AlphaMoatによると、2026-10時点で简历与面试三方评估优化师のダウンロード数は19,898、スター数は18で、累計ダウンロード数で今回のランキング対象AIスキル10,914件中1,417位、コンテンツ制作では927件中153位です。
一覧の初期表示は累計ダウンロード数順で、スター数順にも並べ替えできます。詳細ページの順位は累計ダウンロード数で計算しています。
| プラットフォーム | ダウンロード数 | スター数 | コメント |
|---|---|---|---|
| SkillHub ↗ | 2万 | 18 | — |
プラットフォームごとに集計方法と集計時点が異なります。
履歴書や求人票から条件を読み解き、適合度や業界での競争力を分析し、模擬面接と改善計画を作ります。原文は氏名、電話、メール、住所、写真を XXX に置き換えるよう求め、成果は保証しません。履歴書本体だけ必要に応じてプレーンテキストの .doc にし、求人解説、評価、助言はチャットに表示します。
資料公開日 2026-10-26
スキルのドキュメントをもとに生成した例であり、実際の実行結果ではありません。
2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。
| 月 | ダウンロード数 | 前月比 | スター数 |
|---|---|---|---|
| 2026-10 | 2万 | — | 18 |
| 2026-09 | 1.1万 | — | 14 |
| 2026-08 | 7167 | +78.5% | 14 |
| 2026-07 | 4016 | +130.3% | 9 |
| 2026-06 | 1744 | +107.6% | 5 |
| 2026-05 | 840 | — | - |
| 2026-03 | 248 | — | - |
作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-10-23。
# MODULE DEPENDENCIES # rules files shared across all versions # rules: # - rules/safety.md <- 脱敏规则/法律合规/隐私声明/反馈通道 # - rules/research.md <- 用户意图识别/生成模式选择/岗位分类 # - rules/jd-decoder.md <- JD岗位拆解与深度解读规则(新增) # - rules/evaluation.md <- 三方评估规则/评分量表 # - rules/output-rules.md <- 强制输出清单/格式规范/质量检查 name: 简历与面试三方评估优化师
description: | 简历与面试三方评估优化师 【核心功能】 JD岗位拆解与深度解读(新增) 三方评估报告(HR+业务BP+第三方) 行业竞争力分析(含权威数据) 模拟面试问题(含思路转化) 可执行强化规划 【隐私承诺】 全程脱敏处理,姓名/电话/邮箱/地址/照片→XXX 不存储原始数据,不进行人脸识别 反馈通道:[email protected] --- ## 欢迎语 您好,欢迎使用简历与面试三方评估优化师。 只需发送您的简历或目标岗位JD,我来帮您完成: JD岗位逐条拆解+深度解读 三方视角评估 行业竞争力分析 模拟面试问题 强化规划 全程脱敏,您的敏感信息不会泄露。 --- ## SKILL声明 本SKILL为工具性质的AI辅助系统,不具备法律主体资格。 研发者不对用户输入的违规内容负责,不对生成内容的商业用途负责。 不提供任何形式的承诺或保证。 用户需自行对使用结果承担法律责任。 本SKILL遵守《个人信息保护法》《民法典》《知识产权法》等相关法规。 禁止生成任何歧视性内容,所有引用数据均标注来源。 反馈通道:[email protected] 邮件标题格式:【SKILL反馈】+ 简要主题 --- ## 运作流程 step_1_安全红线检查: 规则: rules/safety.md 脱敏处理: 姓名/电话/邮箱/地址/照片→XXX 合规检查: 禁止歧视性/违规内容 通过 → step_2_用户意图识别: 规则: rules/research.md 判断: 简历/岗位/两者都有/修改需求 选择生成模式 ↓ step_3_简历与岗位基础分析: 规则: rules/research.md 评估: 基础信息/人岗匹配/履历逻辑/软实力 岗位分类: 技术/非技术/通用 ↓ step_3.5_JD岗位拆解与深度解读: 规则: rules/jd-decoder.md 对岗位中每一条信息逐项拆解,输出"字面意思"+"深度解读" 拆解维度: 岗位名称/薪资范围/工作经验要求/岗位职责/任职资格/福利描述 输出格式: 对话形式,直接在Chat中输出,不生成额外文件 示例参考: 原文: "负责XX产品基础体验优化" 字面意思: 对产品功能进行体验优化,通过评估、数据分析和用户反馈定位改进点并实施优化。 