Student Resume Builder
Overview
本技能用于为在校学生或应届毕业生生成、修改和优化求职简历。核心目标是:在学生已有真实信息基础上,运用HR视角和专业简历写作方法论,产出结构清晰、内容精准、竞争力突出的简历,并以美观的HTML格式输出,可进一步转换为PDF或DOCX。
Workflow Decision Tree
用户请求
├── "帮我做简历" / "生成简历" → 路径A:从零生成简历
├── "帮我改简历" / "优化简历" → 路径B:修改已有简历
├── "针对XX岗位调整简历" → 路径C:定向优化
└── "翻译成英文简历" → 路径D:中英文双语处理
路径A:从零生成简历
Step 1: 信息收集
向用户收集以下信息(可一次性询问,也可分轮补充):
| 信息模块 | 必需 | 具体内容 |
|---|---|---|
| 基本信息 | ✅ | 姓名、电话、邮箱、求职意向(目标岗位) |
| 教育背景 | ✅ | 学校、专业、学历(本科/硕士/博士)、入学/毕业时间、GPA(如≥3.5可写)、排名 |
| 实习经历 | 尽量 | 公司名称、岗位、时间、主要工作内容与成果 |
| 项目经历 | 尽量 | 项目名称、角色、时间、技术栈/方法、个人贡献与成果 |
| 校园经历 | 可选 | 学生组织、社团、竞赛、志愿服务等 |
| 技能证书 | ✅ | 专业技能(编程语言、工具软件等)、语言能力、证书(CET-4/6、计算机等级、专业资格证等) |
| 获奖荣誉 | 可选 | 奖学金、竞赛获奖、荣誉称号 |
| 自我评价 | 可选 | 如有特殊优势可补充,无则不写 |
若用户提供的信息不完整,基于已有信息先生成简历框架,标注缺失模块供用户补充。不要因为信息不全而拒绝生成。
Step 2: 岗位分析与关键词提取
根据用户的目标求职岗位,分析该岗位HR关注的重点:
- 从岗位描述或行业常识中提取核心关键词(技术栈、能力要求、软技能)
- 在简历各模块中自然嵌入这些关键词,提升ATS(简历筛选系统)通过率
- 若用户未指定目标岗位,按专业方向推断合理的目标岗位
参考 references/hr_keywords.md 中的岗位关键词映射表。
Step 3: 内容撰写(STAR法则)
所有经历描述(实习、项目、校园)统一采用 STAR法则 撰写:
- S (Situation): 简要背景(可省略,融入动作描述中)
- T (Task): 面临的任务或目标
- A (Action): 采取的具体行动 — 用强动词开头
- R (Result): 取得的成果 — 尽量量化
撰写规范
- 每条经历用 bullet point,以强动词开头,参考
references/action_verbs.md - 量化成果:使用数字(提升X%、服务X用户、完成X个项目、节省X小时)
- 每段经历3-5条bullet,按重要性降序排列
- 避免空话套话:如"负责日常事务""参与项目开发" → 改为"独立完成XX模块开发,使用XX技术实现XX功能,提升了XX效率"
- 突出个人贡献:区分"团队成果"与"个人贡献",HR更看重个人产出
- 技术栈标注:在描述中自然提及使用的技术/工具,而非简单罗列
撰写示例
❌ 差:在XX公司实习,负责前端开发工作,参与了公司官网的改版。
✅ 优:独立负责公司官网改版的前端开发,使用 React + TypeScript 重构核心页面,首屏加载时间从 3.2s 优化至 1.1s,页面转化率提升 18%;主导封装 3 个通用组件,被 5 个项目组复用,减少重复开发工作量约 30%。
Step 4: 简历排版与HTML输出
按以下结构生成一份单页 HTML 简历(A4尺寸适配,可打印):
┌─────────────────────────────────────┐
│ 姓名(大字号) | 求职意向 │
│ 电话 · 邮箱 · 所在地 │
├─────────────────────────────────────┤
│ 教育背景 │
│ ◦ 学校 · 专业 · 学历 · 时间 │
│ ◦ GPA / 排名(如有优势) │
├─────────────────────────────────────┤
│ 实习经历 │
│ ◦ 公司 · 岗位 · 时间 │
│ - STAR描述 bullet points │
├─────────────────────────────────────┤
│ 项目经历 │
│ ◦ 项目名 · 角色 · 时间 │
│ - STAR描述 bullet points │
├─────────────────────────────────────┤
│ 技能 & 证书 │
│ ◘ 技术技能 ◘ 语言能力 ◘ 证书 │
