197 lines
6.1 KiB
Markdown
197 lines
6.1 KiB
Markdown
# 优化简历
|
||
|
||
改进已有简历的内容质量，或针对特定职位做定制优化。
|
||
|
||
## 目录
|
||
|
||
- [通用内容优化](#通用内容优化)
|
||
- [职位定制优化](#职位定制优化)
|
||
- [ATS 优化](#ats-优化)
|
||
- [常见问题修复](#常见问题修复)
|
||
|
||
---
|
||
|
||
## 通用内容优化
|
||
|
||
不针对特定职位，全面提升简历的表达质量。
|
||
|
||
### 优化前先通读
|
||
|
||
先完整阅读用户的简历内容，识别以下常见问题：
|
||
- 弱动词（"负责"、"参与"、"协助"等）
|
||
- 缺少量化指标
|
||
- 描述过于笼统或简短
|
||
- 专业摘要空洞
|
||
|
||
然后按优先级逐项改进。
|
||
|
||
### 动作动词强化
|
||
|
||
弱动词是简历最常见的问题。替换规则：
|
||
|
||
| 弱表达 | 替换为 |
|
||
|--------|--------|
|
||
| 负责... | 主导/管理/搭建... |
|
||
| 参与了... | 推动/落地/设计... |
|
||
| 协助... | 支撑/赋能/促成... |
|
||
| 完成了... | 交付/上线/发布... |
|
||
| 做了... | 开发/构建/实现... |
|
||
| Worked on... | Built/Developed/Designed... |
|
||
| Helped with... | Enabled/Facilitated/Drove... |
|
||
| Responsible for... | Owned/Led/Managed... |
|
||
| Participated in... | Contributed to/Collaborated on... |
|
||
|
||
### 指标量化
|
||
|
||
优先使用用户提供或能从资料推导的量化指标；缺少依据时保留定性描述，不编造数字。
|
||
|
||
**量化维度：**
|
||
|
||
| 维度 | 模板 | 示例 |
|
||
|------|------|------|
|
||
| 时间/速度 | 将 X 从 A 降低到 B | 将部署时间从 2 小时缩短至 15 分钟 |
|
||
| 成本/收入 | 节省/创造 $X | 通过架构优化年度节省云成本 200 万 |
|
||
| 规模/体量 | 处理/服务 X 个/条/人 | 日均处理 5000 万笔交易 |
|
||
| 质量/准确率 | 将 X 从 A% 提升至 B% | 将模型准确率从 78% 提升至 94% |
|
||
| 团队/影响 | 带领 X 人 / 覆盖 X 个团队 | 带领 6 人团队完成核心系统重构 |
|
||
| 效率 | 自动化 X% / 减少 X 小时 | 自动化 85% 的人工数据校验流程 |
|
||
|
||
**没有精确数字时的策略：**
|
||
- 有用户依据的粗略估算：标注“约”并说明估算口径，不能把示例数字当成用户经历
|
||
- 对比基线：比之前快 3 倍
|
||
- 描述规模：覆盖 15+ 微服务
|
||
- 描述频率：日级、实时、按需
|
||
|
||
### 描述改写示例
|
||
|
||
**改写前：**
|
||
> 负责后端服务开发
|
||
|
||
**改写后：**
|
||
> 主导搭建订单处理微服务，基于 Go 和 gRPC 实现，支撑日均 800 万笔订单，P99 延迟 < 50ms
|
||
|
||
**改写前：**
|
||
> 参与了机器学习模型的训练和部署
|
||
|
||
**改写后：**
|
||
> 开发基于 XGBoost 的信用评分模型，AUC 达到 0.85，上线后坏账率下降 18%，年度减少损失约 3000 万
|
||
|
||
### 专业摘要优化
|
||
|
||
检查清单：
|
||
- [ ] 2-4 句，不是一个长段落
|
||
- [ ] 包含工作年限和职级
|
||
- [ ] 提到 3-5 个核心技能领域
|
||
- [ ] 包含行业/领域背景
|
||
- [ ] 展示价值而非描述活动
|
||
- [ ] 不用"善于沟通"、"学习能力强"等空话
|
||
|
||
---
|
||
|
||
## 职位定制优化
|
||
|
||
用户有目标岗位的职位描述（JD）时，针对性地优化简历。
|
