用 AI 按 JD 定制简历
相关搜索
这篇用到的 skill（2）
核心引擎。分析 JD、提取关键词、重组经历并输出 Markdown 简历；可直接下载安装（CC-BY-4.0）。
下载技能包 → https://github.com/anbeime/skill/tree/main/skills/tailored-resume-generator/tailored-resume-generator内容定稿后用它把 Markdown 转成排版好的 .docx，避免手动调格式。
npx skills add anthropics/skills -g
关键不是让 AI "重写一遍"简历，而是三件事：提取岗位的真实硬要求、只映射你确实有的经历、把缺失的量化数据留成占位符而不是让 AI 代填。默认提示词会替你编数字——这是这套流程里唯一必须人工兜底的环节。
JD = Job Description（职位描述），就是招聘网站上那个写了「岗位职责」「任职要求」的详情页。本文说的"按 JD 定制"就是把你的经历对齐到那篇具体的要求上，而不是用同一份简历投所有岗位。
这篇适合谁 / 不适合谁
适合：
- 已有工作经历，需要针对具体岗位改简历（尤其是同一份经历投多个方向）
- 投的岗位 JD 写得比较具体（有明确的技能词和要求年限）
- 愿意花 10 分钟提供真实数字，而不是要一份"看起来很厉害"的简历
不适合：
- 应届、经历很少：AI 会把 1 段实习扩写成 3 条"主导项目"，风险大于收益
- 想要"一键海投同一份简历"：定制的价值恰恰在于每个岗位一版
- 指望它替你判断职业方向：它只做匹配与表达，不做决策
开始前准备什么
两样东西，缺一样效果都会明显下降：
- 完整 JD 原文（不要自己总结）。包括公司、岗位、任职要求、加分项。
- 事实清单，按这个格式列（关键是你提供数字，不让 AI 生成数字）：
工作经历：公司 / 岗位 / 起止时间 / 3-5 条职责
量化素材：每条经历对应的真实数字（规模、增幅、耗时、金额……没有就写"无"）
技能清单：会什么 / 用到什么程度（能独立完成 / 用过 / 了解）
教育与其他：学历、证书、作品链接
目标岗位：公司 + 岗位名称操作步骤
1. 安装 skill
tailored-resume-generator 来自 anbeime/skill（CC-BY-4.0，使用需署名），是一个纯提示词技能包，可直接下载：
# 方式一：直接取这个目录（推荐，只拿一个技能包）
git clone --depth 1 --filter=blob:none --sparse https://github.com/anbeime/skill
cd skill && git sparse-checkout set skills/tailored-resume-generator
# 方式二：整仓下载后拷贝目录
# https://github.com/anbeime/skill/tree/main/skills/tailored-resume-generator把 skills/tailored-resume-generator/ 整个目录放到你的技能目录（CodeBuddy：~/.codebuddy/skills/，Claude Code：~/.claude/skills/）即可生效，无需依赖、无需 API key。
2. 先让 AI 拆 JD，不要直接要简历
这一步单独做，能显著提高后面成稿的准确率：
下面是一份 JD，只做两件事，不要开始写简历：
1. 用表格列出硬要求，分三列：要求 | 我是否命中 | 证据（我的哪段经历能证明）
没有证据的写"无证据"，不要推测。
2. 列出 JD 里重复出现 ≥2 次的关键词（这些是 ATS 会抓的词）。
JD：
[粘贴 JD 原文]
我的经历：
[粘贴事实清单]你会得到一张匹配表。先看"无证据"那几项——它们决定了你是该补材料，还是该放弃这个岗位。
3. 生成简历：明确禁止编造
根据上面的匹配表，按以下规则生成简历（Markdown）：
1. 只使用我在事实清单里提供的内容。任何我没有提供的数字，一律写成 [待补充：xxx]，
禁止估算、禁止用"显著提升""大幅优化"这类模糊词替代。
2. JD 关键词只映射我确实命中的项；未命中的不要写进技能栏，单独列在"待补充能力"里。
3. 每段经历用「动作 + 对象 + 结果」结构，结果优先用我提供的真实数字。
4. 输出后另起一段"缺口提示"，列出这份简历相对该 JD 的 3-5 个真实短板。
5. 篇幅控制在 1 页（<5 年经验）或 2 页（≥5 年或有强相关项目）。4. 人工校验（必做，跑不掉）
按这张清单过一遍，通常 10 分钟内能完成：
- 全文搜
[待补充，逐项填真实数字；填不出来的改写措辞，不要硬凑 - 每个技能词都能说出"在哪用过"，说不出的删掉
- 时间线连续、无空档异常（AI 常把日期算错）
- 岗位名称与你实际的 title 一致（不要接受 AI 给你的"升级版"叫法）
- 通读一遍，删掉"负责/参与/协助"堆叠的空洞句
5. 定稿与排版
内容确认后交给 docx skill 输出 Word（中文字体、页边距、一页/两页）：
把上面的简历转成 .docx：
- 中文字体思源黑体/微软雅黑，英文 Arial
- 页边距 2cm，正文 10.5pt
- 控制在 1 页内，若超出请压缩"其他"部分而不是删量化结果实测结果
我们用一份电商数据分析师的 JD 跑了完整流程（skill 版本：anbeime/skill 2026-08-28 同步版）。
输入（节选）：
JD 硬要求：3 年以上数据分析 / SQL 与 Python / A/B 实验设计与效果评估 /
用户增长与留存分析 / Tableau 或 Power BI / 电商行业优先 / 跨部门沟通
我的事实清单：
- 2021.07 至今 某零售公司 数据分析师