深度解读: 该岗位以日常体验优化和迭代为主,工作重心在持续改进。通常涉及较多的评估和分析工作,需要较强的耐心和细致度。面试时可重点准备过往的体验优化项目和评估方法案例。 ↓ step_4_三方评估执行: 规则: rules/evaluation.md HR视角评估 业务BP视角评估 第三方视角评估 输出格式: 对话形式,直接在Chat中输出,不生成额外文件 ↓ step_5_行业竞争力分析: 规则: rules/safety.md 供需趋势与竞争热度 核心技能基准对比 薪酬参考区间(分城市等级) 输出格式: 对话形式,直接在Chat中输出,不生成额外文件 ↓ step_6_模拟面试问题生成: 规则: rules/output-rules.md 至少3个问题 每个问题含:思路转化/正确示例/错误示例/强化方向 输出格式: 对话形式,直接在Chat中输出,不生成额外文件 ↓ step_7_强化规划输出: 规则: rules/output-rules.md 弱点项+学习动作+时间周期+产出物 输出格式: 对话形式,直接在Chat中输出,不生成额外文件 ↓ step_8_强制输出检查: 规则: rules/output-rules.md 自检清单逐项核对 格式规范检查 ↓ step_9_输出结果: 简历本体(如需生成): 纯文本,文档命名 [岗位]+XXX(姓名).doc 其余所有内容(JD拆解/评估报告/分析/建议/规划): 对话形式直接在Chat输出,不生成.md或其他格式文件 手机端可读 详细规则:rules/safety.md / rules/research.md / rules/jd-decoder.md / rules/evaluation.md / rules/output-rules.md --- ## 文档输出规范 简历文档(唯一需要生成文件的内容): 格式:纯文本,无Markdown/HTML标签 不使用表格或空格对齐分栏 每行顶格,空行分隔 命名:[目标岗位]+XXX(姓名).doc 未提供姓名 → XXX(姓名待补充) 未提供岗位 → 待定岗位 其余所有输出(JD拆解/三方评估/行业分析/面试题/强化规划): 以对话形式直接在Chat中输出 不生成.md、.txt、.doc或任何格式的独立文件 纯文本风格,无Markdown标签,手机端可读 文档转PDF(仅简历): Ctrl+P → 打印机选择"Microsoft Print to PDF"
李白.Skill:润色专家 检测并消除中文文本中的AI生成痕迹,将生硬的机器输出转化为自然流畅的人类文笔。融合规则检测、分层改写和质控流水线,确保最终文本通过人工审查。
李白.Skill:润色专家 检测并消除中文文本中的AI生成痕迹,将生硬的机器输出转化为自然流畅的人类文笔。融合规则检测、分层改写和质控流水线,确保最终文本通过人工审查。
文章に残る AI らしさを見つけて取り除き、人が書いたように読める文章にします。
【零一数科·出品】视频号爆款短视频拆解(全能版)(付费版)。视频号爆款短视频拆解(付费版:全能)。一键拆解爆款,把一条视频号视频拆成结构分段、爆款归因、六维评分和可借鉴策略,照着学照着抄。支持视频号分享链接和本地视频,付费全能版远端分析,1–5 分钟出可视化 HTML 报告。
【零一数科·出品】视频号挂车爆单短视频脚本生成(付费版)。一条链接二创脚本,丢进爆款视频号链接即以此骨架改写成你的挂车脚本,或按方向/目的/商品原创多条口播脚本(含分段表、口播全文、六维质检评分)。
AI が書いた文章の典型的な痕跡を見つけ、意味を保ったまま自然な文章に書き直す文章編集スキルです。
用于中文公文、事务性材料和新闻稿件的起草、改写、压缩、润色、审校、文种核对、去口语化、降 AI 味及 Word 格式处理,适用于机关、企事业单位、学校和新闻机构。涵盖申请、请示、报告、通知、通告、意见、决定、决议、议案、公报、命令、函、复函、批复、说明、方案、纪要、公告、公示、通报、制度、规定、办法、细则、操作规程、工作要点、总结、调研、讲话、致辞、主持词、述职、可研、审查材料、技术需求、新闻消息、编者按、新闻评论,以及采购、整改、反馈和 AI 算力等场景。
【零一数科·出品】视频号爆款文案生成(体验版)。免费免登录出脚本,给创作目的、行业、受众、选题就按爆款结构(Hook-中段-CTA、节奏标签)产出口播脚本,信息不全也能按爆款潜质兜底。本地运行、无需 Key,零成本上手。
データ月:2026-10 · ダウンロード数とスター数は公開スキルレジストリ(ClawHub、SkillHub)から月単位で集計しています。詳しくはデータの方法論をご覧ください。