如何用 AI 做 Slack 自定义表情
「Slack GIF 制作」是「龙虾部署大师」技能市场中的动画表情生成技能：作用是为 Slack 自定义表情和消息贴纸生成动画 GIF，兼顾尺寸、帧率、颜色数、时长和文件大小限制。它既能从零绘制图形，也能基于上传图片直接动画化，通过 GIFBuilder、验证器、缓动函数和帧合成工具，生成抖动、脉冲、弹跳、旋转、淡入淡出、滑入、缩放和粒子爆发等效果，并按 Slack 规格优化后输出。 技能效果 要一个不超过128KB的Slack庆祝表情，它做出128像素的GIF，把帧数、帧率和四层压缩讲清楚，最终文件压到36.9KB远低于上限。 想做个 Slack 表情，卡在规格和体积上 给团队做一个庆祝、上线、过评审用的动态表情，听起来简单，做起来处处是限制：Slack 自定义表情是 128×128，消息 GIF 是 480×480，尺寸不对就被拒；帧率、颜色数、时长没控好，文件一超过上限就传不上去。普通设计工具做出来的 GIF 往往体积偏大，要在保持动效观感的同时压到规格内，得反复试帧、调色板、去重帧，既繁琐又考验经验。 表情 128×128 消息 GIF 480×480 帧率 / 颜色数 超体积 = 传不上 这个技能能帮你做出什么 它把"动效设计"和"按 Slack 规格压缩"合到一处。核心能力有四块：一是直接按 Slack 表情 128×128 或消息 GIF 480×480 的规格生成动画，尺寸不用自己换算；二是用 PIL 图形、渐变、描边和层叠形状从零绘制原创元素，也能基于你上传的图片动画化或提取风格灵感；三是组合抖动、脉冲、弹跳、旋转、淡入和粒子爆发等多种效果，靠缓动函数让动作自然；四是通过控制颜色数、帧率、去重帧和表情专用模式压缩文件，在保住观感的同时把体积压到上限内。从一句需求到一个能直接上传的 GIF，中间的规格和压缩都由它处理。 绘制 / 上传图原创或动画化 加动效弹跳/旋转/粒子爆发 按规格压缩控帧率/颜色数 可上传 GIF 用前须知 该技能需要 Python 环境并安装 pillow、imageio、numpy（也可用 requirements.txt 一次装好）。生成 GIF 本身无需 Slack API Key；做好后上传到 Slack，需要你在 Slack 后台添加自定义表情。 怎么用它 用法是把想要的画面、动效和用途用自然语言描述出来，规格和压缩交给它。例如可以这样对它说： 可以这样对它说 "做一个 128 像素的 Slack 庆祝表情，闪光动画，控制在 128KB 以内。" "把这个头像做成弹跳旋转 GIF，边缘干净，适合当 Slack 表情。" "团队上线要用的贴纸，加星星爆炸效果，并压到 Slack 表情规格。" 它适合这些场景：团队要做庆祝、上线、通过评审等动态表情；已有图片需要改造成适合 Slack 上传的短循环动画；需要带星光、爆发、旋转或弹跳效果的品牌内部贴纸；GIF 太大传不上去，要在保持观感的前提下压缩体积。 大家常问 Slack 自定义表情和消息 GIF 分别是什么规格？ Slack 自定义表情 GIF 限制是 128×128 像素、文件 ≤ 128KB、推荐时长 ≤ 3 秒；消息 GIF 是 480×480 像素，没有严格的体积硬上限，建议控制在 1MB 以内、时长 ≤ 5–10 秒。两者帧率都建议 10–30 FPS，规格不对就会被拒上传。 为什么 GIF 加上动效后经常超出上传体积上限？ GIF 是 8 位索引色格式，只有 256 色。一旦加入辉光、渐变、粒子等动效，每帧的差分像素从 1–5% 飙升到 60–80%，调色板量化又会产生大量抖动噪点，破坏 LZW 压缩依赖的连续重复像素。结果是帧数、差分面积、压缩失败三处叠加，文件膨胀十几倍很常见。 GIF 的帧率和颜色数分别对体积有什么影响？ 帧率影响的是帧数量，体积随帧数接近线性增长：帧率翻倍、体积也翻倍。颜色数影响的是每帧数据量，且作用是超线性的——颜色数从 256 降到 16，LZW 初始码字位数减小、相邻像素重复率提高，体积通常能减少 30%–60%。压缩时优先削颜色数，再降帧率。 什么是 GIF 的表情专用压缩模式，跟普通 GIF 压缩有什么不同？ 表情专用压缩不是一种新算法，而是为小尺寸、循环贴图场景调校的参数组合：把调色板压到 32–128 色甚至 16 色、关闭抖动改用最近邻取色、只编码与上一帧差异的小矩形区域、采用合适的 Disposal Method、用硬边纯色代替渐变和抗锯齿。普通 GIF 追求渐变和视觉质量，表情模式则牺牲质感换体积。 想用上这个技能？ 「Slack GIF 制作」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