├─────────────────────────────────────┤
│ 荣誉奖项 / 校园经历(可选) │
└─────────────────────────────────────┘
HTML设计要求
- 单页原则:应届生简历控制在一页A4纸内,内容精炼优先
- 排版风格:简洁专业,避免花哨设计,使用白底+深灰/深蓝色文字
- 字体:中文用"思源黑体"/"微软雅黑"/"PingFang SC",英文用"Helvetica"/"Arial"
- 字号层级:姓名18-22pt,模块标题12-13pt,正文10-11pt
- 间距:模块间用细分隔线或空行分隔,bullet间行高1.4-1.5
- 配色:主色用深蓝(#1a3a5c)或深灰(#333),强调色用同色系浅色
- 响应式:HTML需适配屏幕显示,同时
@media print支持打印输出 - 页面尺寸:
@page { size: A4; margin: 15mm 18mm; }
HTML模板结构
参考 references/resume_template.md 中的完整HTML模板代码,根据用户信息填充内容。
Step 5: 交付与后续
- 生成HTML文件,使用
present_files展示预览 - 告知用户可:
- 浏览器打印为PDF(Ctrl/Cmd+P → 保存为PDF)
- 转换为DOCX(可使用 html-to-docx 能力) - 询问是否需要针对特定岗位进一步优化
路径B:修改已有简历
Step 1: 读取现有简历
- 用户提供已有简历文件(支持 .docx / .html / .pdf / .txt / .md)
- 读取并解析内容,提取各模块信息
- 梳理当前简历的结构与内容
Step 2: HR视角诊断
从以下维度诊断现有简历的问题:
| 维度 | 检查要点 |
|---|---|
| 结构完整性 | 是否缺少关键模块(教育背景、经历、技能) |
| 内容精准度 | 描述是否空洞、缺乏量化、缺少技术细节 |
| 排版规范性 | 模块顺序是否合理、篇幅是否过长/过短 |
| 关键词匹配 | 是否缺少目标岗位的核心关键词 |
| STAR合规性 | 经历描述是否符合STAR法则 |
| 量化程度 | 成果描述是否有数据支撑 |
| 差异化 | 是否有区别于其他候选人的亮点 |
Step 3: 修改优化
- 列出诊断发现的问题清单(按严重程度排序)
- 逐项修改,输出修改前→修改后对比
- 重点优化经历描述(套用STAR法则+量化)
- 调整模块顺序(教育背景靠前 → 实习/项目经历 → 技能证书 → 其他)
- 重新排版输出HTML
Step 4: 交付
- 输出修改后的完整HTML简历
- 附带修改说明(改了什么、为什么改)
- 使用
present_files展示
路径C:定向岗位优化
- 获取目标岗位JD(用户直接提供岗位描述,或描述岗位名称)
- 提取JD中的关键词与核心能力要求
- 对照简历内容,标记:
- ✅ 已覆盖的关键词
- ⚠️ 部分覆盖需加强
- ❌ 缺失但可从现有经历中挖掘 - 调整简历内容:重新措辞以覆盖缺失关键词、调整经历顺序突出相关经验
- 输出优化版简历 + 优化说明
路径D:中英文双语
- 中文简历为基础先生成/修改完成
- 英文简历翻译要点:
- 岗位名称、技术栈用行业标准英文术语
- 动词用过去式(实习/已完成的项目)
- 量化数字保留,百分号用 %
- 学校/学位用官方英文名(如"Tsinghua University" "B.Eng.")
- 避免 Chinglish,参考references/english_resume_guide.md
核心原则
- 真实性第一:只基于用户提供的真实信息撰写,不编造经历或数据。量化数据需来自用户或基于合理推断并标注。
- HR视角:始终以HR筛选标准审视简历 — 6秒扫视原则(HR平均6秒初筛一份简历,因此最关键的信息必须在视觉热区)。
- 一页纸原则:应届生/在校生简历严格控制在单页。如内容确实丰富,最多不超过两页。
- 强动词原则:所有bullet以强动词开头,禁用"负责""参与""协助"等弱动词。
- 量化原则:每条经历至少有1个量化数据点。无数据时用"3个项目""5人团队"等规模数据替代。
- 针对性原则:简历内容与目标岗位强相关,无关信息弱化或删除。
Resources
references/
hr_keywords.md— 各岗位HR关注关键词映射表(技术岗/产品岗/运营岗/金融岗/咨询岗等)action_verbs.md— 简历强动词参考清单(中英文)resume_template.md— 完整HTML简历模板代码english_resume_guide.md— 英文简历撰写指南与常见翻译对照