🎓 Easy-Job-Tutor — 你的 AI 简历教练

投了简历石沉大海？不知道自己的经历怎么写才吸引人？Easy-Job-Tutor 就像一个懂 HR、懂招聘、也懂你的 AI 简历老师，手把手帮你把简历改到让面试官眼前一亮。

English · Français · 日本語 · Español · Deutsch · 快速开始 ↓ · 安装到你的 AI ↓

---

🤔 你是不是也有这些烦恼？

💡 一句话总结：它用 AI 帮你做本来需要花几千块钱找简历老师 / 职业咨询师做的事，而且不编造、不说假话、完全基于你真实的经历。

---

🎯 它到底能帮你做什么？

1️⃣ 读懂招聘要求（JD 分析）

粘贴一个岗位描述进去，它能帮你拆解出：

• 这个岗位到底要你干什么（不只是字面意思）
• 硬技能（必须会的技术/工具）和软技能（沟通、团队协作…）
• 隐性条件——JD 没明说但 HR 心里有数的要求

2️⃣ 拿你的经历跟岗位匹配（差距诊断）

把你的简历发给它，它会逐条对比：

• ✅ 强证据：你的经历正好对上这个要求
• ⚠️ 弱证据：沾边但写得不够出彩
• ❌ 缺口：这个要求你确实还没素材，需要补充什么

3️⃣ 追问你没想起来的关键素材

不会直接编造你从没做过的事，而是问你一些很具体的问题，比如：

“你说你在社团做过宣传，具体用了什么工具？做了多少场活动？覆盖了多少人？” “这个课程项目的 final score 是多少？和谁合作完成的？”

有了这些细节，你的简历才有说服力。

4️⃣ 重写简历内容（bullet 优化）

把你原来干巴巴的描述（比如"负责公众号运营"）改成：

📝 “独立运营学院官方公众号，6 个月产出 40+ 篇推文，最高单篇阅读量 3.2 万，关注数增长 1200 人。”

5️⃣ 帮你写求职信、申请邮件、内推私信

• 🎯 Cover Letter（求职信）
• 📧 申请邮件（投递用）
• 💬 LinkedIn / 微信私信（找人内推时用）

6️⃣ 准备面试

把简历里每一条内容转成面试官可能会问的问题 + 你应该怎么回答的提纲，让你面试时不慌。

7️⃣ 生成漂亮的简历 PDF（可选）

如果你要最终版，它可以把优化好的内容排版成一份专业、清晰、HR 看着舒服的 PDF 简历。支持三种风格：

---

🔧 安装到你的 AI（一行命令）

你需要一个支持 Skill 的 AI 助手（比如 Claude Code、Codex CLI、OpenCode 或 Hermes Agent），然后把 Easy-Job-Tutor 装进去。

🖥️ 如果你不懂命令行（终端），可以把这些步骤复制给你的程序员朋友，或者在 AI 工具里问"怎么安装 Easy-Job-Tutor"——AI 会一步一步教你的。

一键安装

根据你的操作系统，复制粘贴对应的一行命令即可。它会自动完成：创建虚拟环境 → 安装依赖（含 PDF 导出）→ 检测并安装到你已装好的 AI 工具。

macOS / Linux

git clone https://github.com/yicLionel/Easy-Job-Tutor.git && cd Easy-Job-Tutor && python3 install.py

Windows（PowerShell）

git clone https://github.com/yicLionel/Easy-Job-Tutor.git; cd Easy-Job-Tutor; py install.py

💡 可选参数：暂时用不上 PDF 导出，加 --skip-pdf；不想自动装进 AI 工具，加 --skip-tools；脚本没检测到你的工具时，用 --tool codex / claude / opencode / hermes 强制指定。 🔔 如果依赖安装报错，不要慌——核心功能（JD 分析、简历优化、面试准备）不需要它也能用，PDF 导出是可选的。

安装完成后，你的 AI 助手就学会这项技能了！

---

🚀 快速开始

怎么用？—— 跟你的 AI 这样说就行：

💡 两种召唤方式：在提示词里直接说「使用 Easy-Job-Tutor」，或者如果你的 AI 工具支持斜杠命令，直接输入 /easy-job-tutor 也能召唤这个技能。

把你要投的岗位描述（JD） 和你的现有简历发给 AI，然后直接说：

“请用 Easy-Job-Tutor 帮我分析这个岗位，然后优化我的中文简历。不要编造经历，缺了什么关键信息先问我。”

