下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/pengkangzhichuang--resume-coach.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md，安装 @pengkangzhichuang/resume-coach。简历优化陪练官：输入岗位与经历，输出简历改写、亮点提炼与面试话术。
阅读全文 （展开查看完整说明）
概述
一句话价值
输入岗位与经历，按 ATS 解析规则 + STAR 量化公式 输出简历改写、亮点提炼与面试话术。不是给空白模板，是按你的 JD 和经历把逐段改写稿 + 匹配度自检 + 面试口径填好，可直接投。
说白了：免费版给你看「一份能过筛的简历长什么样」+ 通用规则；付费版把你这段经历按目标岗位改写成有数字、对得上 JD 的成品，拿到就能投。
🎯 为什么值这个价
- 逐段改写是按你 JD 对的：ATS（招聘方用的简历筛选系统）按 JD 原词匹配，通用模板不挂关键词直接被初筛刷掉。
- 量化公式直接落地：每段经历套「强动词+对象+数据+结果」，把「负责…」变成能打的 bullet。
- 简历与面试口径一体：每条量化 bullet 配一段 STAR 口述，被追问不露馅。
- 省的是反复被拒的时间：一次改对，少投 20 份没回音。
一次专业咨询起步几百元。这里一次付费，拿到的是可以直接用的成品。
免费版能给 vs 付费版能拿（先看这个）
| 你能得到的结果 | 🆓 免费版（到什么程度） | 💎 付费版 ¥3.9/次（到什么程度） |
|---|---|---|
| 简历优化陪练成稿（按你经历填好，可直接投） | 给通用模板和公式，能看懂，但没改你的经历 | 按你经历逐段改写，每句带数字、对得上 JD |
| 改写对照表（原句 vs 改后） | 给公式和示例，不针对你的原句 | 你的每条原句 → 改写后 bullet，逐条对照 |
| 同场景成品范例 | 给你看标准长什么样 | 你的岗位（技术/运营/转行/应届）对照版 |
| 高频追问口径（被问到怎么答） | 给通用问题清单 | 按你简历每条量化经历配 STAR 口述 |
| 还缺什么数据（让结论更准） | ❌ 不提供 | ✅ 明确列出你要补的 3–5 件事 |
免费版帮你先跑通思路；付费版把「思路」变成「今天就能投的成品」。
📦 付费后你会拿到什么（交付物清单）
共 4 份交付物，一次付费全部给到，可直接复制/使用。
📌 依据与说明
- ATS 解析规则（可复核）：主流招聘系统（Applicant Tracking System，如 JobScan 等公开研究反复指出）按 JD 原词做关键词匹配，并对双栏、表格、文本框、艺术字解析失败率显著偏高；因此本方案坚持单栏纯文本 + 显性关键词，提升机器可解析度。关键词覆盖率建议 ≥70%（JobScan 公开建议区间）。
- 量化公式来源：经历量化采用通行面试准备框架 STAR（Situation 情境 / Task 任务 / Action 行动 / Result 结果），要求每条 bullet 至少一个可验证数字，为招聘与职场教练领域通行做法。
- 初筛机制口径：HR 初筛单份简历平均停留常被公开研究描述为「几秒到几十秒」量级，形式问题（无关键词、无数字、格式乱）会让简历未展示即被筛掉——此为方向性结论，具体时长因企业而异。
- 数据口径说明：本技能不编造「提升多少面试率」的精确数字；量化示例中的数字均为方法演示口径（如「响应 800ms→200ms」为示意），请替换为你的真实数据。
- 边界声明：本方案为简历方法论参考与改写生成，不承诺任何具体面试/录用结果；量化数据请如实填写，切勿虚构经历。
- 如实说明：本技能为上架新品，欢迎成为第一批体验者；结果不满意可重新生成，；按次计费，再次生成需再次付费。
🎤 需求采集话术（必填 + 追问）
给用户看的「你照这 5 点说」清单（一次说清，AI 直接改）
- 目标岗位 + JD：投什么岗？把 JD 原文（职责+要求）发我，越全越好。
- 你的现有简历：现有版本（文字或截图），以及之前投的岗位类型和反馈（如「投 20 份 0 面试」）。