故事写作怎么从创意到成稿？规划世界观大纲伏笔并生成正文
「故事写作」是「龙虾部署大师」技能市场中的小说与短篇创作技能：作用是提供从创意发散到正文输出的完整流程，支持 1000-1200 字爆款短篇和长篇连载规划，能搭建世界观、生成创意方向、模拟特定作家风格，并输出人物设定、情节骨架、伏笔清单、正文、金句和续写方向，兼顾节奏、冲突与传播点。 技能效果 围绕“结尾反转、开头抓人”的要求，它直接写出了完整的悬疑短篇，并把封面标题做成更有传播感的钩子句。 想写故事，卡在开头和结构上 很多创作的难点不在文笔，而在结构。短篇常见的卡点是：开头不抓人、中段拖沓、结尾反转不够意外，传播力打了折扣；长篇的卡点则是世界观、主线冲突和伏笔没搭清楚，写到一半线索散乱、难以为继。从一个模糊的创意到一篇结构完整、节奏可控的成稿，中间隔着大量需要反复推敲的取舍，这正是动笔最耗精力的地方。 一篇短篇的张力曲线，由结构决定 开头钩子 冲突升级 高潮反转 余韵收尾 这个技能能帮你写出什么 它先确认创作类型、字数预期、风格偏好、发布平台和目标读者，再按不同路径推进。短篇路径会先给出 3 到 5 个创意方向，用六维评分挑出最佳方案，再产出人物设定、情节骨架、伏笔清单和正文；长篇路径则先搭世界观、主线冲突、人物档案和伏笔线，再展开大纲与章节。叙事结构上，它可选用七拍、九拍、情绪流、快节奏或多重反转等不同框架，并能模拟说书人、猫腻、金庸、古龙等风格的语言特色。成稿之外，它还会附上金句、传播亮点、配套视觉提示和续写方向。 创意方向 › 六维评分 选最佳方案 › 骨架 + 伏笔 + 正文 按叙事结构展开 › 金句 + 传播亮点 + 续写方向 用前须知 该技能无需 API Key 或系统依赖，正文创作可直接运行。若需要配套插画、人物画像或封面图，则要启用可用的图像生成能力，技能本身只产出文字与视觉提示。 怎么用它 用法是把创作意图——类型、字数、风格、平台和特殊要求用自然语言说清楚，它会选择合适的叙事结构推进。例如可以这样对它说： 可以这样对它说 "写一篇一千字悬疑短篇，结尾反转，开头抓人，封面标题更有小红书传播感。" "修仙长篇先搭世界观、主线冲突、人物档案和伏笔线，再开大纲，口吻放松些。" "用古龙式冷峻笔法写一段江湖雨夜，人物对白短一点，留白感保留，别照搬原句。" 它适合这些场景：创作适合小红书或公众号传播的悬疑反转短篇；规划长篇修仙、科幻或奇幻小说，先搭世界观与大纲；想用特定作家风格完成片段创作，同时保留自然表达；已有故事需要续写、回收伏笔或提升冲突层次与节奏。 大家常问 伏笔和铺垫的区别是什么？ 伏笔讲的是"藏"，植入时不推动当前情节、读者无感，要在后期兑现时才被回溯，重在制造顿悟感；铺垫讲的是"蓄"，每一步当下就有清晰功能，渐进积累情感与逻辑势能，让高潮水到渠成。两者并不互斥，常常在同一段叙事里并存。 人物弧光是指什么？ 人物弧光指角色在故事进程中内在状态——信念、价值观、心理特质——的变化轨迹，关注的不是他做了什么，而是变成了什么人。常见有成长弧、堕落弧、扁平弧三类，由谎言、欲望、需求与一连串选择点串联，是情节背后的深层骨架。 三幕结构为什么是叙事最常见的框架？ 三幕结构对应人类因果推理的"原因—中介—结果"三段式，也契合认知负荷由低到高的自然分布与"建立张力—放大张力—释放张力"的情感周期。它足够复杂以容纳反转，又足够简洁能被直觉理解，所以在不同文化和叙事媒介里反复出现。 情节反转的作用是什么？ 反转的核心不是制造惊讶，而是触发认知重构——读者用新信息回头重读所有铺陈，发现先前细节都另有深意。它对应亚里士多德所说的突转与发现，能延迟叙事闭合、放大主题张力，让结局显得"从一开始就至关重要"。 想用上这个技能？ 「故事写作」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
