中国互联网技术岗简历定制

这个 skill 解决什么

国内互联网技术岗简历的真相：

• HR 第一轮 6-8 秒决定是否进入下一轮
• 大厂用 ATS 系统筛 → 关键词不匹配直接死
• 项目经历不会写就是「我参与了 XX 项目」流水账
• 数据不量化 = 你做了和没做一样

这个 skill 解决 4 件事：

1. 基础结构：1 页（社招）/ 1-2 页（高级岗）/ 1 页（校招），中文场景的标准布局
2. 项目经历 STAR 化：背景 - 任务 - 行动 - 结果，每条带数字
3. JD 关键词匹配：把 JD 里的硬需求和软偏好映射到你的简历
4. 目标公司风格适配：BAT / 字节 / 拼多多 / 外企 偏好不同

不做的事：不替你编经历（造假是死的）；不做漂亮版式（用 Markdown / Notion 模板就够，HR 不在乎花哨）。

中国互联网技术简历的 7 大模块

┌─────────────────────────────────────┐
│ 1. 个人信息（4 行内）                │
│    姓名 | 电话 | 邮箱 | 城市 | 工作年限 │
├─────────────────────────────────────┤
│ 2. 求职意向（1 行）                  │
│    XX 岗位 | 期望薪资范围 | 到岗时间 │
├─────────────────────────────────────┤
│ 3. 教育背景（1-3 行）                │
│    学校 | 专业 | 时间 | 学位         │
├─────────────────────────────────────┤
│ 4. 工作经历（按时间倒序，每段含项目）  │
│    公司 | 岗位 | 时间                │
│    └─ 项目 1（STAR 描述）            │
│    └─ 项目 2（STAR 描述）            │
├─────────────────────────────────────┤
│ 5. 技术栈 / 专业能力（5-10 项）       │
│    语言 / 框架 / 工具 / 中间件        │
├─────────────────────────────────────┤
│ 6. 个人项目 / 开源贡献（如有，1-3 个）│
├─────────────────────────────────────┤
│ 7. 其他（专利 / 论文 / 证书 / 自我评价）│
└─────────────────────────────────────┘

模块顺序：社招按上面顺序；校招把"教育背景"提到工作经历前面。

项目经历 STAR 法（核心战场）

公式

项目名 | 角色 | 时间 | 团队规模

S（Situation 背景）：1 句话——业务在哪、为什么要做这件事
T（Task 任务）：1 句话——你具体的职责（不是"参与" 而是"负责 / 主导 / Owner"）
A（Action 行动）：2-3 句——技术选型 / 关键决策 / 你做出的改进
R（Result 结果）：1-2 句——量化数字（性能 / 业务 / 成本）

反例 → 正例

❌ 流水账：

> 参与 XX 项目，负责后端开发，使用 SpringBoot 实现接口，配合前端联调。

✓ STAR 化：

> 【XX 平台订单中心重构】Owner | 2023.06-2023.12 | 5 人

> S：原订单系统单库单表，日订单破 100 万后频繁超时（P99 > 3s），影响下单转化

> T：作为后端 Owner，主导从架构设计到上线的全过程

> A：① 引入 ShardingSphere 做按用户 ID 分库分表（16 库 64 表）；

> ② 把同步调用改为 RocketMQ 异步处理；③ 用 Caffeine + Redis 双缓存优化热点查询

> R：P99 从 3s 降到 280ms；支撑日订单 800 万峰值；下单转化 +1.2pp（约 2400 万 GMV/月）

4 个量化方向（任何项目都能挑出 1-2 个）：

• 性能：QPS / RT / P99 / 内存占用
• 业务：DAU / 转化率 / GMV / 留存
• 成本：服务器成本下降 X% / 人力节省 N 人月
• 质量：故障率 / Bug 率 / SLA

JD 关键词匹配（绝对必做）

国内大厂筛简历全部走 ATS（应聘者跟踪系统），先按关键词刷一遍，关键词不命中直接 pass。

操作步骤

1. 抓 JD：把目标 JD 全文贴给 AI
2. 拆关键词：分 3 类
• 硬技能（Java / Python / K8s / Flink ...）
• 业务领域（电商 / 支付 / 风控 / 推荐）
• 软偏好（独立负责 / 跨部门协作 / Owner ...）
3. 对照映射：你简历里的项目能对上哪些？
4. 改写：把对得上的关键词原样写进简历（同义词不行，ATS 不识别）

例子

JD 写："熟悉分布式系统、有高并发场景经验、了解 Kafka / RocketMQ"

你简历原文："使用消息队列异步处理"

改写："使用 RocketMQ 实现消息异步处理，承载日均 800 万订单的高并发场景"

——同样意思，但 ATS 命中"RocketMQ"、"高并发"两个关键词。

目标公司风格差异

AI 执行流程

第一步：摸需求

1. 你是社招 / 校招 / 转岗？
2. 投哪几家公司？（决定风格适配）
3. 有目标 JD 吗？（贴过来做关键词匹配）
4. 你目前简历什么状态？（贴过来 / 从头写）
5. 你最强的 1-2 个项目是什么？（重点打磨）

第二步：模块化处理

按 7 大模块逐个改。项目经历模块用最多时间（占总工作量 60%）。

第三步：STAR 化每个项目

每个项目走 STAR 公式。结果必须有数字——没有就和用户挖：

• "这个项目上线后，性能 / 业务 / 成本 哪个有变化？"
• "你能拿到的数据有哪些？业务方告诉过你 GMV 影响吗？"

第四步：JD 匹配

把 JD 关键词原样写进简历。3 类关键词都要覆盖：硬技能 / 业务 / 软偏好。

第五步：自检 checklist

• [ ] 1-2 页（社招 1-2 页，校招 1 页严格）
• [ ] 每个项目 STAR 完整、Result 有数字
• [ ] JD 关键词覆盖率 ≥ 70%
• [ ] 没有"参与"、"协助"、"负责"这种弱动词（改成"主导 / Owner / 设计 / 实施"）
• [ ] 没有自我评价的废话（"工作认真"、"学习能力强"全删）
• [ ] 时间倒序、时间没断档（断档要在求职意向里说明，比如"间隔半年自学 AI"）

输出格式

输出 1 份完整简历（Markdown 格式，可直接转 PDF）+ 1 份 ATS 关键词命中报告：

## 关键词命中报告（vs JD）
- 硬技能（命中 8/10）：✓ Java ✓ SpringBoot ✓ Redis ✗ Flink ✗ ClickHouse
- 业务（命中 3/4）：✓ 电商 ✓ 高并发 ✓ 支付 ✗ 风控
- 软偏好（命中 4/5）：✓ Owner ✓ 跨部门 ✓ 独立 ✓ 业务推动 ✗ 团队管理

【建议】
- Flink / ClickHouse 你没用过的话不要硬加，可以说"了解过原理"
- 风控建议从订单中心项目里挖，应该有"反刷单"经历
- 团队管理可以从"主导 5 人小组"角度强调

终止条件

• 简历主体 1-2 页完成
• STAR 化、关键词命中报告、自检 checklist 都过
• 用户表示"可以投了"

不做的事：不替用户面试；不预测面试题（那是 interview-prep-zh 的活）。