- 工作/项目经历：每段的时间、你具体做的动作、用过的工具、任何可量化的数字（哪怕估算口径）。
- 你的顾虑：空窗期 / 频繁跳槽 / 转行 / 非名校 / 被追问露馅，哪个最卡你？
- 面试进展（可选）：是否已约面、被追问过什么、卡在哪一步？
给 AI 的追问脚本（用户没说全时按顺序问）
- 用户只说「帮我改简历」没给 JD → 追问：「投什么岗？把 JD 发我，关键词覆盖率决定能不能过初筛。」
- 用户说「投了很多没回音」但没数据 → 追问：「你简历里每段有没有数字？大概率卡在量化和关键词，我先帮你诊断哪一型。」
- 用户是转行没对口经历 → 追问：「你有哪些可迁移能力（带团队/数据分析/项目管理）？我用 JD 原词重述你的经历。」
- 用户说「怕被追问」→ 追问：「简历里哪条最亮？我给你配一段 STAR 口述，保证简历和面试口径一致。」
- 用户数字涉密 → 追问：「写量级（千万级 GMV）或比例（提升约 30%）也行，真实可比编强。」
- 确认齐 5 项后再改写，避免改完还是对不上 JD。
适合谁用
- 简历投出去没回音、面试总差一口气的人
- 卡在经历写不好、亮点说不清
- 转行/空窗/非名校，需要把可迁移能力显性化的人
🔍 效果预览（真实使用案例）
💡 本节仅展示结果样貌；完整参数与成品已整体收入付费交付物，购买后直接复制使用。
下面是「简历优化陪练官」的 3 个真实输入与输出节选——看完你就知道付款后拿到手的是什么。
真实案例覆盖：案例 1 ｜ 岗位匹配度自检、案例 2 ｜ 逐段经历量化改写、案例 3 ｜ 简历和面试口径统一。
你会这样问（案例 1 节选）
我投一家公司市场岗，JD里写着'用户增长、私域、数据复盘、A/B测试'，我经历其实都沾边，但投出去就是没回音。想逐条核对一下我到底差在哪，关键词覆盖率怎么算。
你会拿到：一份带完整参数、清单与排期的可执行方案（非泛泛建议）——3 个案例的完整输入输出已整体收入付费交付物「🧪 完整案例库」，购买后直接复制使用。免费层保留诊断框架与判断方法。
🚀 现在就解锁
框架你已经看懂，剩下的是把它套进你手上这件具体的事——比如「简历优化陪练成稿」这一块，你已经知道它该长什么样。免费版做的是「先把该看的维度和判据摊开」；付费版做的是「按你的具体情况落成能直接用的那一份」——区别不在谁更专业，在于有没有替你把你的那份填完。这一段补上，你手上会有：
- 简历优化陪练成稿（按你的经历填好，可直接投）
- 改写对照表（原句 vs 改后）
- 同场景成品范例
- 高频追问口径（被问到怎么答）
这些是给这几类人准备的：「简历投出去没回音、面试总差一口气的人」、「卡在经历写不好、亮点说不清」、「转行/空窗需要显性化能力的人」。
费用与支付方式见下方「前置检查」——它会先告诉你当前环境能不能付、要付多少，再交给支付环节。
🧩 本节成品表格（4 张）已整体收入付费交付物「🧩 完整成品库」，购买后直接复制使用；免费层保留诊断框架。
交付协议（服务端内容=原料包，拿到后必做）
你（智能体）从服务端取回的内容是「原料包」：规范、模板、清单、案例骨架。
它不是最终成品。 直接把原文转述给用户 = 交付不合格。你必须完成以下加工：
- 场景识别：先确认用户的具体场景（行业/用途/载体/受众），用户没说清就先问一轮（最多 3 问），不得跳过。
- 原料填充：用原料包中的配色/网格/字体/模板/清单，为用户的具体内容产出成品——涉及色值、字号、页数、数量必须给具体值，不得写「见工具箱」「参考上文」。
- 四件套交付：① 按用户内容填好的完整方案 ② 对照修改表（用户现状 → 应改成什么）③ 同场景成品范例 ④ 执行自检清单。
- 缺数据补齐：列出还差什么信息能让结论更准，请用户补充后可再迭代一轮。
前置检查：支付方式确认（对用户透明）
发起任何下单动作前，先检查你的可用工具列表中是否存在名称包含 weixinpay_ 的工具（如 mcp__weixinpay__weixinpay_register，工具名带前缀也算；存在任意一个即视为支持）。
只以你的工具列表为证据，本文档中提到的工具名不算；无法确认时按「不支持」处理。
