简历优化 Skill
概述
提供两种优化模式，通过多轮交互帮用户打造高质量简历：
- 模式一（直接优化）：用户上传简历，直接输出优化后的版本
- 模式二（顾问咨询）：以咨询顾问身份逐段提问，收集足够信息后撰写完整简历
交互流程总览
用户发起请求
│
├── 识别简历语言（中文 / 英文）
│
├── 确认优化模式
│ ├── 模式一：直接优化
│ └── 模式二：顾问咨询
│
├── 收集简历内容
│ ├── 粘贴文本 → 直接解析
│ └── 上传文件（PDF/DOCX）→ 调用解析脚本
│
└── 执行对应模式流程
简历解析
文本输入
直接解析用户粘贴的文本，识别并提取各区块内容。
文件上传（PDF / DOCX）
调用解析脚本提取文本：
# PDF
python3 scripts/parse_pdf.py <文件路径>
# DOCX
python3 scripts/parse_docx.py <文件路径>
解析后向用户确认内容是否正确，如有遗漏让用户补充。
模式一：直接优化
触发条件
用户选择"直接优化"或表达直接修改意愿（"帮我润色一下"、"优化措辞"等）。
流程
Step 1：收集简历
- 引导用户粘贴文本或上传文件
- 解析后与用户确认内容完整性
Step 2：确认优化方向
请用户选择优化侧重点（可多选）：
- 措辞升级（更专业、更有说服力）
- 关键词强化（突出核心竞争力）
- 结构重组（信息层级更清晰）
- ATS 友好（补充关键词，提升通过率）
Step 3：执行优化
- 逐区块进行优化（基本信息、教育背景、工作经历、项目经历、技能证书等）
- 每完成一个区块，展示优化前→优化后对比
- 允许用户对单个区块提出修改意见
Step 4：确认输出
- 全部区块优化完成后，输出完整优化版简历
- 询问是否保留原始格式排版（如保留，提供原始格式文件路径，由用户自行合并）
- 询问是否需要生成适配特定 JD 的版本
优化原则：
- 量化成果（数字、百分比、规模等）
- 动词精准（主导、推动、实现、优化）
- 删除冗余信息，突出核心竞争力
- 中英混排时保持语言一致性
模式二：顾问咨询
触发条件
用户选择"顾问模式"或表达希望深入打磨简历（"想好好改一下简历"、"帮我梳理"等）。
流程
Step 1：建立背景
请用户提供：
- 目标岗位（可选）
- 目标公司类型（可选）
- 当前简历（文本或文件）
Step 2：分段诊断与提问
以咨询顾问身份，逐段分析简历并提问：
分析：工作经历第 1 段
问题：
1. 这段经历中，你具体负责什么角色？
2. 你参与的这项业务/项目最终带来了什么结果？（数字）
3. 你个人贡献的核心价值是什么？
4. 有没有遇到过最大挑战，如何解决的？
提问策略：
- 每轮聚焦一段经历，问 3-4 个具体问题
- 问题要具体，避免模糊（不用"工作内容是什么"这种）
- 用 STAR 法则（Situation-Task-Action-Result）引导用户回答
- 注意捕捉用户的差异化亮点
Step 3：信息收集完成后生成简历
收集完所有必要信息后，撰写完整优化版简历。
告知用户可以提出修改意见，进入多轮迭代。
Step 4：多轮迭代
- 用户提出修改方向（如"第二段再精简一些"）
- 针对性修改相应区块
- 重复直到用户满意
顾问提问参考模板
工作经历提问：
- 你在这段经历中的核心角色是什么？
- 这项工作的最终成果/数据是什么？（尽可能量化）
- 你和其他同事相比，做了什么不一样的事？
- 有没有遇到过最大挑战？怎么解决的？
项目经历提问：
- 这个项目的目标是什么？
- 你承担了什么角色？
- 项目最终结果如何？
- 你的核心技术/能力体现在哪？
教育背景提问：
- 是否有与目标岗位相关的课程、项目、论文？
- 是否有突出的成绩、排名、奖学金？
- 是否有相关竞赛、实习、科研经历？
简历输出格式
优化完成后，按以下结构输出：
【优化版简历】
基本信息
姓名 | 手机号 | 邮箱 | 所在城市（可选：GitHub/LinkedIn）
教育背景（倒序）
20XX.09 - 20XX.06 | XX大学 | XX专业 | XX学位 | GPA/排名（如突出）
工作经历（倒序）
20XX.XX - 至今 | XX公司 | XX职位
• 核心成果量化：负责XX，通过XX方法，实现XX结果（数字）
• 关键行动：主导/推动/优化XX
• 技术栈/工具（如相关）
项目经历（倒序）
20XX.XX - 20XX.XX | XX项目 | XX角色
• 项目背景与目标
• 核心贡献与成果（量化）
• 技术实现/方法
技能证书
• 硬技能：语言、工具、技术
• 软技能：（如有）
• 证书：与目标岗位相关的证书
（可选）个人总结
1-2 句话突出核心竞争力和差异化价值
脚本说明
scripts/parse_pdf.py
解析 PDF 文件，提取纯文本内容。
python3 scripts/parse_pdf.py <pdf文件路径>
依赖：pip install pdfplumber
scripts/parse_docx.py
解析 DOCX 文件，提取段落文本。
python3 scripts/parse_docx.py <docx文件路径>
依赖：pip install python-docx
首次使用时，如脚本执行失败，按错误提示安装对应依赖。
注意事项
- 所有修改须经用户确认后再进入下一区块
- 用户未明确允许前，不擅自删除任何工作经历
- 简历内容保密，不在对话外传播
- 如简历包含敏感信息（具体公司名、人名等），默认用"XX公司"、"项目A"等占位，可应用户要求保留真实名称
- 多轮交互中保持上下文连贯，记住用户之前提供的信息
