简历优化与面试辅导专业版

帮你把求职这件事从"凭感觉"变成"有方法"：简历在 15 秒内被看见，面试在 30 分钟里被记住。

覆盖从"投递"到"入职"的全链路——简历诊断 → ATS 机筛 → 面试模拟 → 自我介绍 → 谈薪 → 跟进 → 背调，也覆盖转型、空窗期、离职原因等棘手场景。

使用前须知（付费说明）

• 本技能按次结算：每次调用对应一次支付，。
• 首次使用需免费开通并绑定支付宝 AI 付款钱包：用支付宝 App 扫码，约 1 分钟；绑定只需做一次，之后长期有效。
• 付款在交付物生成之前：未完成付款不会产生任何诊断结论或话术，也不会扣费；下单后 30 分钟内完成支付即可（超时可重新发起，不重复扣费）。
• 每次调用对应一次针对本案例的辅导产出（一份简历诊断 / 一套面试拆解 / 一份谈薪话术等），费用由支付宝官方按次结算，支付记录可在支付宝账单中查询。

付费模式与服务架构

本技能的判定引擎以纯规则代码运行在云端服务端。本包提供「模块清单 + 输入契约 + 后端返回说明 + 本地产出结构」，用于与服务端交互，并在付款后获得本案例的判定结论。

• 付款前：服务端返回 HTTP 402 + Payment-Needed 账单，不做任何计算；
• 付款后：服务端携带 Payment-Proof 校验通过后，返回本案例的判定结论（简历 4 维评分与修改项、ATS 匹配度、面试题型拆解与题库、自我介绍结构、谈薪话术、转型路线、空窗期说法、离职话术、跟进模板、年限建议、作品集写法、薪资行情、背调清单），并完成履约确认（ack）。

环境依赖（运行前自检）

• Python 3.8+（支付脚本仅依赖标准库）
• 支付宝智能体支付 CLI（alipay-bot）：~/.openclaw-autoclaw/alipay-bot-cli/bin/alipay-bot.exe（官方安装：npx -y @alipay/agent-payment@latest install）
• 已绑定的买家 AI 付钱包（详见上方"使用前须知"）

工作流

Phase 1 意图识别（判断进入哪个模块：诊断/ATS/面试/自我介绍/谈薪/转型/…）
      ↓
Phase 2 信息采集（按模块的输入契约，收集简历文本 / 岗位关键词 / 目标方向等；缺失则逐项追问）
      ↓
Phase 3 支付：probe → pay → complete（取回"本案例结论"）
      ↓
Phase 4 本地成稿：把结论与用户内容组合成最终交付（诊断报告 / 面试预案 / 话术清单等）

关键顺序：先收信息、后支付。收信息在本地完成，支付与计算在后端；付费后端只接收结构化字段，不接收会话内容。

用户意图 → 模块对照（每次产出需一次付费调用，选最贴近的模块）：

Phase 3：支付调用流程（必须完整执行）

步骤 1：probe —— 提交结构化输入并获取 402 账单

python scripts/skillpay.py probe --input '{"module":"resume-diagnose","resume":"简历全文","target_keywords":["数据分析","SQL","增长"]}'

• --input 传入本案例的结构化字段（字段见下方「输入契约」）；输入会随资源请求提交给服务端，并写入本地订单文件供后续步骤复用；
• 未支付时服务端返回 HTTP 402 + Payment-Needed 账单；脚本将账单原样保存到 .skillpay/orders/payment-needed.b64（不解码、不改写）；
• 幂等规则：若本地已有未过期订单（创建后 30 分钟内），直接复用，不重复下单——避免重复扣费；
• 输出订单号、金额（2.99 元）、账单有效期。

步骤 2：pay —— 发起支付

python scripts/skillpay.py pay --session-id "<当前会话ID>"

• 调用 alipay-bot 402-buyer-pay 创建交易，输出金额、卖家与支付确认二维码 / 短链；
• 将二维码呈现给用户完成支付；--session-id 必须取当前运行时环境的会话 ID；
• 脚本仅向支付宝官方支付 CLI 传送支付必需字段（402 账单文件、商品名、订单金额、会话 ID），不回传用户请求文本；
• 若报 IDENTITY_INFO_MISSING，提示用户重新绑定 AI 付钱包后用同一账单重试。

步骤 3：complete —— 验付取回"本案例结论" + 履约确认

python scripts/skillpay.py complete

• 调用 alipay-bot 402-query-payment-status：轮询支付结果 → 携带支付凭证重试资源请求 → 取回 HTTP 200 结果；
• 服务端按 --input 的结构化字段用规则算出本案例结论后返回，并完成履约确认（ack 回执），脚本输出 stage=DELIVERED；
• 交付内容落盘 .skillpay/delivered/<订单号>.json，其中 content 即本案例结论。