- 日常经营报表，用 SQL 取数；用 Python 做数据清洗
- 做过活动效果分析（未说明是否严格 A/B）
- 工具：Excel、公司自建报表平台（未用过 Tableau/Power BI）
- 某大学 统计学 本科
- 量化数据：无输出节选（这是跑完第 3 步的真实产物，未经修饰）：
## 个人简介
数据分析师｜5 年零售数据分析经验，擅长 SQL 取数与 Python 数据处理，
具备大促与日常经营分析实践，熟悉活动效果评估与跨部门协作。
## 专业技能
- 数据查询与处理：SQL、Python（pandas 数据清洗）
- 分析场景：经营报表、活动效果评估、用户分层
- 工具：Excel、公司自建报表平台
- 业务理解：零售经营指标体系
## 工作经历
数据分析师｜某零售公司｜2021.07 - 至今
- 负责日常经营报表体系，使用 SQL 完成取数与口径维护，覆盖 [待补充：门店数/部门数]
- 参与 [待补充：活动名称与场次] 效果分析，输出复盘结论并推动 [待补充：具体动作]
- 使用 Python 完成数据清洗与报表自动化，减少重复取数 [待补充：每周节省时长]
## 缺口提示
1. A/B 实验：素材仅提到"活动效果分析"，未说明是否做过严格分组实验
2. 可视化工具：JD 要求 Tableau/Power BI，实际未使用过
3. 量化数据：3 处待补充，必须由本人填写真实数字结论：加了"禁止编造 + 占位符"约束后，输出是可用的——3 个待补项正好对应 3 个真实短板，候选人要么补数据、要么如实弱化。
作为对照，如果不加这个约束（即 skill 的默认提示词），同一份素材会变成什么样，见下一条。
常见坑
坑 1：AI 会替你编造量化数字（最严重）
这不是猜测。这个 skill 自带的官方示例里，输入只写了"Built Python scripts for data automation"和"Worked with marketing team on campaign analysis"——没有任何数字，输出却出现了：
reducing manual data processing time by 60% improving campaign ROI by 35%
数字是凭空生成的。简历上的假数字在面试追问时会直接崩盘。对策：prompt 里强制占位符 + 事实清单前置，如上第 3 步。
坑 2：AI 会把弱经历拔高成强经历
同一个官方示例里，候选人只有"1 年 HealthPlus 诊所实习"，输出的个人简介却写：
Healthcare industry experience with strong ability to communicate…
实习被包装成了"行业经验"。中文场景下这类问题更常见（"参与"变"主导"、"协助"变"负责"）。对策：明确要求按实际职责粒度表述，并在校验清单里逐条核对动词。
坑 3：ATS 关键词堆砌
为了让 JD 关键词命中率好看，AI 会把你不会的技能塞进技能栏。ATS 确实会抓关键词，但真正的风险在面试环节。对策：只写命中的，未命中的单列成"待补充能力"，反而显得诚实可控。
坑 4：一版投所有岗位
定制完不保存版本，几天后分不清哪版投了哪家。对策：文件名带公司与日期，如 简历_张三_某电商_数据分析师_20260829.docx。
替代方案对比
| 方案 | 适合场景 | 优点 | 缺点 |
|---|---|---|---|
tailored-resume-generator（本文） | 中文/英文岗位快速定制 | 纯提示词、无需账号 API、可直接安装、带 JD 分析 | 默认会编造数字，必须加约束 |
docx skill（Anthropic 官方） | 最后一步排版出 Word/PDF | 排版可控、中文支持好 | 完全不管内容与 JD 匹配 |
| resume-builder-skill | 英文简历、需要 Harvard 格式规范 | 结构规范、ATS 规则内置 | 28 stars、英文场景为主，中文岗位需大量改写 |
| resume-tailoring-skill | 想先研究目标公司与岗位 | 会挖掘你没写出来的经历 | 流程更重，单次耗时长 |
| 纯手工改 | 关键岗位、转行 | 完全可控 | 每版 1-2 小时，海投不可行 |
怎么选：中文岗位 + 批量投递 → 本文流程（skill 生成 + 人工校验）；英文岗位 → 叠加 resume-builder-skill 做格式；转行/关键岗位 → 用 AI 做 JD 分析，内容仍以手写为主。
常见问题
用 AI 改简历算造假吗？
改表达不算，编内容算。判断标准很简单：写完的每一句话，你能不能在面试里展开讲 5 分钟。讲不出来就删掉或改成真实说法。本文第 3 步的占位符机制就是为了保证这一点。
AI 写的简历会不会被 ATS 判为作弊？
ATS（ applicant tracking system）做的是关键词匹配与结构化解析，它不判断"是不是 AI 写的"。真正会出问题的不是 ATS，是关键词堆砌：把你不会的技能写进技能栏，机器筛选这关过了，面试那关过不了。
需要为每个岗位单独做一版吗？
值得做，但可以分层：最想去的 3-5 个岗位按完整流程做（JD 分析 + 定制 + 校验），其余岗位只改个人简介与技能顺序。同一份简历投 20 个不同方向的岗位，命中率明显低于 5 份各投 4 个。
中文简历适合用这类 skill 吗？
适合，但要注意两点：一是英文 skill 的示例与措辞偏英文习惯，直接套会出现"负责 XX 项目，提升了 30% 效率"这类翻译腔；二是中文 JD 的关键词密度通常低于英文 JD，别为了凑词把技能栏撑得过长。
一页还是两页？
经验 <5 年用一页；≥5 年或有强相关项目用两页。AI 默认会往长了写（它倾向于"全面"），需要显式限制篇幅，并在定稿时优先删"其他/自我评价"，保留量化结果。