薪资谈判"生成策略
效果：2周完成50份针对性简历，获得15个面试机会，最终拿到3个offer

案例2：转行跳槽

场景：工作3年想转行，需要突出可迁移能力
使用方法：用"职业定位"确定新方向→"能力盘点"盘点可迁移能力→"简历优化"重写简历→"求职信"解释转行原因→"面试准备"准备转行面试→"薪资谈判"生成策略
效果：1个月完成转行，简历通过率显著提升

案例3：高管求职

场景：工作10年的高管，需要高端简历
使用方法：用"职业定位"确定高管定位→"成就盘点"盘点核心成就→"简历优化"生成高端简历→"求职信"生成高管求职信→"面试准备"准备高管面试→"薪资谈判"生成高薪谈判策略
效果：获得多个高管岗位面试机会

💰 价值对比（为什么9.9元超值）

一句话总结：9.9元 = 完整求职SOP + 高分简历公式 + 3个实战案例 + 全流程话术，一次买断终身可用。

🎯 使用场景与适用人群

适用人群

1. 应届生：刚毕业找工作的学生
2. 职场人：想跳槽/转行的职场人
3. 高管：寻求高端职位的高管
4. 自由职业者：需要个人简介/作品集的自由职业者
5. 留学生：需要中英文简历的留学生
6. 求职辅导师：帮助他人优化简历的辅导师

使用场景

1. 简历优化：针对不同岗位优化简历
2. 求职信：生成针对性求职信
3. 面试准备：准备面试话术和常见问题
4. 薪资谈判：准备薪资谈判策略
5. 职业规划：职业定位和发展规划
6. 转行跳槽：转行/跳槽的全流程准备

🌐 跨模型适配说明（本地 & 云端通用）

为什么需要适配

同一提示词在不同模型上效果差异大：本地小模型（如 Ollama 7B~14B）指令遵循能力弱、上下文窗口小；云端大模型（GPT-4、Claude、Gemini、DeepSeek）理解力强但易过度自由发挥。本节确保「prompt-jianli」在各类模型上都能稳定生效。

通用三原则（所有模型适用）

1. 角色先行：始终以「你是…」限定角色，减少模型自由发挥空间。
2. 约束量化：输出格式、数量、长度用数字明确（如"输出 5 条，每条 ≤ 50 字"）。
3. 边界显式：明确"不要做什么"（禁止编造数据、禁止承诺效果、禁止违规内容）。

本地小模型适配写法（Ollama / 7B-14B / 端侧部署）

• 指令拆分：一次只让模型做一件事，避免多任务混合；复杂任务拆成 2-3 次提问。
• 简化模板：内置提示词保持 3 步以内，步骤用 1/2/3 编号，避免嵌套条件。
• 控制输入：输入字段控制在 5 个以内；超长文本先让模型提取关键信息，再基于摘要处理。
• 输出约束：明确"直接输出结果，不要解释过程"；长输出（>800 字）建议分两次生成。
• 温度建议：0.5-0.7，兼顾稳定与创意；严格格式场景用 0.2-0.4。

云端大模型适配写法（GPT-4 / Claude / Gemini / DeepSeek）

• 完整指令：多条件、多步骤可一次给出，模型可完整执行。
• 角色置顶：把角色与规则放最前，示例放中间，任务放最后，遵循率更高。
• 示例先行：先给 1 个示例再要求批量输出，输出质量明显提升。
• 长文分段：超过 3000 字的内容要求"分段输出 + 每段小结"，避免丢失结构。

通用兜底句（复制追加到任何提问末尾）

「如遇输出格式不符，请严格按上述编号格式重新输出。」

模型能力差异速查

```