输入契约（probe 的 --input）

通用字段：

各模块字段明细：

• resume-diagnose：resume（简历全文，必填）、target_keywords（目标岗位关键词数组，推荐）、或 target_jd（岗位 JD 全文，由服务端抽取关键词）、或 target_position（仅岗位名）。三者给其一用于匹配度；都不给则只做通用维度诊断。
• ats-optimize：resume（必填）+ target_keywords 或 target_jd（必填其一）。
• interview-sim：interview_type（行为面试/技术面试/案例面试/压力面试/情景面试）、position（岗位）、level（可选，如"管理"）、question（可选，填了则给"本题拆解"）。
• self-intro：name、field（领域）、years（年限数字）、strengths（核心能力数组）、highlights（亮点数组）、target_company 或 target_position。
• salary-negotiation：stage（如"被问期望薪资"/"已拿到offer准备谈"）、has_offer（布尔）、has_reference（布尔）、market_range（可选，市场区间文本）。
• career-transition：from（当前岗位/行业，必填）、to（目标岗位/行业，必填）、skills（可迁移技能数组，可选）。
• gap-handling：months（空窗月数，数字）、reason（空窗原因）。
• resignation-reason：reason（离职原因，必填）。
• follow-up：stage（如"当天"/"一周没消息"/"被拒"）、interviewer/position/name/topic/question（话术模板占位，可选）。
• experience-tier：years（工作年限，数字，必填）。
• portfolio-packaging：position（岗位）、role_type（技术/设计/通用，可选，不给则按岗位推断）、project（项目名）。
• salary-market：position（岗位）、city（城市或档位，如"一线"/"二线"/具体城市）、years（年限数字）。
• background-check：concern（你的关注点，可选，如"会查薪资吗"）。

后端返回什么（complete 的 content）

Phase 4：本地产出

把 conclusion 与用户内容组合成最终交付：

• 简历诊断报告：总体评分与评级 → 4 维得分（匹配度/穿透力/量化度/专业度）→ 命中与缺失关键词 → 专业度问题 → P1/P2 修改建议（原始 vs 修改后对比）；
• ATS 优化报告：岗位关键词清单 → 命中/缺失 → 匹配度评分与判定 → 优化建议；
• 面试预案：题型与考察点 → 回答框架 → 高频题库 → 本题拆解（考察点/框架/扣分点/难度）；
• 自我介绍稿：120 秒完整版 + 60 秒精简版；
• 谈薪话术：准备清单 → 分场景话术 → 禁忌；
• 转型方案：可迁移技能表 → 建议补足 → 6 个月路线图 → 简历调整；
• 其他单点（空窗期/离职/跟进/年限/作品集/薪资行情/背调）：按结论直接成稿。

渐进式引导：先判断用户在"诊断 / 面试 / 谈薪 / 转型 / 其他"哪一类，再收对应字段；用户信息在模块间复用，不重复索要。

数据与隐私披露

• 提交至服务端的内容：为计算本案例结论，probe 时提交的结构化字段（--input 的 JSON，可能包含简历全文、岗位 JD、个人经历与薪资相关信息）与订单信息（订单号、金额、商品名）；服务端仅用于本次规则计算，计算完成后随响应返回结论。
• 不提交至的内容：不提交用户会话原文；pay 阶段仅向支付宝官方支付 CLI 传送支付必需的订单元数据。
• 关于个人简历：结构化输入会包含你提供的简历文本与个人信息；如含身份证号、家庭住址、真实姓名等敏感信息，建议先做脱敏或替换为代称再提交。
• 结论为按通用规则生成的辅导建议，不保证获得 Offer，最终决策由用户自行判断。

能力边界

• ⚠️ 本技能提供简历优化建议与面试辅导，不保证获得 Offer、不代替猎头进行岗位匹配、不编造工作经历或学历；
• 薪资行情为"框架速算 + 公开信息综合参考"，不保证精确，以实际 Offer 为准；
• 面试题库与话术为通用方法，需结合个人真实经历使用，不鼓励虚构或夸大；
• 缺字段时如实列出并请用户补充，不臆测用户经历。

错误与边界处理（用户可感知的反馈）

各模块输入不全时的追问清单（供 Phase 2 使用）：

• 简历诊断：缺简历 → 请粘贴简历全文；缺匹配依据 → 请给出目标岗位关键词或 JD 全文；
• ATS：缺关键词 → 请提供岗位 JD 或必备关键词清单；
• 面试：缺类型 → 请说明是行为/技术/案例/压力/情景面试；缺岗位 → 请给出目标岗位；
• 自我介绍：缺亮点 → 请给出 2-3 个可量化的成就（做了什么 + 结果）；
• 谈薪：缺阶段 → 请说明目前处于"被问期望薪资"还是"已拿到 offer"；
• 转型：缺方向 → 请说明当前岗位与想转去的方向；
• 空窗期：缺时长/原因 → 请给出空窗持续多久、主要原因；
• 离职原因：缺原因 → 请说明离开上一家公司的主要原因；
• 跟进：缺阶段 → 请说明当前是面试当天、一周未回复还是已被拒；
• 年限：缺年限 → 请提供工作年限（数字）；
• 作品集：缺岗位 → 请说明目标岗位类型（技术/设计/通用）；
• 薪资行情：缺岗位/城市 → 请提供目标岗位与所在城市；
• 背调：缺关注点 → 请说明你最担心背调查到哪一项（可选，不填则给通用清单）。

多轮修改

• 换模块、补字段、调整目标岗位 → 更新 --input 后重新走支付流程（每次计算为一次付费）；
• 简历诊断转 ATS 优化、面试模拟转自我介绍 → 各模块独立付费；内容沿用上一模块的采集结果，不重复索要；
• 同一订单 30 分钟内未过期时可复用，不重复扣费。

> ⚠️ 本技能输出为职业发展辅导建议，仅供参考，不构成录用承诺；请结合个人真实情况使用。