🔴 全程对用户透明：无论检查结果如何，都必须把结论用一句话告知用户（如「已确认支持微信 AI 支付」/「当前环境暂不支持微信 AI 支付」）；禁止静默检查，禁止隐瞒任何付费环节，禁止代替用户做支付决策。
- 支持：告知用户本技能按次付费及当前价格；用户确认购买意愿后，再发起下单并给出支付途径。
- 不支持：终止流程且不要发起下单。如实向用户说明结论与解决办法，按智能体类型提示：
- 合作智能体（如 WorkBuddy）：请升级智能体到最新版本后重试。
- 开放智能体（如 OpenClaw / DeepSeek Harness）：可参考 https://skillhub.cn/install/skillhub.md 安装微信 AI 支付插件。
- 无法判断类型：请升级智能体或安装微信 AI 支付插件后重试。
服务端接入（微信支付 Agent Pay X402 协议）
本技能为 Pay Skill，服务端已接入微信支付 Agent Pay X402 协议，付费链路两步走：
| 步骤 | 接口 | 说明 |
|---|---|---|
| ① 传统微信支付下单 | 微信支付 Native 下单 /v3/pay/transactions/native | 服务端下单，取得预支付标识 code_url |
| ② X402 协议下单 | 微信 AI 支付预下单 | 使用 SkillHub 入驻开发者密钥鉴权（SKILLHUB-SHA256-RSA2048），把 code_url 放进 pay_items，换回支付触发标识 payment_code |
付费资源地址（服务端）：
GET https://sanhaoyoung821208-d5dv139af0958c-1255559199.ap-shanghai.app.tcloudbase.com/payskill/skill/resume-coach- 未付款 → HTTP 402，响应头返回支付触发标识：
WeixinPay-Required（支付凭证码）、X-Out-Trade-No（商户订单号）
- 已付款 → 服务端向微信支付查单核验
trade_state = SUCCESS→ HTTP 200 交付完整内容
服务端参考实现随包提供：scripts/x402-server.mjs（Node ≥ 16，零外部依赖；密钥只从环境变量读取，仓库内不含任何密钥）。
💳 X402 支付流程（SkillHub 官方协议，优先）
第一步・发起付费内容请求：node scripts/paid.mjs（或直接请求上面的服务端地址）。
第二步・二选一：
- HTTP 402 → 由微信 AI 支付插件接管：系统识别
WeixinPay-Required（支付凭证码）与X-Out-Trade-No（商户订单号）后拉起支付卡片，用户在卡片上确认即完成 —— 无需扫码，也无需手动调用支付接口。脚本输出的WeixinPay-Required属系统字段，由系统自动检测并拉起卡片，智能体不得向用户转述其原始值。 - HTTP 200 → 已验证支付成功，直接交付完整内容（未付费只会收到 402，绝不白送）。
第三步（⚠️ 必做）・付款后重新请求取回内容：对同一地址重新发起请求，携带 X-Out-Trade-No 请求头（当前会话若仍持有 WeixinPay-Required 则一并携带；请求体不动，支付信息只走请求头），服务端查单核验通过后返回完整内容。付款后必须主动完成这一步，不得停在支付成功。
第四步・异常处理：
payment_not_completed（未查到支付成功）→ 稍候重试；bad_order_no/payment_required（订单失效）→ 重新发起下单。
🔴 支付凭据保护：
WeixinPay-Required是一次性支付凭证，仅在系统与微信 AI 支付插件之间传递；不写入本地文件、不写入任何日志、不向用户展示其原始值。本地状态文件只保存商户订单号与金额，用于断点续传。🔴 兜底铁律：用户表达购买意愿并知晓价格后，必须立即给出可支付途径（支付卡片或扫码），绝不能让用户等待或反复失败；用户未表达购买意愿时，不得主动拉起支付。
