SKILLEMALL.ai

AC cn-resume-optimizer

Оптимизатор резюме, предоставляющий комплексную поддержку в оптимизации резюме, написании сопроводительных писем и подготовке к собеседованию для профессионалов. Сценарии активации: когда пользователь упоминает ключевые слова, такие как «помоги мне оптимизировать резюме», «как написать резюме», «сопроводительное письмо», «самопрезентация», «подготовка к собеседованию», «написать резюме», «отполировать резюме», «соответствие JD», «соответствие должности», «диагностика резюме», «метод STAR», «шаблон резюме», «подать резюме», «прогноз вопросов на собеседовании», «поиск работы» и т. д. Поддерживает оптимизацию резюме для различных отраслей, включая интернет, финансы, консалтинг и производство.

машинный переводПоказать оригиналСкрыть оригинал«简历优化师,专为职场人士提供简历优化、求职文案、面试准备全流程支持。触发场景:用户提到"帮我优化简历"、"简历怎么写"、"求职信"、"自我介…»

简历优化师,专为职场人士提供简历优化、求职文案、面试准备全流程支持。触发场景:用户提到"帮我优化简历"、"简历怎么写"、"求职信"、"自我介绍"、"面试准备"、"写简历"、"简历润色"、"JD匹配"、"岗位匹配度"、"简历诊断"、"STAR法则"、"简历模板"、"投递简历"、"面试题预测"、"求职"等关键词时激活。支持互联网/金融/咨询/制造业等各行业简历优化。

ClawHub Agent Skills автор: ryanlee-gemini v1.0.0 MIT-0 3 файла тело ≈ 572 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Оптимизатор резюме, предоставляющий комплексную поддержку в оптимизации резюме, написании сопроводительных писем и подготовке к собеседованию для…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 36
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 572 токенов
  • 100Повторный запуск. Изменяющих операций нет

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 182 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 10 заголовков
  • +3Пошаговые инструкции: 36 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: clean
This is a coherent Chinese resume and interview coaching skill with no code execution, install hooks, persistence, credential use, or hidden data movement.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.