Resume Assistant

Resume Assistant 综合评估

核心用法：Resume Assistant 是一款面向求职者的 AI 技能，通过四大核心命令实现简历全生命周期管理。/resume score 基于100分制专业评分体系（内容质量30分、结构格式25分、语言语法20分、ATS优化15分、印象影响10分）快速诊断简历水平；/resume polish 执行40+项检查清单，覆盖联系信息、摘要、经历、教育、技能、语法、格式及ATS兼容性八大维度，输出优化后的完整简历与变更优先级；/resume customize 针对特定职位进行差距分析与关键词优化，生成匹配度报告与面试准备笔记；/resume export 支持 Word、Markdown、HTML、LaTeX、PDF 五种格式及专业/现代/极简/学术四种模板。

显著优点：

• 系统化方法论：从诊断→修复→定制→导出形成闭环工作流，避免碎片化修改
• 量化评估体系：100分制评分+A+-F等级，提供明确的改进基准与可衡量的进步
• 工程化集成：支持 clawbot 斜杠命令、REST API、LangChain/LlamaIndex 等多种集成方式，便于嵌入现有 AI Agent 工作流
• 国际化支持：完整支持中英文，LaTeX 模板集成 XeLaTeX + CJK 引擎处理中文混排
• ATS 友好性：专门优化关键词匹配与标准标题格式，提升简历通过自动筛选的概率

潜在缺点与局限性：

• 依赖 LLM 质量：润色与评分效果受底层模型能力影响，可能出现过度优化或不符合行业惯例的建议
• 模板灵活性有限：仅提供4种预设模板，高度定制化需求需手动调整导出的 LaTeX/HTML
• 数据隐私风险：简历内容需上传至 AI 服务处理，敏感个人信息存在泄露隐患
• 格式转换损耗：复杂排版从 Markdown 转 Word/PDF 时可能出现样式偏差
• 行业覆盖不均：科技、金融、学术领域优化较深，蓝领、创意行业适配性较弱

适合人群：初级至中级职场人士、转行者、留学生、技术岗位申请者；特别适合需要批量申请多个职位、追求效率优化的求职者。

常规风险：建议处理前脱敏敏感信息（身份证号、详细住址）；导出 PDF 前务必人工校验格式；关键岗位申请建议结合人工复核，避免 AI 生成内容与实际情况不符。

核心功能与用法

Resume Assistant 是一款面向求职者的 AI 技能，通过四大核心命令实现简历全生命周期管理：

`/resume score` — 100分制专业评估
基于5大维度（内容质量30分、结构格式25分、语言语法20分、ATS优化15分、印象分10分）生成详细诊断报告，提供改进优先级和 Before→After 改写示例，帮助用户建立改进基线。

`/resume polish` — 40+项深度润色
覆盖8大类检查清单（联系方式、个人摘要、工作经历、教育背景、技能、语法、格式、ATS兼容性），输出带优先级标记的修改建议（🔴关键/🟡主要/🟢轻微/💡建议）及完整优化版简历。

`/resume customize` — 职位定向定制
分析目标岗位JD的关键词、硬性/软性技能要求，生成差距分析矩阵，将简历内容自然融入关键词，提升ATS通过率，并附赠面试准备要点和cover letter话术。

`/resume export` — 5格式×4模板导出
支持 Word/Markdown/HTML/LaTeX/PDF 输出，搭配 professional（金融/咨询）、modern（科技/产品）、minimal（高管/工程）、academic（学术/研究）四种专业模板。

显著优点

1. 零代码纯提示词架构：无外部依赖、无网络请求、无可执行代码，消除供应链攻击面
2. 系统化方法论：40+ checklist + 100分评分体系，将主观简历优化转化为可量化、可复现的流程
3. ATS优先设计：针对企业招聘系统的关键词匹配、标准标题、格式兼容性专项优化
4. 中英双语完整支持：含CJK排版规范及中文简历优化策略
5. 灵活集成：提供 clawbot 斜杠命令、REST API示例、LangChain/LlamaIndex工具定义三种集成模式

局限性与风险

| 维度 | 说明 |

|------|------|

| 来源可信度 | T3级别（个人/社区项目），缺乏企业背书，建议通过开源社区积累反馈提升至T2 |

| 功能边界 | 仅提供文本优化建议，不直接生成可投递文件（需配合export命令手动转换） |

| AI幻觉风险 | 润色过程可能过度发挥，用户需人工核实经历真实性，避免虚构成就 |

| 评分主观性 | 100分制基于通用招聘标准，特定行业（如学术、艺术）可能需要人工调整权重 |

| 隐私依赖 | 简历内容虽本地处理，但最终输出依赖外部LLM，存在模型供应商数据留存可能 |

适合人群

• 应届毕业生：缺乏简历写作经验，需系统性指导
• 职场跳槽者：目标岗位明确，需快速定制化投递
• 技术/产品从业者：需要ATS优化和现代模板风格
• 非英语母语求职者：需语言润色和跨文化表达调整

推荐工作流

score（诊断）→ polish（基础优化）→ customize（定向调整）→ export（格式输出）→ score（验证提升）