resume-tailoring-skill完整指南:如何用Claude Code在10分钟内为每个JD生成完美匹配简历?

原创2026-10-26 11:06:412,263 阅读
文章标签:人工智能AI 应用AI 技能提示工程

resume-tailoring-skill完整指南:如何用Claude Code在10分钟内为每个JD生成完美匹配简历?

📄 resume-tailoring-skill 是一个面向 Claude Code 的 AI 简历定制技能:只需粘贴一份 JD(职位描述),它就能自动研究公司、挖掘你没写进简历的经历,并生成 MD/DOCX/PDF 多格式匹配简历。它的核心理念是——你的竞争力来自真实经历,而不是简历写作技巧,整个过程坚持"真实性保留优化":绝不虚构经历,只做智能改写与重点强化。

为什么你需要这个简历定制技能?

传统投简历的痛点:

  • ❌ 每投一个岗位就手动改一遍简历,重复劳动
  • ❌ 关键词对不上 JD,直接被 ATS(简历筛选系统)刷掉
  • ❌ 明明做过相关工作,却没写进简历,白白浪费
  • ❌ 手动改简历容易"吹过头",面试时露馅

而 resume-tailoring-skill 的工作方式恰好相反:

传统方式 resume-tailoring-skill 方式
手动复制粘贴修改 AI 自动匹配 + 置信度评分
靠记忆想经历 对话式"经历挖掘",挖出隐藏经历
一份通用简历投所有岗位 每个 JD 一份定制简历
容易夸大或遗漏 透明展示匹配度与差距,拒绝造假

🎯 核心卖点:多岗位批量处理——一次挖掘经历,可同时应用到 3-5 个相似岗位,比逐个处理节省 11%-27% 的时间。

3步完成安装:Claude Code 技能一键配置

前置准备

  • ✅ 已安装 Claude Code 并开启 skills 功能
  • ✅ 至少准备 1-2 份 Markdown 格式的旧简历(10 份以上效果最佳)
  • 🔧 可选:WebSearch 能力(用于公司调研)、document-skills 插件(用于 DOCX/PDF 生成)

一键安装步骤

1. 克隆技能到 Claude Code 技能目录:

git clone https://gitcode.com/gh_mirrors/re/resume-tailoring-skill.git ~/.claude/skills/resume-tailoring

2. 验证安装文件是否就位:

ls ~/.claude/skills/resume-tailoring

应该能看到 SKILL.md、research-prompts.md、matching-strategies.md、branching-questions.md 等核心文件。

3. 建立你的"简历素材库":

mkdir -p ~/resumes

把旧简历以 Markdown 格式放入,例如:

~/resumes/
├── Resume_Company1_Role1.md
├── Resume_Company2_Role2.md
└── Resume_General_2024.md

最后重启 Claude Code,输入 /skills 确认列表中出现 resume-tailoring 即可。✅

10分钟上手:单个JD简历生成流程

触发方式:粘贴JD即可

在 Claude Code 中直接说:

"I want to apply for [职位] at [公司]. Here's the JD: [粘贴职位描述]"

技能会自动执行 7 个阶段,全程只需在两个检查点确认:

Phase 0: 简历库构建(始终最先执行)
   ↓
Phase 1: 研究(JD + 公司 + 岗位成功画像)
   ↓
Phase 2: 模板生成(结构 + 头衔)  [检查点 ✓ 你确认]
   ↓
Phase 2.5: 经历挖掘(可选,对话式分支提问)
   ↓
Phase 3: 内容组装(匹配 + 置信度评分)[检查点 ✓ 你确认]
   ↓
Phase 4: 生成 MD + DOCX + PDF + 面试准备报告
   ↓
Phase 5: 更新简历库(可选)

各阶段对应的源码文件:

它到底"匹配"得有多聪明?

