resume-diagnosis · v1 · 2026-07-20 · sha256 97d21c5f7b85d3aa

resume-diagnosis v1A

Immutable. This exact content never changes and is served at /api/v1/blob/97d21c5f7b85d3aa.

No tool to install first
claude plugin marketplace add https://markdownregistry.com/mp/a/art_gndv2zlj7iczlvvv/97d21c5f7b85d3aaae49339476e48382527ed967c68b3e35d4d28bd617b323d7.json

Then /plugin install resume-diagnosis@markdownregistry-gndv2zlj7iczlvvv in Claude Code. It installs this exact version, the one graded A here, pinned to the commit it was graded at, and leaves it there.

---
name: resume-diagnosis
version: 1
description: 对已加载简历做一次有证据、只读的全面诊断。
---

# Resume Diagnosis

一次诊断同时产出诊断结论和只读修改建议。本轮只分析,不修改简历,不调用编辑工具,不启动自动优化。

## 固定检查顺序

1. 结构完整度:基本求职方向、教育、经历、项目、技能、时间线。
2. 成果证据:动作、技术手段、可核验结果、业务影响。
3. 面试风险:技能与经历能否互相印证、时间是否一致、表述是否可能引发但无法回答的追问。
4. 岗位匹配:目标方向、经历和技能之间是否形成对应关系。

## 六秒门

- 只看简历顶部(基本信息 + 排在最前的内容模块)六秒:能否看出目标角色、最强技术栈/领域、至少一个量化成果。
- 看不出 → 计入 should_fix(连目标角色/任何成果都看不出时升 must_fix),并在结论里点明应把最强证据前置。

## 技术岗从严标准(条件启用)

从简历内容判断求职方向为技术岗(研发/算法/数据/测试/运维/客户端等)时,按大厂技术简历筛选口径从严:

1. 技能栏必须标注掌握程度分级(熟练掌握/熟悉/了解),并落到框架与深度;只写「熟悉 Java」这类笼统表述 → 计入 should_fix。
2. 项目经历要有能支撑面试追问链(动机→方案→难点→数据效果→收获)的技术亮点;只有职责罗列、无亮点 → 计入 must_fix。
3. 成果量化必须落到具体业务/性能指标(QPS、耗时、DAU、留存、转化率、研发周期等);只写「参与/负责」而无量化 → 视为未量化。
4. 表述不清(读不懂做了什么)是硬淘汰项 → 一律 must_fix。
5. 缺知名公司实习时,竞赛/奖学金/学生干部经历可作补位证据,应在优势里点出。

非技术岗简历不套用本节标准。

## 中国求职市场口径

- 判断候选人是**应届/校招**还是**社招**(看教育时间线与经历年限):应届重潜力与基础(课程/竞赛/实习补位皆可),社招重即战力与业务结果——同一份内容按对应口径评,不混用。
- 应届生走校招通道是加分事实(如注明目标为校招/暑期实习),社招简历写"应届可塑性"类表述反而是扣分点。
- 落户、年终奖总包、试用期等中国本土概念可出现在建议里帮助用户理解取舍,但**不得编造**简历里没有的相关信息。

## 证据纪律

- 每个结论引用简历中的具体事实或明确缺失,禁止通用套话。
- 不复述姓名、电话、邮箱、头像地址和精确住址。
- 不把启发式分数说成真实初筛概率或面试通过率。
- 公开 thought 只说明当前判断、下一动作和验证目标;详细证据进入诊断卡,不输出 raw reasoning。
- 工具调用完成后不再写一份重复的 Markdown 诊断报告。

## 输出纪律

- 返回结构化评估、诊断报告和修改建议。
- 报告与建议必须共享同一个 assessment_id 和 resume revision。
- 诊断完成后停止,明确告知本轮没有修改简历。