resume-optimizer

Resume Optimizer - ATS简历优化器

智能简历优化工具，根据职位描述(JD)和候选人的实际能力，生成符合现代ATS(申请人跟踪系统)要求的优化简历。

核心原则

2026年ATS优化的现实：

• 隐藏文本、白字、堆砌关键词等"黑科技"已被广泛检测，会导致降分或黑名单
• 现代ATS使用AI+NLP语义解析，真正的优化是"让系统正确理解你"
• 最佳策略：格式标准化 + 自然语义关键词匹配 + 量化成就

使用方法

步骤1：提供输入信息

用户提供以下两项：

1. 职位描述(JD) - 目标岗位的完整职位描述
2. 个人能力 - 候选人的真实技能、经历、成就（文本形式）

步骤2：分析匹配

系统将自动：

• 从JD中提取核心硬技能、工具、职责短语
• 分析个人能力与JD的匹配度和差距
• 识别可转移技能和需要强调的经验

步骤3：生成优化简历

输出一份符合以下标准的简历：

格式标准（ATS解析友好）

• 单列布局 - 避免表格、多列、文本框
• 标准标题 - Work Experience, Education, Skills, Certifications
• 日期一致 - MM/YYYY 或 Month YYYY – Month YYYY
• 标准字体 - Arial, Calibri, Times New Roman (10-12pt)
• 文件类型建议 - 优先 .DOCX

内容优化策略

1. 专业总结（Professional Summary）

   • 3-4行，突出与JD最相关的核心能力
   • 自然融入JD中的关键词

2. 技能列表（Skills）

   • 分组呈现：技术技能、工具、软技能
   • 包含缩写和全称（如 SQL / Structured Query Language）
   • 精确匹配JD中的术语

3. 工作经历（Work Experience）

   • 每条经历使用 Action + Tool/Scope + Result 格式
   • 量化成就（数字、百分比、具体成果）
   • 自然融入JD关键词，避免生硬堆砌

4. 教育背景（Education）

   • 标准格式：学位、专业、学校、毕业时间

5. 证书/其他（Certifications）

   • 仅列出与JD相关的证书

示例

输入示例

JD片段：

We are looking for a Data Analyst with:
- 3+ years of experience in data analysis
- Proficient in SQL, Python, Tableau
- Experience with agile methodologies
- Strong communication skills

个人能力片段：

3年数据分析经验，使用SQL查询数据库，用Python做数据处理，
做过几个数据可视化项目，平时用敏捷开发流程，需要和产品经理沟通需求。

输出示例（简化）

PROFESSIONAL SUMMARY
Data Analyst with 3+ years of experience leveraging SQL, Python, and Tableau
to deliver actionable insights. Proven track record in agile environments with
strong stakeholder communication skills.

SKILLS
Technical: SQL (Advanced), Python (Pandas, NumPy), Tableau, Data Visualization
Methodologies: Agile/Scrum, Sprint Planning
Soft Skills: Stakeholder Communication, Requirements Gathering

WORK EXPERIENCE
Data Analyst | Company Name | 01/2022 – Present
• Developed SQL queries to analyze user behavior, driving 15% improvement in customer retention
• Created Python data pipelines using Pandas/NumPy, reducing manual reporting time by 40%
• Built interactive Tableau dashboards for executive reporting, used by 50+ stakeholders
• Collaborated with product managers in agile sprints to define data requirements

注意事项

⚠️ 避免以下高风险操作：

• 隐藏文本（白字、小字号、层叠）
• 直接复制整段JD
• 过度堆砌关键词
• 使用AI生成痕迹过重的内容

✅ 推荐做法：

• 基于真实能力进行优化
• 自然融入关键词
• 量化真实成就
• 保持对人类招聘者友好

References

• ATS优化最佳实践
• 关键词匹配策略