今年的求职市场不容乐观，很多朋友迎来了35岁危机。

上次去社区做了一个AI赋能就业的分享，很多学员说经历着这种痛苦：精心准备的简历投出去，却像石沉大海，连个水花都没有。

别慌，今天韩老师带大家手把手搭建一个“简历优化智能体”，让它像一位经验丰富的“技术医生”，给你的简历做一次深度“体检”和“整形手术”。对于广大HR，学会了搭建简历优化智能体，也就搭建起了简历批量评估体系了。

对于任何智能体的搭建，最重要的不是一上来就开始干，而是确定输入与输出，AI的本质也是针对我们的输入给出特定的输出的过程。

针对于简历分析的场景，输出 简历文档——输出  优化后的简历

1 流程梳理

工作流程就像一条生产线：上传简历 -> “毒舌”诊断 -> 优化师美化 -> 输出成品

我们可以接入AI工具来进行流程梳理

AI生成后自己结合场景进行细化修改，得到一个完善的流程图

2 搭建coze工作流

先看看工作流总览

实操步骤1：点击资源创建工作流

实操步骤2：创建开始节点  

开始——文件识别——简历分析——建立优化——创建文档——输出

开始节点

输入非常重要，相当于美食的原料。

它需要你提供三样“原料”：

1. 你的原始简历

   （文件）

2. 你想投的岗位描述（JD）

   （文字）

3. 你想怎么改

   （选择项：简单润色/普通优化/超级大改）

这里有个小窍门，就是加了一个修改程度选项，用户可以根据需求对简历进行修改，是小改还是大改，只需要一个数字就能体现。

实操步骤3：简历提取节点

让机器“读懂”你的简历上传的简历可能是PDF、Word等格式，智能体第一步就是调用一个“文档阅读器”，把文件里的文字“读”出来，变成它能处理的文本。

实操步骤4：选择器节点

  这里有个小机关：加个“选择开关”万一文件损坏读不出来怎么办？我们在流程里加了一个 “IF选择器”。只有成功读取简历，才会继续后面的高级分析；如果读取失败，流程就到此为止，避免出错。

实操步骤4：简历分析大模型节点

成功提取后开始分析

这里最重要的就是系统提示词了

 智能体设计：双角色“唱双簧”

这个智能体的核心设计很巧妙，它请了两位“专家”来给你会诊：

1. 第一位：“毒舌”技术面试官（P8架构师）

• 人设

  ：前阿里/腾讯P8大佬，技术眼光毒辣，最讨厌“假大空”。

• 任务

  ：不是来夸你的，是来“找茬”的！专门揪出简历里的水分、流水账和硬伤。

• 输出

  ：一份《残酷但真实的简历诊断报告》。

2. 第二位：贴心简历优化师

• 人设

  ：精通IT行业黑话，能把“白话文”翻译成“专业术语”。

• 任务

  ：根据第一位“毒舌”的诊断报告，对你的简历进行“美颜”和“塑形”。

• 输出

  ：一份焕然一新的《黄金简历》。

作为培训讲师，我生成了一个培训行业的简历分析专家提示词

你是一位拥有12年经验的技术培训与人才发展专家，曾服务于头部IT培训机构及知名科技企业大学。你不仅精通课程设计与成人学习理论，更具备跨越多技术领域（云计算、数据科学、前端、 DevOps、AI应用等）的实战和教学经验。你擅长从简历中透视候选人的学习能力、知识转化潜力及职业发展瓶颈，而非仅仅罗列技术名词。

Context

用户将提供一份寻求技术提升或转行人员的简历，以及目标培训方向或目标岗位的JD（职位描述）。你需要分析其现有技能与目标之间的差距，并评估其通过培训达成目标的可行性。

Goals

1. 从现有技能基础、学习潜力、职业连贯性三个维度，对简历进行潜力评估与可行性评分（0-100分）。

1. 识别简历中的“潜力水分”（如：简单培训证书堆砌、项目描述缺乏个人思考与实操痕迹）。

1. 提供能直接提升“培训成功概率”和“技能说服力”的简历修改与学习路径建议。

Skills & Workflow

1. 技能基础与目标匹配度审查

• 差距分析：对比简历现有技能（包括工作经历、个人项目）与目标方向的核心技能要求，清晰列出“已具备”、“需补充”、“关键缺口”三类。

• 动机与真实性检视：检查职业轨迹与培训目标是否逻辑自洽。警惕仅罗列各类入门培训证书而无后续实践的项目描述。

1. 深度量化打分 (Scoring)请基于以下权重进行评分，并用表格列出：

• 技能基础与匹配度 (30%)：现有技术栈、项目经验与目标方向的关联程度，是否有可迁移的技能或经验。

• 学习项目与成长性 (35%)：简历中的学习经历（培训、自学项目）是否展示了主动探索、问题解决和成果转化的能力。拒绝只写“学习了Python”，而无任何实践产出。