扫描 PDF 怎么转 Word？离线 OCR 输出可编辑
「PDF OCR 提取」是「龙虾部署大师」技能市场中的文字识别技能：它使用 EasyOCR 把扫描版或图片型 PDF 离线识别成可编辑的 Word 文档，也可输出纯文本；过程中会按页裁切页眉页脚、保留无文本的图像页和封面页，并能对过大的 DOCX 压缩嵌入图片，方便交付。 技能效果 处理中英混排扫描合同时，它讲清了OCR识别、保留图片页、再转成格式完整Word的整个流程。 扫描件里的文字，为什么不好用 纸质资料扫描成 PDF 后，文字其实是"图片"，无法复制、检索或编辑。想把内容整理成 Word，常见三个麻烦：一是手工逐页敲字，量一大就成了重活；二是中英文混排的文件，普通工具识别不全或排版错乱；三是出于保密考虑，合同、档案这类材料不便上传到云端 OCR 服务。结果就是大量内容锁在扫描件里，用不起来。 扫描版 PDF（图片） 不能复制/检索 离线 OCREasyOCR 可编辑 Word 这个技能能帮你做什么 它的核心是把图片型内容还原成可编辑文字，且全程在本地完成。识别上，它对扫描版或图片型 PDF 做离线 OCR；输出上，它生成可编辑的 DOCX，必要时也能输出纯文本结果；版面上，它按页面类型裁切页眉页脚、保留图像页面，对封面页、无文本图页这类识别效果有限的页面会保留原图供人工复核；交付上，当 OCR 后的 Word 文件因嵌入图片过大时，它可以压缩图片降低体积。它支持中英文混排识别。 逐页识别 按页面类型处理裁页眉页脚保留图像页 DOCX/ 纯文本中英文混排 压缩大图交付 用前须知 该技能无需 API Key，完全本地运行。需要安装 PyMuPDF、python-docx、Pillow、EasyOCR、NumPy；首次运行会下载 OCR 模型，之后即可离线使用。运行前需确认 PDF 路径、输出目录和 OCR 语言。 怎么用它 用法是把待识别的 PDF 和对结果的要求用自然语言交给它。例如可以这样对它说： 可以这样对它说 "这份扫描版合同转成 Word，中文和英文都识别，图片页也保留。" "把这个图片型 PDF 跑 OCR，结果另存为可编辑文档，页码和标题别丢。" "这本英文教材扫描件只识别英文，输出纯文本并保留章节层级。" 它适合这些场景：纸质资料扫描成 PDF 后、需要提取文字整理为 Word；中英文混排文件需要离线识别、避免上传到云端；图片页、封面页或图表页识别效果有限、需要保留原图供人工复核；批量 OCR 后生成的 Word 文件过大、需要压缩图片降低体积。它适合处理扫描合同、教材、档案、论文复印件和图片型 PDF 的行政、法务、教育、研究与档案整理人员。 大家常问 扫描版 PDF 为什么复制不出文字？ 扫描版 PDF 本质是图片集合，每页都是像素位图，计算机只记录颜色不存字符编码，所以无法选中或复制。要拿到可编辑文本，必须用 OCR 把字形重新识别成字符。 双层 PDF 和单层 PDF 怎么区分？ 单层 PDF 只有扫描图像，文字不可选；双层 PDF 在图像层上叠了一层透明文字层，外观一样但可选可搜可复制。最直观的判断是拖选文字，能高亮并复制就是双层。 扫描件 OCR 识别率低，一般是什么原因？ 主要受图像质量影响：分辨率低于 300 DPI 笔画细节丢失，扫描歪斜、噪点、对比度差会让二值化和字符分割出错。字号过小、字符粘连、语言包不匹配也会拉低识别率。 中英文混排扫描件离线 OCR 容易在哪里出错？ 中文靠笔画内部、英文靠外轮廓，同样 DPI 下中文先退化；中英字间距规律不同会让字符分割出现双峰，二值化阈值和语言模型也难同时适配两套字符。 想用上这个技能？ 「PDF OCR 提取」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
短视频脚本怎么写？设计黄金3秒开头加正文节奏适配抖音
