简历修改（Resume Polish）
用途
将用户提供的原版简历改写为结构化、量化、与目标岗位高度匹配的专业简历。改写风格以结构化模块分点、动词驱动、量化成果为核心特征。
触发前置检查（硬性门槛，必须最先执行）
执行任何改写前，先检查两项输入是否齐备：
- 原版简历：用户上传的简历文件，格式为 PNG / JPG / PDF / Word（doc、docx）。
- 岗位详情：目标岗位的招聘信息，形式为文字描述或截图。
处理规则：
- 两者齐备 → 进入下方「工作流程」。
- 缺简历 → 提示用户上传原版简历文件，并说明支持的格式，等待上传，不执行改写。
- 缺岗位详情 → 提示用户提供目标岗位详情（文字或截图均可），等待提供，不执行改写。
- 图片类输入（PNG/JPG/截图）→ 直接读取图片内容识别文字；Word 文档 → 用文本提取工具读取；PDF → 提取全部页面文本。
- 若简历或岗位信息存在关键缺失（如简历中没有教育经历、岗位详情过于模糊无法判断岗位方向），先向用户确认补充，再继续。
工作流程
按以下顺序执行：
- 解析原版简历：提取姓名、联系方式、教育背景、全部工作/实习/项目经历、技能证书等全部事实信息。改写全程不得虚构事实（不得编造公司、时间、数据、证书），只能在既有事实上做结构化表达与合理归纳。
- 解析岗位 JD：提炼岗位的核心职责、关键能力要求、高频关键词。后续所有模块的内容取舍与措辞均向 JD 对齐。
- 判定候选人类型：有正式全职工作经历 → 往届生；仅有实习/在校经历 → 应届生。按对应结构组织简历（见下节）。
- 逐模块改写：参照
references/writing-guide.md的表达范式改写每个模块；参照references/examples.md的范例校准风格与详略。 - 岗位适配调整：经历排序、模块取舍、自我评价归纳、关键词嵌入均以目标岗位为导向。与岗位强相关的经历详写、前置；与岗位详情无关的工作经历、实习经历、项目经历直接删除，不保留简写版本；自我评价与相关技能中无关内容（如应聘品牌营销岗时的会计职称）同样直接删除。
- 输出交付：
- 输出修改后的完整简历全文（Markdown 排版，结构清晰可直接复制使用）；
- 附「修改说明」：简述本次改写的核心调整点（结构、表达、岗位匹配、删除了哪些无关内容）；
- 用户需要 Word/PDF 版本时，再生成对应文件。
简历结构规范（统一布局顺序）
整体布局固定为：基本信息 → 教育经历 → 自我评价 → 工作/实习经历 → 项目经历（如有）→ 相关技能。相关技能永远放最后，自我评价紧随教育经历。
应届生结构
- 基本信息（姓名、电话、邮箱、最高学历、意向岗位等）
- 教育经历（可展开：专业方向简述、主修课程概括、过往荣誉奖项）
- 自我评价
- 实习经历
- 项目经历（有则加，无则不加）
- 相关技能（仅应届生展示：应届生在求职中需要此板块证明基础能力；只保留岗位相关内容）
往届生结构
- 基本信息（姓名、电话、邮箱、最高学历、工作年限、意向岗位等）
- 教育经历（极简：仅保留学校、专业、学历、时间，不展开课程与荣誉）
- 自我评价
- 工作经历
- 项目经历（有则加，无则不加）
往届生不展示「相关技能」板块——其内容与自我评价（能力归纳）冲突重复；技能、工具、证书中与岗位相关的点，直接融入自我评价或工作经历要点中体现，与岗位无关的删除。
说明：
- 在校经历、证书特长不单列模块；与岗位相关的融入教育经历（应届）或相关技能（应届）/自我评价（往届），与岗位无关的直接删除。
- 项目经历判断标准：有能体现岗位相关能力的真实项目才保留；与岗位无关或凑数的项目直接删除。
改写核心原则（摘要）
详细范式见 references/writing-guide.md，此处为不可违反的核心原则：
- 结构化分点：每段经历拆为 2-4 个能力模块，每点格式为「模块名：核心动作 + 量化成果」。
- 精简优先：工作内容描述必须精简——每个模块只保留核心内容与数据成果，单点控制在 1-2 行（不超过 50 字），删除过程性、铺垫性描述。宁可点少而精，不可点多而长。
- 无关内容直接删除：与岗位详情无关的工作/实习/项目经历整段删除；自我评价、相关技能中无关条目（如应聘营销岗时的会计职称、无关证书）直接删除，不保留、不解释。
- 量化成果：尽可能使用数字（数量、准确率、提升幅度、覆盖人数、金额规模），数据必须来自原简历或可向用户确认，不得编造。
- 动词驱动：以主导、统筹、搭建、独立负责、协同、落地等动作词开头。
- 自我评价高度归纳：3-4 条，每条为「【能力标签】经验背景 + 核心能力 + 关键成果 + 与岗位的匹配点」，逐条对齐 JD 要求，只体现岗位需求的内容。
- 真实不虚构：所有事实、数据、经历以原版简历为准；原简历缺少量化数据时，可在修改说明中列出建议用户补充的数据点。
