AI 简历诊断：在线简历优化与修改建议

适用场景

这个工具适合想快速了解简历问题、又需要具体改法的人。它读的是简历文字，按目标岗位给出评分、问题和修改清单。下面是几种常见的使用情况。

• 应届生第一次写简历，不确定教育、实习和项目经历该怎么写，想先找出明显的问题。
• 准备投递某个具体岗位，手里有招聘 JD，想知道简历覆盖了哪些要求，还缺哪些关键词。
• 转行或换岗位方向，需要把原来的经历改写成新岗位能看懂的表述。
• 投了很多份简历没有回音，想从招聘方的角度挑一挑毛病，但身边没有合适的人帮忙看。
• 已经改过几版，想针对某一段项目经历继续打磨。诊断后可以追问，让 AI 给出这一段的改写示例。
• 帮同学或学弟学妹看简历前，先用它过一遍，把明显的问题列出来，再做人工判断。

示例输出

下面的示例来自一份虚构简历：应届生林一帆，目标岗位填写为「数据分析实习生」。实际报告按同样的五个部分输出，内容和篇幅会因简历而不同，这里只保留结构和部分内容。

读报告时，建议先看「主要问题」。问题按严重程度排序，排在前面的优先改。每条问题都引用了简历原句，方便你在原文里定位。「匹配度」部分只在填写了岗位或 JD 时才有实际内容。改完一版后，可以点击「重新开始」，用新版本再诊断一次，对比前后的评分和问题。

总体评分：68 / 100
一句话结论：基础扎实，但经历描述偏空，缺少结果数据。

亮点
1. 有一段电商公司的数据实习，和目标岗位相关。
2. 技能栏写明了 SQL 和 Python，清楚易读。

主要问题
1. 经历只写职责，没有写结果。
   原句：负责日常数据报表的整理。
   改写：用 SQL 搭建每日销售报表，把出数时间从 [补充数据] 缩短到 [补充数据]。
2. 课程项目没有说明本人做了什么。
   原句：参与用户流失预测项目。
   改写：独立完成特征处理和逻辑回归建模，模型 AUC 为 [补充数据]。

与目标岗位的匹配度
已覆盖：SQL、Python、数据报表
缺失：A/B 测试、Excel 数据透视、指标体系

下一步修改清单
1. 每段经历补一条可量化的结果。
2. 如果做过 A/B 测试或指标设计，补充到项目中。
3. 删掉与岗位无关的社团经历，控制在一页内。

注意事项

下面几点能帮你得到更有用的结果，也能避免一些常见问题。

• 手机号、邮箱、身份证号、家庭住址等信息与诊断无关。提交前可以删掉，或换成占位符。
• 改写示例里的「[补充数据]」是占位符，表示这里需要一个真实数字。请填写你能说清来源的数据，不要为了好看编造。
• PDF 提取的文字可能换行错乱，双栏或表格内容也可能混在一起。点击诊断前，先在输入框里检查一遍，必要时手动整理。诊断只看简历文字，不看排版、字体和配色。版式上的问题需要你自己对照 PDF 检查。
• 简历正文只会发送前面约 2 万字。一般简历不会超过这个长度；如果粘贴了求职信、作品集等其他材料，请只保留简历本身。
• JD 越完整，匹配度部分越有参考价值。只写岗位名称时，AI 只能按这个岗位的常见要求来判断。评分是 AI 根据这份简历和岗位给出的参考值，多次诊断之间可能有几分差异。重点看问题清单，不必过于在意分数。
• 免费体验的这一次包含一份诊断报告和几次追问。追问时把问题问具体，比如指定改写哪一段，能更好地利用次数。追问会结合这份简历和前面的对话回答。想换一份简历，请点击「重新开始」，不要在追问框里直接粘贴新简历。