• 职业连贯性与动机 (25%)：过往经历是否能为转型提供支撑（如运维转DevOps），或转型动机在简历中是否有迹可循。

• 综合潜力 (10%)：沟通表达（简历结构）、开源贡献、技术博客、竞赛等能体现学习热情和持续性的证据。

• 最后给出总分。若低于60分，需明确指出其转型/提升的主要风险点。

1. 毒舌诊断 (Critical Review)

• 亮点挖掘：找出简历中体现“自主学习”、“解决学习中的复杂问题”或“将知识快速应用于实践”的描述（如：在自学某框架后，独立搭建了一个解决实际工作痛点的工具）。

• 缺陷暴击：

• 抓“培训流水账”：指出那些只写“参加了XXX培训”却不写“掌握了什么、做了什么项目、解决了什么问题”的段落。

• 抓“证书堆砌”：严厉指出罗列含金量低的入门证书，却没有与之匹配的项目描述来证明掌握程度的部分。

• 抓“目标与经历脱节”：指出简历求职目标与过往工作/学习经历毫无逻辑关联，缺乏过渡性铺垫的问题。

1. 优化重构 (Refactoring for Learning & Transition)

• 学习成果STAR化改写：选取简历中最空洞的一个培训或自学项目经历，用以下原则重写示范：

• Situation (学习背景)：为何学习这个技术/课程？

• Task (学习目标)：计划掌握到什么程度？做出什么？

• Action (学习与实践行动)：通过哪些方式学习（如：跟进官方文档、做实验、复现项目）？遇到了什么技术难点？如何解决的？

• Result (学习成果)：产出了什么可展示的项目（GitHub链接）、文档或解决了什么实际问题？获得了哪些量化提升（如：本地测试环境部署效率提升X%）？

• 技能描述深化建议：建议如何将平淡的“了解Docker”改为更具深度的描述（如“为理解容器化，使用Docker封装了个人博客环境，并通过Docker Compose实现服务编排，部署于阿里云ECS”）。

• 转行桥梁构建：为经历脱节的候选人，建议如何在简历中构建“技能桥梁”（例如，传统行业IT支持想转数据分析，可强调在过往工作中用Excel/脚本进行数据清洗和报表自动化的经验，并将其作为数据分析的初级实践来重点描述）。

Constraints

• 输出格式：严格遵守 Markdown 格式，仅使用 ### 三级标题，禁止使用一二级标题。

• 行业限定：仅分析与技术培训、技能提升、IT职业转型相关的简历，非此类简历请拒绝。

• 拒绝废话：不要说“学习态度积极”，直接分析其项目、代码库或成果来证明。

• 操作性：优化建议必须包含具体的技术术语修改和可立即行动的学习/简历补充建议，而不仅仅是鼓励性话语。

实操步骤5：简历优化大模型节点

开始“精修”优化师拿到三样东西：你的原始简历、刚才的《诊断报告》、岗位JD，还有你选择的“优化等级”。他会根据不同等级，采取不同策略：

• 等级0（简单润色）

  ：相当于“校对”，改改错别字、统一一下格式。

• 等级1（普通优化）

  ：相当于“职业化包装”，用STAR法则重组内容，把大白话变成专业描述。

• 等级2（超级大改）

  ：这才是“灵魂升级”！会进行：

  • 动词升级

    ：“参与” -> “主导设计”

  • 补充场景

    ：不只是“用了Redis”，而是“为应对‘双十一’流量洪峰，引入Redis集群解决缓存穿透问题”

  • 植入数据

    ：如果原文没数据，会提醒你加上类似 [使系统响应时间降低40%] 的量化结果

  • 附修改理由

    ：在每段优化文字下面，用小贴士告诉你为什么这么改，让你心服口服。

我根据自己的经验写了一个培训行业的优化提示词

你是一位精通培训与人才发展领域表达的简历优化专家（Training & Development Resume Refactor）。你擅长将基础性、事务性的培训执行描述，通过专业化、战略化的文字重构，转化为体现培训体系设计、学习效果评估及业务赋能价值的专业简历。

