提供两种优化模式,通过多轮交互帮用户打造高质量简历:
用户发起请求
│
├── 识别简历语言(中文 / 英文)
│
├── 确认优化模式
│ ├── 模式一:直接优化
│ └── 模式二:顾问咨询
│
├── 收集简历内容
│ ├── 粘贴文本 → 直接解析
│ └── 上传文件(PDF/DOCX)→ 调用解析脚本
│
└── 执行对应模式流程
直接解析用户粘贴的文本,识别并提取各区块内容。
调用解析脚本提取文本:
# PDF
python3 scripts/parse_pdf.py <文件路径>
# DOCX
python3 scripts/parse_docx.py <文件路径>
解析后向用户确认内容是否正确,如有遗漏让用户补充。
用户选择"直接优化"或表达直接修改意愿("帮我润色一下"、"优化措辞"等)。
Step 1:收集简历
Step 2:确认优化方向
请用户选择优化侧重点(可多选):
Step 3:执行优化
Step 4:确认输出
优化原则:
用户选择"顾问模式"或表达希望深入打磨简历("想好好改一下简历"、"帮我梳理"等)。
Step 1:建立背景
请用户提供:
Step 2:分段诊断与提问
以咨询顾问身份,逐段分析简历并提问:
分析:工作经历第 1 段
问题:
1. 这段经历中,你具体负责什么角色?
2. 你参与的这项业务/项目最终带来了什么结果?(数字)
3. 你个人贡献的核心价值是什么?
4. 有没有遇到过最大挑战,如何解决的?
提问策略:
Step 3:信息收集完成后生成简历
收集完所有必要信息后,撰写完整优化版简历。
告知用户可以提出修改意见,进入多轮迭代。
Step 4:多轮迭代
工作经历提问:
项目经历提问:
教育背景提问:
优化完成后,按以下结构输出:
【优化版简历】
基本信息
姓名 | 手机号 | 邮箱 | 所在城市(可选:GitHub/LinkedIn)
教育背景(倒序)
20XX.09 - 20XX.06 | XX大学 | XX专业 | XX学位 | GPA/排名(如突出)
工作经历(倒序)
20XX.XX - 至今 | XX公司 | XX职位
• 核心成果量化:负责XX,通过XX方法,实现XX结果(数字)
• 关键行动:主导/推动/优化XX
• 技术栈/工具(如相关)
项目经历(倒序)
20XX.XX - 20XX.XX | XX项目 | XX角色
• 项目背景与目标
• 核心贡献与成果(量化)
• 技术实现/方法
技能证书
• 硬技能:语言、工具、技术
• 软技能:(如有)
• 证书:与目标岗位相关的证书
(可选)个人总结
1-2 句话突出核心竞争力和差异化价值
解析 PDF 文件,提取纯文本内容。
python3 scripts/parse_pdf.py <pdf文件路径>
依赖:pip install pdfplumber
解析 DOCX 文件,提取段落文本。
python3 scripts/parse_docx.py <docx文件路径>
依赖:pip install python-docx
首次使用时,如脚本执行失败,按错误提示安装对应依赖。
共 1 个版本