AI 就会一步步帮你做完全流程：

1. ✅ 先分析岗位要求
2. ✅ 再对照你的经历诊断差距
3. ✅ 追问你缺少的关键信息
4. ✅ 重写你的简历内容
5. ✅ （可选）帮你生成 PDF

想只看某一部分，也可以这样说：

---

💬 参考用法：把真实经历交给 AI

下面的内容都是虚构示例，用来说明怎样提供材料。实际使用时请只填写自己能解释、能核实的经历；不知道的数据就写「待确认」，不要让 AI 猜测或补造。

例子一：没有实习，也能申请数据分析实习

把课程项目、社团经历和 JD 一起发给 AI：

请用 Easy-Job-Tutor 帮我准备数据分析实习的中文简历。

目标 JD：
- 熟悉 SQL、Python、Excel，能完成数据清洗和基础分析；
- 有可视化、业务分析项目经验优先；
- 能与产品、运营协作并清晰汇报结论。

我的真实经历：
- 和 3 名同学完成校园外卖问卷分析课程项目；
- 我用 Python 清洗了 1,200 份有效问卷，并用 Excel 制作图表；
- 最终完成 12 页分析报告和课堂汇报；
- 没有做过真实 A/B 测试，也不知道报告是否被业务采用。

请先输出：JD 要求和我经历的对应表、最需要补充的 5 个问题，
再只基于已确认事实写简历 bullet。不要把课程项目写成公司实习。

这样得到的是能经得起追问的项目表达，而不是把「做过作业」硬包装成「有工作经验」。

例子二：从运营转向 AI 产品经理

转行时最重要的是分清直接经验、可迁移能力和真实缺口：

我计划从运营转向 AI 产品经理，请用 Easy-Job-Tutor 先做差距诊断，不要直接写最终简历。

目标 JD：
- 负责 AI 产品需求调研、PRD、原型和上线复盘；
- 理解大模型、RAG 或 Agent 的典型使用边界；
- 能推动研发、设计和业务团队协作。

已确认经历：
- 负责过企业培训活动的需求收集、排期和跨部门沟通；
- 自学完成一个内部知识库问答 Demo，但没有上线，也没有真实用户数据；
- 写过功能说明和测试清单，没有独立负责完整 PRD。

请把内容分为「直接证据」「可迁移能力」「学习/作品证据」「真实缺口」，
并告诉我还需要补充哪些事实，才适合使用“负责”或“推动”等动词。

目标不是堆砌 AI 关键词，而是拿到一份诚实、可执行的补证计划。

例子三：同一份经历投递多个岗位

不要把产品、运营、增长的关键词混成一份万能简历。先建立同一事实底稿，再分别生成版本：

请基于同一份真实经历底稿，为我生成「产品运营」和「用户增长」两个独立版本。

事实底稿：
- 在校园社团负责活动报名流程优化；
- 访谈 15 名报名者，整理出 4 个高频问题；
- 与设计同学共同修改报名表单和提醒文案；
- 活动报名人数从上一期的 86 人增长到 124 人；
- 无法确认增长完全由表单改版造成。

岗位 A：产品运营 JD：[粘贴 JD]
岗位 B：用户增长 JD：[粘贴 JD]

请先输出两个岗位的证据映射和版本差异表，再分别写简历 bullet。
不要把团队成果全部归因给我；对无法确认因果关系的数据使用审慎表述。

如果内容已经确认，再补充一句「请用 Modern Minimal 风格生成一页 A4 PDF，并检查内容溢出、空白页和占位符」，即可进入排版导出阶段。

---

📁 项目里有什么

Easy-Job-Tutor/
├── SKILL.md              ← AI 助手的"操作手册"
├── templates/            ← 各种分析模板（JD分析、简历优化、五维评审、岗位知识库、学习路线…）
├── design/               ← PDF 排版的设计规范
├── scripts/              ← PDF 生成和校验脚本
├── examples/             ← 示例数据
├── tests/                ← 测试（确保质量）
├── assets/readme/        ← 图片资源
└── docs/readme/          ← 其他语言的说明

---

⚠️ 重要提醒

• ✅ 不编造：不会帮你编造学历、公司、项目经历、数据或奖项
• ✅ 先追问再写：没有证据的内容会先问你，不会直接写进简历
• ✅ 为 HR 设计：优先让 HR 能一眼看出你的匹配度，而不是堆砌关键词
• ✅ 诚实第一：你的简历在面试中一定能经得起追问

---

开源协议

本项目采用 Apache License 2.0，允许自由使用、修改和分发（含商业用途），但需保留版权声明并遵循许可证条款。

🙏 致谢与参考

Easy-Job-Tutor 的初始思路参考并吸收了以下优秀开源项目：

• coinluu/resume-jd-optimizer-cn：为 JD 驱动的简历分析、真实经历约束、证据映射和内容优化提供了重要参考。
• LiuMengxuan04/vibe-resume：为 Web 简历预览、排版与 PDF 导出流程提供了重要参考。

本项目在上述思路基础上进行了二次开发与整合，补充了 Easy-Job-Tutor 的工作流、模板、校验逻辑、示例与文档，并以 Apache License 2.0 协议开源。使用或再分发时，请同时遵守本项目及所参考上游项目各自的许可证和署名要求。