简历-JD匹配分析与优化
概述
本技能用于分析意向岗位 JD 与个人简历之间的匹配关系，输出结构化分析报告和可操作的优化建议。最终交付物是一份完整的分析报告，用户可据此自行修改简历后直接投递。
工作流程
第 1 步：收集输入
确认以下两项输入已就绪：
- JD 明细：目标岗位的招聘描述全文。来源可能是用户直接粘贴的文本，也可能是上传的文件（PDF/Word/TXT/图片）。
- 个人简历：用户当前版本的简历。同样支持文本粘贴或文件上传。
处理要点：
- 若用户只提供了其中一项，主动询问缺失的另一项，不要凭空猜测。
- 若输入为文件，使用 Read 工具读取内容（支持 PDF、图片 OCR）。
- 若 JD 或简历内容不完整（如简历被截断、JD 只有岗位名称没有详细要求），向用户指出并请求补充。
- 若用户提供了多个 JD 或多份简历，确认以哪一份为准。
第 2 步：JD 招聘要求拆解
参照 references/jd-analysis-framework.md 中的分析框架，将 JD 拆解为以下结构化维度：
| 维度 | 说明 |
|---|---|
| 硬技能 | 明确要求的工具、技术、编程语言、认证等 |
| 软技能 | 沟通、领导力、抗压能力、团队协作等 |
| 经验要求 | 行业经验、岗位年限、项目规模、管理经验等 |
| 学历/资质 | 学历层次、专业方向、特定证书 |
| 领域知识 | 行业认知、业务理解、合规要求等 |
| 隐性要求 | JD 未直接写明但行业惯例暗示的要求（如加班强度、出差频率、汇报层级等） |
对每个维度：
- 区分 必备要求（must-have）和 加分项（nice-to-have）。
- 标注 权重：高/中/低，反映该要求在 JD 中的重要性。
- 提取 关键词：JD 中反复出现或重点强调的词汇，这些是 ATS（简历筛选系统）和 HR 扫描时的锚点。
第 3 步：匹配度分析
将简历内容逐条对照 JD 拆解结果，按以下四个匹配等级分类：
| 等级 | 标识 | 含义 |
|---|---|---|
| 完全匹配 | ✅ | 简历中有明确、具体的对应内容，且有量化成果支撑 |
| 部分匹配 | ⚠️ | 简历中有相关内容，但深度/广度/量化程度不足 |
| 未匹配 | ❌ | JD 要求此项，但简历中完全没有体现 |
| 超出要求 | ➕ | 简历具备但 JD 未要求的能力（评估是否保留或精简） |
输出总体匹配度评分（百分比），计算方式：匹配到的必备要求占比 × 70% + 匹配到的加分项占比 × 30%。
第 4 步：优化方向一 — 匹配度提升
针对每一项「部分匹配」和「未匹配」的必备要求，提供具体可操作的补齐建议：
-
技能补齐：
- 从用户现有经历中挖掘可迁移的技能/经验，指出如何重新表述以体现匹配。
- 若确实没有相关经验，建议补充方式（如个人项目、学习计划、相关课程证书等），但标注为「需用户实际补充」而非编造。
- 严禁建议虚构经历或夸大能力——优化必须奔着真实可用的目的。 -
关键词对齐：
- 列出 JD 中的高频关键词在简历中的对应表述差异（如 JD 写「用户增长」而简历写「拉新」），建议统一术语。
- 识别 ATS 友好性问题：简历中是否缺少 JD 中的关键技能词汇。 -
经历深度强化：
- 对部分匹配的项，建议如何增加量化数据、补充项目背景、突出个人贡献。
- 参照references/resume-optimization-guide.md中的 STAR 方法改写示例。
第 5 步：优化方向二 — 聚焦精简
参照 references/resume-optimization-guide.md 中的行业简历标准，从以下角度优化简历整体质量：
-
结构优化：
- 评估简历各模块的排列顺序是否符合目标岗位的阅读优先级。
- 建议精简或删除与目标岗位无关的内容（如转行时弱化前行业经历）。
- 控制篇幅：国内简历建议 1-2 页，高级岗位不超过 3 页。 -
表达优化：
- 将模糊描述改为 STAR 结构（情境-任务-行动-结果）。
- 增加 可量化成果（数字、百分比、时间维度）。
- 统一 行为动词 开头，避免「负责」「参与」等弱动词重复使用。
- 检查「技能不能停留于表面」：技能列表中的每项技能是否在经历描述中有实际应用场景的佐证。 -
差异化亮点：
- 识别简历中与目标岗位高度相关但被淹没的亮点，建议前置或加粗。
- 对「超出要求」的项，评估保留价值：若能体现综合能力则保留，若分散注意力则精简。
第 6 步：输出分析报告
按照 references/match-analysis-template.md 中的模板格式，输出完整的分析报告。
报告必须包含：
1. 总体匹配度评分与一句话结论
2. JD 招聘要求拆解表（六维度 + 权重 + 关键词）
3. 逐条匹配分析表（匹配等级 + 现状 + 差距说明）
4. 优化方向一：匹配度提升建议（逐条，含改写前后对比）
5. 优化方向二：聚焦精简建议（结构/表达/亮点，含改写示例）
6. 优先级行动清单（按投入产出比排序的 Top 5 行动项）
输出格式为 Markdown，结构清晰，可直接作为用户修改简历的参考文档。
核心原则
- 真实可用：所有优化建议必须基于用户真实经历，严禁建议编造经历、虚构数据或夸大能力。若用户缺少某项经验，如实指出并建议合理的补充路径。
- 针对性优先：优化建议必须紧扣具体 JD，不做泛泛而谈的简历通用建议。
- 改写可落地：每条建议尽量给出「改写前 → 改写后」的具体示例，而非只说方向。
- 不替代用户判断：报告是建议而非指令，最终修改决策权在用户。对有争议的建议标注「视情况而定」并说明判断依据。
- 语言适配：中文简历场景为主，若 JD 或简历为英文则相应切换输出语言。
参考资源
references/jd-analysis-framework.md— JD 拆解分析框架，包含六维度分类法、权重评估标准、隐性要求识别方法references/resume-optimization-guide.md— 简历优化指南，包含 STAR 方法、量化技巧、行为动词库、行业简历标准、常见错误清单references/match-analysis-template.md— 匹配分析报告输出模板，包含标准格式和示例