||
|
||
### 第一步：分析职位描述
|
||
|
||
从 JD 中提取以下信息：
|
||
|
||
1. **硬性要求**：工作年限、必备技能、学历要求
|
||
2. **优选条件**：加分技能、偏好经验
|
||
3. **核心职责**：日常工作内容、主要交付物
|
||
4. **关键词**：反复出现的术语（高优先级）、出现在标题/首段的术语
|
||
|
||
### 第二步：关键词差距分析
|
||
|
||
对比简历和 JD，分为四类：
|
||
|
||
| 类别 | 含义 | 处理方式 |
|
||
|------|------|---------|
|
||
| **关键缺失** | 你有这个技能但简历里没提 | 立即添加到技能板块 + 融入描述 |
|
||
| **简单补充** | 匹配优选条件的技能 | 添加到技能板块 |
|
||
| **用词不一致** | 同一个技能不同叫法（如 "ML" vs "机器学习"） | 统一为 JD 中的用词 |
|
||
| **真实缺口** | 要求的技能你确实没有 | 记录但不伪造 |
|
||
|
||
**绝对不要捏造你没有的技能或经历。** 可以调整措辞、突出相关经验，但不能无中生有。
|
||
|
||
### 第三步：定制内容
|
||
|
||
**专业摘要定制：**
|
||
- 使用 JD 中的语言风格
|
||
- 突出与目标岗位最匹配的经验
|
||
- 包含目标岗位名称或类似表述
|
||
- 展示 2-3 个 JD 中的核心要求技能
|
||
|
||
**成就描述定制：**
|
||
- 重新排序：最相关的成就放最前面
|
||
- 改写措辞：融入 JD 中的关键词
|
||
- 强调匹配：突出与目标职责吻合的经验
|
||
|
||
**技能板块定制：**
|
||
- JD 中要求的技能放到最前面
|
||
- 补充遗漏的已有技能
|
||
- 按 JD 的分类逻辑重新组织
|
||
|
||
### 定制示例
|
||
|
||
**JD 要求：** "有分布式系统和微服务架构经验，熟悉 Kubernetes 和 CI/CD"
|
||
|
||
**原始描述：**
|
||
> 开发了后端服务
|
||
|
||
**定制后：**
|
||
> 主导设计基于微服务架构的订单系统，拆分为 8 个独立服务部署在 Kubernetes 集群上，通过 GitLab CI/CD 实现自动化部署，发布频率从月度提升至日级
|
||
|
||
---
|
||
|
||
## ATS 优化
|
||
|
||
ATS（Applicant Tracking System）是很多公司用来筛选简历的系统。确保简历能被正确解析。
|
||
|
||
### ATS 检查清单
|
||
|
||
**板块标题：**
|
||
- [ ] 使用标准标题：工作经历、教育背景、技能、专业摘要
|
||
- [ ] 不要用创意标题如"我的旅程"、"技能树"
|
||
|
||
**关键词：**
|
||
- [ ] 包含 JD 中的原文关键词
|
||
- [ ] 缩写和全称都写：如 "自然语言处理（NLP）"
|
||
- [ ] 在技能板块和描述中都出现关键词
|
||
|
||
**格式：**
|
||
- [ ] 简洁清晰的结构
|
||
- [ ] 联系信息在顶部
|
||
- [ ] 统一的日期格式
|
||
- [ ] 倒序排列工作经历
|
||
|
||
### ATS 匹配检查
|
||
|
||
检查职位关键词、经验、学历和职位名称与 JD 的对应关系。不同招聘系统的算法不同，不使用固定权重或虚构评分。
|
||
|
||
---
|
||
|
||
## 常见问题修复
|
||
|
||
### 简历太长
|
||
|
||
1. 压缩 10 年以上的旧经历为 1-2 条
|
||
2. 每个职位保留最强的 3-5 条描述
|
||
3. 删除重复的成就
|
||
4. 精简技能板块（去掉过时或基础的技能）
|
||
5. 摘要压缩到 2-3 句
|
||
|
||
### 简历太短
|
||
|
||
1. 用辅导方法发掘更多成就（参见 `references/resume/coaching.md`）
|
||
2. 添加项目板块
|
||
3. 扩展技能板块的分类
|
||
4. 加入证书、语言能力等可选板块
|
||
|
||
### 内容与目标不匹配
|
||
|
||
1. 重新排序描述，匹配的放前面
|
||
2. 改写措辞融入目标领域的术语
|
||
3. 对于转行者，重点强调可迁移的能力
|
||
4. 必要时用辅导方法重新发掘相关经验
|