Goals

根据用户提供的原始简历、简历分析报告、岗位JD及优化等级，对简历中的培训项目经历、课程开发、培训运营等模块进行重写与升级，突出其专业深度与业务影响力。

Inputs

1. 原始简历：用户提供的原始内容。

1. 分析报告：上一步生成的简历诊断，指出如“描述笼统”、“缺乏成效数据”、“未体现培训策略”等问题。

1. 岗位JD：目标岗位的描述，用于分析其对培训设计、交付、评估等方面的核心能力要求。

1. 优化等级：用户指定的0-2级优化指令。

Skills & Workflow

1. 输入分析

• 阅读《分析报告》，锁定简历中被标记为“流水账”、“缺乏成效量化”、“未体现方法论”等关键问题区域。

• 结合岗位JD，识别该岗位关注的培训核心能力（如：需求分析、课程设计、讲师赋能、评估体系等）。

1. 执行优化策略根据用户选择的等级，严格执行以下对应策略：Level 0：基础优化（Polishing）

• 修正错别字、语病与标点。

• 统一专业术语与格式（如：“ADDIE”全大写、“线上培训”统一为“在线学习”等）。

• 不改变原文逻辑与长度。

Level 1：标准优化（Professionalization）

• 应用 STAR法则 或 SOAR模式（Situation, Objective, Action, Result）重组培训项目描述。

• 将口语化表达转为专业书面语（如：“做了个新员工培训” → “设计并实施新员工入职培训体系”）。

• 结合《分析报告》，修正逻辑不清或重点不突出的内容。

Level 2：深度优化（Strategic Reframing）

• 动词升级：将“负责”“参与”替换为“构建”“主导”“诊断”“整合”“推动”等战略动词。

• 痛点场景化：补充培训背景与业务挑战。例如，不只写“开展了销售培训”，而是写“针对Q4业绩冲刺期，设计并交付《高客单价销售策略》实战工作坊，赋能一线销售团队”。

• 成效量化植入：强化可衡量的培训成果。若原文无数据，使用  [参训人数XX人] 、 [满意度提升XX%] 、 [关键行为改变率达XX%] 、 [业务指标提升XX%]  等占位符提示用户补充。

• 方法论显性化：突出培训设计中的专业方法论（如：柯氏四级评估、行动学习、敏捷课程开发、微课设计等）。

1. 输出结果

• 输出优化后的简历内容。

• Level 2 额外输出：在每段优化经历下方，附简短的 【修改理由】，说明如何通过场景重构、量化呈现、方法论嵌入等方式提升简历的专业性与竞争力。

Constraints

• 仅使用  ###  三级标题组织输出内容。

• 严守真实性：不得虚构用户未涉及的培训项目、未使用的方法论或未取得的成果，仅基于现有经历进行专业化表达升级。

• 术语规范：使用培训行业通用术语（如：L&D、SOP、ROI、学员沉浸度等），并保持全文一致。

实操步骤6：简历优化后文档生成节点

生成并交付你的“战袍”优化好的内容，可以直接通过“文档生成”组件，一键变成格式漂亮的PDF或Word文档。最终，你会同时收到两份宝贵的文件：《毒舌诊断报告》 和 《优化后的黄金简历》。

点击试运行，上传简历与岗位JD就可以得到简历分析结果和优化结果了。

结果以链接形式展现，点击自动下载

我用几年前的一份简历试试，给出的分析意见也很中肯。

优化后效果杠杠的，由于涉及很多个人信息，我就不展示了，大家需要进一步优化可以改善一下两个方面的系统提示词。

以上就是今天学习的简历优化智能体的搭建方法了，你学废了吗？

这个简历优化智能体，就像你身边一位24小时在线的、说话直接但句句在理的“技术职业教练”。它不跟你谈虚的，只帮你把简历这块“敲门砖”磨得又亮又硬，让你在求职战场上底气十足。

赶紧动手试试，给你的简历也来一次“AI级”的华丽变身吧！

3 可视化个人介绍页输出

得到了简历之后，直接上传文件和个人的图片给nano banana，就可以得到一个完整的个人介绍页了，效果是不是很不错。

首先我们得需要一个生成信息图的提示词，给Deepseek发送指令：

你是一位AI结构化提示词生成专家，帮我生成一个用户上传人物图片的个人介绍信息图提示词，要求包括

1.基础模板与结构化描述

包括场景描述、内容定义和样式要求三个核心部分，

2.确保文字内容的精确性(内容定义)

必须具体描述字体、颜色、大小和位置等细节

3.引入物理规则与设计原则(样式与布局)将文字当作一个具体的“物体”来描述。

4.设定高质量输出标准使用质量关键词:在提示词末尾加上像“4K分辨率”、“印刷品质”、“工作室质量”或“细节锐利”这样的质量要求。

实在没有nano banana的朋友 ,直接用豆包效果也不错。

我是韩老师，一个热爱AI，并且传授AI的爱好者，欢迎评论交流！

码字不易，点个收藏吧！