评分不靠玄学,而是四项加权公式(来自 matching-strategies.md):

总分 = 直接匹配 × 40% + 可迁移技能 × 30% + 相邻经验 × 20% + 成果对齐 × 10%

置信度区间 等级 处理方式
90-100% DIRECT 直接匹配 放心使用
75-89% TRANSFERABLE 可迁移 强候选,稍作改写
60-74% ADJACENT 相邻经验 可接受,需要重述
45-59% WEAK 弱匹配 仅在无更好选项时考虑
<45% GAP 差距 明确标记为未覆盖需求

遇到差距时它会给你 4 个选项:用改写版本、在求职信中承认差距、删掉该条目、或诚实披露后使用最佳匹配——全程透明,绝不偷偷编造。

批量模式亮点:一次挖掘,5份简历

💡 这是 resume-tailoring-skill 最大的杀手锏。当你同时投 3-5 个相似岗位时,逐个处理要反复回答同样的问题;批量模式把"经历挖掘"合并为一次会话。

批量模式触发方式

一次性粘贴多个 JD:

"I want to apply for these 3 roles:
1. [公司1] - [职位]: [JD]
2. [公司2] - [职位]: [JD]
3. [公司3] - [职位]: [JD]"

检测到多岗位意图后,技能会询问是否启用 multi-job mode(多岗位模式)。

批量工作流四阶段

Phase 0: 接收JD & 批次初始化(简历库只建一次)
   ↓
Phase 1: 聚合差距分析(跨所有JD去重)
   ↓
Phase 2: 共享经历挖掘(问一次,应用到所有岗位)
   ↓
Phase 3: 逐岗位处理(研究 + 模板 + 匹配 + 生成)
   ↓
Phase 4: 批次收尾(统一审阅、更新简历库)

完整细节见 multi-job-workflow.md。

时间节省:真实数据说话

岗位数 逐个处理 批量模式 节省
3 个岗位 约 45 分钟 约 40 分钟 11%
5 个岗位 约 75 分钟 约 55 分钟 27%

更妙的是增量批次:第二周新发现 2 个岗位,只需对新增差距做一次 10 分钟的补充挖掘,而不是从头再来。

真实案例:从92%匹配到职业转型

案例一:内部转岗 —— 申请 Microsoft 1ES 团队 Principal PM 岗位,技能扫描了 29 份存量简历,调研团队文化,挖出 VS Code 插件与 AI 副项目等未记录经历,最终 JD 覆盖率 92%,直接匹配率 75%。

案例二:职业转型 —— 从 TPM 转型环境类 PM,技能将头衔智能重构为 "Program Manager, Environmental Systems",并挖出志愿环保工作和研究生阶段的环境建模研究,输出 65% 覆盖率 + 清晰的差距分析 + 求职信建议。

案例三:空白期处理 —— 2 年创业空白期被重新框架为"创业经历":融资、产品开发、团队搭建全部写入,真实且正面。

案例四:批量模式 —— 3 个 TPM 岗位(Microsoft/Google/AWS):14 个总差距去重后仅 8 个独立差距,一次 30 分钟挖掘会话产出 5 段新经历,3 份简历覆盖率分别达 85%、88%、78%。

关键功能清单:6大能力一图看懂

  • 🚀 多岗位批量处理:3-5 个相似岗位共享经历挖掘,支持增量添加
  • 🔍 深度调研:公司文化、LinkedIn 岗位对标、成功画像合成
  • 💬 分支式经历挖掘:动态追问,挖出未写进简历的志愿项目、副业、学习经历
  • 🎯 智能匹配:置信度评分 + 透明差距识别 + 保持事实的改写
  • 📄 多格式输出:Markdown、ATS 友好 DOCX、可打印 PDF + 面试准备报告
  • 🔄 自我进化:每份成功简历都会反哺素材库,越用越聪明

常见问题排查:3个典型问题速解

问题 解决方案
技能不出现在列表 确认文件在 ~/.claude/skills/resume-tailoring/,重启 Claude Code,检查 SKILL.md 的 YAML frontmatter
调研阶段失败 确认 WebSearch 已开启;技能会自动降级为"仅基于 JD 分析"
DOCX/PDF 生成失败 安装 document-skills 插件;否则自动降级为纯 Markdown 输出
匹配置信度偏低 启用经历挖掘阶段、向素材库补充更多简历、查看差距处理建议

项目文档导航:深入学习的资料索引

想深入细节?项目自带完善的文档体系:

总结:把简历交给AI,把真实性留给自己

resume-tailoring-skill 用最简单的交互——粘贴 JD——解决了简历定制最重的三件事:调研公司、挖掘经历、匹配内容。它的"真实性保留"设计原则让它区别于一切"AI 帮我吹简历"的工具:

你的求职竞争力,应该建立在真实经历与能力之上,而不是简历写作技巧。

如果你正准备海投,不妨花 10 分钟装上它,让每份 JD 都有专属的匹配简历。🚀

登录后查看全文
resume-tailoring-skill