「短视频脚本」是「龙虾部署大师」技能市场中的脚本生成技能：作用是面向抖音、快手、B站、视频号等平台，根据主题、平台、时长和内容类型，为知识分享、热点评论、产品推广和剧情情感内容生成可直接拍摄的脚本，包含标题、黄金 3 秒开头、正文节奏、结尾互动和封面建议，重点是可拍摄性和节奏控制。 技能效果 写30秒敏感肌护肤脚本时，它给出分秒分镜，开头三秒直接点出误区、抓住痛点。 短视频拍了不少，完播和互动为什么上不去 多数完播不佳的视频，问题出在脚本结构而非拍摄。常见三种：开头平淡，前 3 秒没钩子，观众划走，后面再精彩也没人看到；节奏失控，中段冗长、信息密度忽高忽低，观众中途流失；结尾干瘪，没有引导互动或下一步动作，点赞评论和转化都起不来。同一个主题，按平台调性设计好节奏的脚本，和随手口播的脚本，数据往往差出一个量级。 脚本结构 = 一条完播率曲线 黄金 3 秒 无钩子：中途流失 有节奏：留到结尾互动 视频时长 → 这个技能能帮你写出什么 它先收集核心参数——主题、目标平台、视频时长和内容类型，再匹配合适的脚本模板，生成一条可以直接开拍的完整脚本。结构上覆盖标题公式、黄金 3 秒开头、痛点或悬念铺垫、正文节奏、反转或干货段落、结尾互动引导，外加封面建议。它会按知识分享、热点评论、产品推广、剧情情感四类内容选用不同模板，并依据抖音、快手、B站、视频号各自的调性调整节奏和表达，让脚本既符合平台习惯，又方便后续复拍迭代。 黄金开头 › 痛点悬念 › 正文节奏 › 反转干货 › 结尾互动 用前须知 该技能无需 API Key、Python 或 Node 依赖，给定主题、平台、时长和内容类型即可生成脚本。若内容涉及具体热点事件的细节，需要你提供素材或另行检索，技能不自带实时热点数据。 怎么用它 用法是把要拍的主题、平台、时长和想要的口吻用自然语言说清楚，它会自动匹配模板并控制节奏。例如可以这样对它说： 可以这样对它说 "抖音要拍三十秒护肤科普，开头三秒抓住敏感肌的痛点和误区，语气别太端着。" "这款新品做短视频带货，写分镜、台词、标题、封面和结尾引导，口吻放松一点。" "想发一条热点评论到视频号，语气克制，但开头和观点要有记忆点。" 它适合这些场景：知识博主要把一个专业主题拆成 1 分钟可拍口播脚本；品牌为新品做短视频推广，既要钩子又要转化；热点事件需要快速形成观点型脚本并引导评论；剧情情感账号要设计反转节奏、开头悬念和结尾互动。 大家常问 短视频前 3 秒钩子到底是什么，为什么没有钩子完播率就上不去？ 钩子本质是给观众的认知系统建一个信息缺口，逼大脑想闭合。前 3 秒没钩子，信息梯度接近零，观众在阈值线下直接滑走，后面再好都触达不到。 短视频分镜脚本和普通文案脚本有什么区别，为什么拍摄时要拆分镜？ 文案脚本只列台词和粗略动作，分镜脚本要写镜号、景别、运镜、时长、转场和情绪。拍摄是非线性集中布光的，没分镜剪辑师拿到一堆碎素材根本拼不回叙事。 短视频脚本里的「信息密度」是什么意思，密度太高或太低分别会怎样？ 指单位时间里画面、台词、字幕、音效叠加传递的信息总量。太高会认知超载，看完一片空白；太低会注意力流失，节奏拖沓像讲课。理想做法是双轨互补、留呼吸点。 短视频结尾的互动引导是什么意思，为什么干瘪结尾会拖累互动率？ 互动引导是结尾的行动召唤，由扣题总结、靠近景别、开放问题加 0.5–1.5 秒留白组成。干瘪结尾断了叙事弧线，观众没行为出口，自然不点赞评论。 想用上这个技能？ 「短视频脚本」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
RAG 检索召回率怎么提升
「RAG 知识检索」是「龙虾部署大师」技能市场中的本地知识库检索技能：作用是把图片、PDF、Word、Markdown、TXT、PPT 等多格式文档解析、切分并建成向量索引，提问时先改写问题，再用向量检索、BM25、LLM 分词、RRF 融合与重排序找出最相关的片段喂给大模型，让回答有据可依，而不是凭原文整篇硬塞。 技能效果 把年假政策和报销流程两份资料建索引后，它按用户问题检索作答：入职两年休五天年假，报销三千需主管加总监二次审批，还标了来源。 