Token导航 LogoToken导航TokenDH.com
前端设计需要联网github未标认证来源可访问clear审计未展示

resume-optimizer简历优化器

Agent Skill

用于辅助前端页面、组件、样式和交互逻辑的开发与维护。它适合让 Agent 生成或审查 React、Next.js、Vue、Tailwind、CSS 等相关代码,整理组件结构,或定位布局和性能问题。使用时需要结合项目现有设计系统、路由和构建方式,避免只生成孤立片段;涉及页面改动时,应配合本地预览和构建检查确认视觉效果。

总安装

759

周安装

31

GitHub Stars

18

下载量

243
CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

3

许可证

MIT

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:resume-optimizer(简历优化器)
来源仓库:https://github.com/huifer/claude-code-interview
仓库路径:skills/resume-optimizer
安装命令:
npx skills add https://github.com/huifer/claude-code-interview --skill resume-optimizer
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。不同来源提供的安装方式可能略有差异;本站展示可直接复制的安装命令,安装前请核对来源页面。

skills.shnpx skills
npx skills add https://github.com/huifer/claude-code-interview --skill resume-optimizer

简介

用于辅助前端页面、组件和样式开发,支持 React、Vue 等框架的代码生成与审查。

  • 适合整理组件结构、定位布局问题或优化性能表现。
  • 需结合项目现有设计系统和路由方式使用,避免生成孤立片段。
  • 涉及页面改动时,应配合本地预览和构建检查确认视觉效果。
  • resume-optimizer 属于前端设计类 Skill,可作为该场景下的辅助能力补充。

SKILL.md

Resume Optimizer

优化程序员 Markdown 简历的内容质量,通过改进技术描述、量化成果、突出亮点来提升简历竞争力。

Workflow

1. Read Resume

读取用户提供的简历文件或内容。

2. Analyze Current State

分析简历的现状:

  • 识别弱化描述(缺乏量化、使用被动语态、技术栈堆砌)
  • 检查项目经验的深度和说服力
  • 评估技能描述的完整性
  • 识别缺失的关键信息

3. Optimize Content

根据最佳实践优化内容:

项目经验优化:

  • 应用 STAR 法则(Situation, Task, Action, Result)
  • 添加量化指标(性能提升、用户增长、处理数据量)
  • 使用强有力的技术动词(参见 action-verbs.md)
  • 突出技术难点和解决方案
  • 体现架构设计和技术决策能力

技能描述优化:

  • 按技术领域分组展示(前端、后端、工程化等)
  • 为核心技术添加具体特性和使用场景
  • 确保与目标岗位技术栈对齐(参考 keywords.md)
  • 删除过时或不相关的技术

语言优化:

  • 替换弱动词("负责"、"参与")为强动词("设计"、"实现"、"优化")
  • 确保每个项目都有量化成果
  • 使用主动语态和现在完成时
  • 保持描述简洁有力

4. Validate

检查优化后的简历:

  • 每个项目都有量化数据
  • 使用强有力动词开头
  • 技术栈描述完整且分组清晰
  • 没有语法错误
  • 关键技术词与行业标准对齐
  • 整体长度适中(1-2 页)

5. Output

输出优化后的完整 Markdown 简历。

Key Principles

Quantify Everything

用具体数字展示影响力:

  • 性能提升:"响应时间从 800ms 降至 50ms,降低 94%"
  • 业务价值:"日均 PV 50 万,GMV 突破 1000 万"
  • 技术指标:"系统可用性达 99.9%,支持 10 万+ DAU"

Show Technical Depth

不只列举技术栈,展示如何使用和解决的问题:

  • ❌ "使用 React 开发前端"
  • ✅ "采用 React 18 Hooks + TypeScript 重构核心页面,首屏加载时间减少 40%,Lighthouse 性能评分从 65 提升至 92"

Use Strong Action Verbs

避免被动和弱化动词:

  • ❌ "负责、参与、协助、帮助"
  • ✅ "设计、实现、优化、重构、构建、主导"

参见 references/action-verbs.md 获取完整动词库。

Align with Target Role

确保技术栈与目标岗位匹配:

  • 阅读职位描述 (JD),提取关键技术词
  • 在简历中覆盖 80% 以上的核心技术要求
  • 参考 references/keywords.md 了解不同技术栈关键词

Resources

references/best-practices.md

详细的简历优化最佳实践,包括:

  • 核心优化原则(量化成果、STAR 法则、技术深度)
  • 项目经验优化策略(弱化 vs 优化示例)
  • 常见问题修正
  • 结构建议和检查清单

references/action-verbs.md

技术领域强有力动词库,按类别组织:

  • 开发与实现、优化与改进、分析与解决
  • 架构与设计、领导与协作、测试与质量
  • 创新与研究、自动化与工具、文档与传播

references/keywords.md

不同技术栈的关键词库,涵盖:

  • 前端开发(框架、语言、状态管理、构建工具、测试)
  • 后端开发(Node.js 生态、其他语言框架、API 设计)
  • 数据库(关系型、NoSQL、ORM、优化)
  • DevOps & 云服务(容器化、CI/CD、监控)
  • 架构与模式、消息队列、工程实践

assets/template-fullstack.md

优秀的全栈工程师简历模板,展示:

  • 完整的技术栈分组展示
  • 量化的项目成果描述
  • 技术深度和业务价值结合
  • 清晰的信息层次结构

assets/template-frontend.md

优秀的前端工程师简历模板,展示:

  • 前端技术栈的详细展示
  • 性能优化和工程化实践
  • 具体的技术指标和成果
  • 开源贡献和技术博客

Usage Examples

Example 1: Basic Optimization

User: 帮我优化这份简历
Assistant:
[读取简历]
[分析并识别改进点]
[应用最佳实践优化内容]
[输出优化后的完整简历]

Example 2: Targeted Optimization

User: 我的简历缺少量化数据,帮我改进一下
Assistant:
[读取简历]
[重点为每个项目添加量化指标]
- 性能提升百分比
- 用户量、访问量
- 业务指标
[输出优化后的简历]

Example 3: Tech Stack Alignment

User: 我要应聘 React 高级工程师,帮我优化简历以匹配这个岗位
Assistant:
[读取简历和 JD(如有)]
[参考 keywords.md 确保 React 技术栈完整]
[突出 React 相关项目经验]
[优化技能描述,展示 React 深度]
[输出优化后的简历]

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

04

需要参考平台分布和安装热度时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

Claude Code

29.83%
按下载量换算72

Gemini CLI

24.08%
按下载量换算59

OpenCode

18.71%
按下载量换算45

Codex

11.79%
按下载量换算29

windsurf

7.26%
按下载量换算18

Cursor

3.66%
按下载量换算9

安全审计

暂无安全审计结果可展示。

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。

来源信息

继续浏览同类 Skills