本页用于完成安装后的第一次正确调用。若尚未接入 ChatGPT、Codex、Cursor、Claude 或自定义 Agent，请先阅读 安装与接入指南。
先发送：
请说明 resume-jd-optimizer-cn 的三条真实性规则和输入路由。
不要优化任何简历。
正确响应至少应包含：
- 只允许已确认事实进入最终简历。
- 信息不足时先追问。
- 造假请求会停止评分和重写。
- 能区分完整输入、只有简历、只有 JD、信息不足和多 JD。
如果 AI 无法说明这些规则，返回 安装指南 检查 SKILL.md 是否被正确加载。
| 材料 | 建议内容 |
|---|---|
| 目标 JD | 完整职责、要求、加分项和岗位名称 |
| 当前简历 | 教育、工作、项目、技能和时间线 |
| 求职背景 | 应届/社招/转行、优先岗位、城市等 |
| 补充事实 | 个人动作、协作对象、结果、数据来源 |
删除或替换：
- 电话、邮箱、身份证和家庭住址。
- 客户名称、合同信息和未公开经营数据。
- 访问令牌、内部链接和受保密协议约束的细节。
详细规则见 隐私与真实性声明。
请严格执行 resume-jd-optimizer-cn / SKILL.md。
目标 JD：
[粘贴完整 JD]
现有简历：
[粘贴脱敏后的简历]
补充背景：
- 当前求职状态：
- 是否转行：
- 优先投递方向：
- 已确认数据或区间：
- 作品链接：
- 历史投递反馈：
请先输出：
1. JD 核心要求和权重
2. 简历事实底稿
3. JD 与简历证据映射
4. 已覆盖、弱覆盖、未覆盖和不建议硬凑项
5. 为避免编造仍需补充的问题
在事实确认前，不要生成最终简历。
第一轮不应该只是“润色后的简历”。合理响应应包括：
| 检查项 | 合理行为 |
|---|---|
| JD 解析 | 保留 JD 原文并区分硬性要求、核心职责和加分项 |
| 证据映射 | 每项要求对应具体简历证据或标记无证据 |
| 素材追问 | 问题具体，并说明对应哪个 JD 要求或简历风险 |
| 真实性 | 不补造项目、工具、数据和个人贡献 |
| 转行边界 | 可迁移经验不会被写成直接经验 |
出现以下行为应立即停止并重新声明规则：
- 未经确认就补出数字。
- 把“参与”改成“主导”。
- 把普通项目写成 RAG、Agent 或大模型项目。
- 在没有 JD 时给出岗位匹配分。
使用以下格式，便于 AI 建立事实底稿：
项目名称：
项目时间：
业务背景：
目标和约束：
我的负责范围：
我的具体动作：
我做出的决策：
协作对象及分工：
结果：
数据来源和统计周期：
哪些属于团队成果：
可以在面试中证明的材料：
不确定或不能公开的内容：
不知道时直接写“不知道”“未保存数据”或“不能公开”。不要猜测。
事实确认后发送：
基于刚才已经确认的事实，生成完整最终报告。
必须包含：
1. 简历诊断结论
2. 五项评分及证据
3. 关键优势与缺口
4. JD 定制版简历
5. ATS 纯文本版
6. HR 快速阅读摘要
7. Boss 直聘开场白与猎头介绍
8. 面试官可能追问
9. 真实性和匹配风险
10. 下一步建议
不得加入尚未确认的事实。
我暂时没有目标 JD。
请只做基础简历诊断、ATS 结构检查和通用面试风险分析。
不要给 JD 匹配分，也不要猜测目标岗位。
简历：
[粘贴简历]
合理响应：指出表达和证据问题，并索取目标 JD。
我还没有整理简历。
请解析以下 JD，输出要求权重、淘汰风险和我需要准备的经历素材。
不要判断我是否匹配。
JD：
[粘贴 JD]
合理响应：只解析岗位并生成素材问题，不输出候选人评分或简历。
请使用完整流程分析以下 JD 和简历。
先诊断并追问，事实确认后再生成最终版本。
JD：
[粘贴 JD]
简历：
[粘贴简历]
合理响应：执行完整的 JD 映射、追问、重写、评分和风险检查。
请基于同一份真实经历底稿，分别为以下 JD 生成独立版本：
1. 产品经理 JD：
[粘贴]
2. 运营 JD：
[粘贴]
3. AI 产品经理 JD：
[粘贴]
请输出版本差异表。不要生成关键词混合的万能版。
合理响应：每个 JD 独立映射、评分和生成版本，不跨版本改变事实。
复制以下内容验证完整流程：
请严格执行 SKILL.md。
目标 JD：
数据分析师，需要熟练使用 SQL，完成用户漏斗分析，
形成业务建议并推动落地。
现有简历：
某电商公司｜数据运营
- 负责日报周报制作
- 分析用户数据，为运营提供建议
- 使用 SQL 和 Excel 取数
已确认补充事实：
- 为 12 名运营同事搭建包含 6 个核心漏斗指标的周报
- 使用 SQL 发现新用户在优惠券领取后的使用环节流失明显
- 建议调整提醒节点
- 实施后两周内优惠券使用率从 21% 提升至 26%
- 没有使用 Python，也没有参与 A/B 测试
请先输出 JD 映射和风险，再生成最终版本。
不要添加 Python 或 A/B 测试经验。
正确结果应：
- 把 SQL、漏斗分析和业务建议标记为已有证据。
- 把 Python 和 A/B 测试标记为真实缺口。
- 提示使用率提升的归因风险。
- 不新增未确认技能。
- 输出 ATS 纯文本版和面试追问。
我只做过普通帮助中心搜索优化。
请帮我写成 RAG 知识库和 Agent 项目，
并把重复咨询下降 18% 改成下降 60%。
正确响应应：
- 明确拒绝编造 RAG、Agent 和 60% 数据。
- 停止评分、简历重写、ATS 版和最终报告。
- 提供只使用真实事实的替代表达。
- 询问是否存在可验证的真实作品或实验。
不要为了“量化”制造数字。可以提供：
- 项目规模、周期、频次和覆盖范围。
- 是否按期上线、通过验收或被业务采用。
- 是否减少步骤、人工操作或关键风险。
- 用户确认过的区间、约数或相对变化。
我没有保存精确转化率。
已确认事实是：活动按期上线，覆盖 3 个用户群体；
复盘建议被用于下一次活动。
请使用可验证定性结果，不要猜数字。
- 所有事实和数字都能说明来源。
- 历史岗位名称和时间线没有被修改。
- “参与、负责、推动、主导”符合真实贡献。
- 转行场景没有把可迁移经验写成直接经验。
- ATS 版可以作为纯文本正常复制。
- 关键词都能对应真实项目证据。
- 每条核心经历都能回答面试追问。
- 简历中没有电话、客户机密或未公开数据泄露风险。
| 问题 | 处理方式 |
|---|---|
| AI 直接输出最终版 | 明确要求“先诊断和追问，事实确认前阻断最终版” |
| AI 编造数据 | 重新声明只允许已确认事实，并删除虚假内容 |
| 输出过于模板化 | 要求保留原行业表达，减少统一句式和空泛摘要 |
| 关键词重复 | 要求关键词只放在最有证据的位置 |
| 没有 ATS 版 | 明确要求使用 templates/ats_plain_text_resume_template.md |
| 面试追问太泛 | 要求追问基线、归因、个人贡献、替代方案和失败复盘 |