360 Secure SkillHub
360 安全技能中心

简历优化两步走编排器

通过编排两个子 Skill 完成简历优化：第一步 resume-assistant 按 JD 重组经历并量化成果，缺失数字用占位符标注；第二步 humanizer 去除 AI 写作痕迹。含素材收集、验收检查点与交付提示，不做 OCR，也不代写事实。

bettermen
bettermen
热度 52.21
最近更新 2026-06-21 11:29:52
分类：效率依赖：读写文件 / 内部调用大模型应用场景：文案创作 / 工作流 / 校对润色

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add bettermen/resume-optimizer
Metadata
name
resume-optimizer
description
简历优化两步走编排器：第一步调用 resume-assistant 按 JD 重组内容并量化成果，第二步调用 humanizer 去除 AI 写作痕迹。解决直连 AI 重写导致的「空洞修饰词+千篇一律句式」问题，产出既专业又像本人写的简历。
description_zh
简历优化两步走编排器：重组量化 + 去AI味
description_en
Two-step resume optimizer: restructure-quantify then de-AI
version
1.0.0
category
career
tags
["resume","career","job-hunting","ai-writing","humanizer","orchestrator"]
allowed-tools
["Skill","Read","Write","Edit","AskUserQuestion"]

Resume Optimizer — 简历优化两步走编排器

一句话：用户给简历素材（+ 可选 JD）→ 第一步 resume-assistant 重组量化 → 第二步 humanizer 去AI味 → 输出可投递终稿。

一、为什么需要这个编排器

直接让 AI 重写简历有三个典型病灶：

病灶 表现 后果
成果没量化 "负责用户增长""效果还行" HR 看不到价值密度
措辞太口语 "做了个活动""带团队做迭代" 专业度不够，首轮被筛
AI 味太重 "具有丰富的 XX 经验""在 XX 领域有深刻理解""深度参与、高质量交付、显著提升" HR 一眼识破，比口语化更致命

核心矛盾：AI 重写能解决前两个问题，但会引入第三个问题。HR 每天看几百份简历，AI 味传递的信号是「求职者自己都没认真对待」。

解决方案：两步走 — 先用 resume-assistant 把内容和结构搞对，再用 humanizer 把 AI 味洗掉。两步缺一不可。

二、触发条件

  • "帮我优化简历 / 改简历 / 简历润色"
  • "我的简历 AI 味太重，帮我弄自然点"
  • "按这个 JD 改我的简历，但别让 HR 看出是 AI 写的"
  • "简历投出去石沉大海，帮我看哪里有问题"
  • 用户引用 @scene#18 或提到「简历优化场景」

三、编排工作流

Step 0 · 素材收集（必做）

向用户收集：

  1. 简历素材：粘贴文本 / 上传 PDF·Word / 口述经历均可
  2. 目标 JD（可选，强烈推荐）：有 JD 时走 tailor 模式，效果显著更好
  3. 偏好（可选）：模板风格、长度、语言（中/英/双版）

若用户只给 JD 没给简历 → 追问简历素材 若用户只给简历没给 JD → 走 rewrite 模式，并在 Step 2 后提示"提供 JD 可进一步定制"

Step 1 · 调用 resume-assistant（重组 + 量化）

触发方式：调用 Skill 工具，command = resume-assistant

你需要对这个 Skill 说的话（作为它的用户输入）：

用户简历素材：
<粘贴用户提供的简历原文>

目标 JD（如有）：
<粘贴 JD，没有则删掉这行>

请按照以下要求处理：
1. 路由到 <tailor | rewrite> 模式（有 JD 走 tailor，无 JD 走 rewrite）
2. Preflight 偏好：<按用户回答填，或"默认">
3. 重点：量化所有成果（缺数字的经历用占位符 [待补充] 标注，绝不编造）
4. 输出 Markdown 版本到 resume-output/

⚠️ 这是两步走的第一步，本步只做结构化+量化，不需要过度润色措辞。
   AI 味的清除会在第二步由 humanizer 处理。

验收 checkpoint（拿到 resume-assistant 产出后检查）：

  • 所有经历条目都有数字（或 [待补充] 占位符），无凭空编造的数字
  • 结构符合 STAR / 项目导向模板
  • 待填的联系信息用占位符（[电话待填写] 等），非假号码
  • 有 JD 时，关键词已对齐
  • 输出落在 resume-output/*.md

若 checkpoint 不过：把问题回传给 resume-assistant 让它修，不要自己动手改简历内容（编排器不越权改内容）。

Step 2 · 调用 humanizer（去 AI 味）

触发方式：调用 Skill 工具，command = humanizer

给 humanizer 的输入：Step 1 产出的 Markdown 简历全文。

你需要说的话：

请对以下简历内容做去 AI 味处理。这是一份求职简历，目标读者是 HR 和业务面试官。

重点清理：
- 空洞修饰词："丰富的""深刻的""显著的""高质量""深入""深度参与"
- 排比三连（Rule of Three）："做了X、优化了Y、提升了Z"
- 负向并列："不仅…更是…"
- 算法腔句式：每句等长、整齐划一
- 谄媚收尾："期待能加入贵公司共同成长"

要求：
- 保留所有数字和事实（这些是 step 1 量化出来的，不能动）
- 句式长短交错，允许适度口语但不失专业
- 加入第一人称视角，让它像本人写的
- 输出去 AI 味后的完整简历 Markdown

简历内容：
<粘贴 step 1 产出>

验收 checkpoint：

  • 所有数字 / 项目名 / 技术栈与 Step 1 产出一致（humanizer 不许改事实）
  • 无明显 AI 味词（"此外/至关重要/凸显/赋能/助力/持续推动"）
  • 句式不整齐划一，有长短变化
  • 读起来像本人写的，不像机器生成的

Step 3 · 交付 + 提示

把 Step 2 产出作为最终简历交付给用户，并附带：

  1. 占位符清单：列出所有 [待补充] / [电话待填写] 等，提醒投递前填写
  2. 可选下一步：
    • "需要导出 PDF 投递版吗？" → 触发 resume-assistant 的 export 模式（ATS-safe 主题）
    • "需要针对这个 JD 的面试准备吗？" → 触发 resume-assistant 的战略附录
    • "要不要再针对另一家公司做一个定制版？" → 回到 Step 1，新走一轮

四、边界与 NEVER

边界 说明
❌ 不自己改简历内容 编排器只协调，内容改写交给两个子 Skill
❌ 不编造数字 缺数字一律 [待补充] 占位符
❌ 不跳过 Step 2 没去 AI 味的简历不允许作为终稿交付
❌ 不做 OCR 扫描件 PDF 让用户复制粘贴文本
❌ 不补假联系方式 姓名/电话/邮箱未提供一律占位符
✅ 两步都要做 即使用户说"随便改改"也要走完两步

五、子 Skill 依赖

子 Skill 来源 版本 作用
resume-assistant marketplace (skill_2057443453823152128) 1.0.0+ 重组 + 量化 + JD 对齐
humanizer marketplace (skill_2053082097175687168) 2.1.1+ 去除 24 类 AI 写作痕迹

若任一子 Skill 未安装，编排器应提示用户先安装，不可降级走单步。

六、参考文档