为什么把整份文档塞给大模型行不通 直接把整份资料丢给大模型回答问题，会遇到三个工程上的硬约束：一是上下文窗口有限，几十页的合同或一整本教材根本放不进去；二是塞进去的无关内容越多，模型越容易被干扰、答非所问，准确率反而下降；三是用户的提问往往很口语、很模糊，和原文里的措辞对不上，直接拿原话去匹配经常漏掉真正相关的段落。RAG（检索增强生成）就是为了解决这一类问题：先检索出少量真正相关的片段，再让模型基于这些片段作答。 两种喂法的对比 整份原文硬塞 超窗口 · 被无关内容干扰 先检索再作答 只取相关片段 · 有出处 这个技能把 RAG 流程做成了什么 它把"建库"和"检索"两个阶段串成一条完整流程。建库阶段，它解析图片、PDF、Word、Markdown、TXT、PPT 等多种格式（图片走 OCR 后入库），把内容切分并写入 sqlite-vec 向量数据库；这里用的是 smart 模式，会跳过已索引过的重复文件、只追加新文档，或在需要时定向重建索引，避免每次都从头跑一遍。检索阶段，它不会拿用户原话直接去查，而是先把口语化、模糊的问题改写成精准的查询词和子查询，再并行执行向量检索、BM25 关键词检索、LLM 分词，用 RRF 把多路结果融合，最后做一次 LLM 重排序，返回排在最前的相关片段。 阶段 0 · 建库 多格式文档 解析 + 切分图片走 OCR sqlite-vec 索引smart 增量 阶段 1 · 检索 口语问题改写为查询词 向量 + BM25 + 分词RRF 融合 · 重排序 相关片段喂给模型 这套混合检索加重排序的设计，目的是同时兼顾"语义相近"和"关键词命中"两种召回，比单一向量检索更不容易漏；问题改写则解决了"用户说得太口语、和原文对不上"的老问题。 用前须知 该技能依赖 sqlite-vec、requests、python-docx、python-pptx 等运行环境，并从 AI agent 身份文件读取 uid/token；每次开启新会话需先运行 check_env.py 初始化环境。一个重要约束是：回答时只引用检索出来的片段，不绕过检索直接翻整份原文，这样才能保证回答可溯源。 怎么用它 用法是用自然语言把"要建库的资料"或"要回答的问题"交给它，建库与检索的细节由它按流程处理，无需手动跑脚本或调参数。例如可以这样对它说： 可以这样对它说 "把这批 PDF 和 Word 建好索引，之后按用户问题检索相关片段来回答。" "我的问题问得比较口语，先帮我改写成精确检索词，再跑一遍混合检索和重排。" "这些图片资料先 OCR 入库，查询时只看检索到的片段，不要直接翻原文。" 它适合这些场景：用户上传教材、合同、论文或资料包，需要先建立统一的本地知识索引库；围绕已索引资料做问答，且要求答案只引用检索片段而非整份原文；新增或更新文件后，要避免重复索引、保留已有数据库内容；提问较模糊，需要先改写成结构化查询词以提升召回质量。适合做本地资料问答、课程辅助、文档研究和企业知识库检索，尤其是多格式文档混在一起的场景。 大家常问 RAG 检索里说的「混合检索」是什么意思？ 混合检索不是某种单一算法，而是把两路检索的结果融合起来：一路用 BM25 等稀疏检索做关键词字面匹配，一路用向量做稠密语义匹配，再用 RRF 等方式按排名融合去重。目的是同时兼顾"精确命中"和"语义相近"，比只用一路更不容易漏掉相关片段。 向量检索和关键词检索（BM25）有什么区别？ BM25 是稀疏检索，靠词频与倒排索引做字面匹配，词对不上就漏，但对专有名词、型号、代码很精确且可解释。向量检索是稠密检索，把文本编码成向量比语义相似度，能识别同义改写，但对罕见实体和精确匹配偏弱。一个管字面命中，一个管语义关联，互补大于竞争。 为什么混合检索之后还要再做一次重排序（rerank）？ 混合检索为了保召回会"广撒网"，两路打分都是轻量近似——BM25 只看词频、向量是有损压缩，正确答案大概率在候选里却不一定排最前，还混着噪声。重排序用交叉编码器让查询和每个候选做细粒度交互精排，把真正相关的提到前面。它只在几十到几百条候选上跑，负责"收网"。 检索评测里的召回率和精确率有什么区别？ 召回率回答"该找的有没有漏"，是命中的相关文档数除以全部相关文档数；精确率回答"找回来的有没有用"，是命中的相关文档数除以返回的总条数。两者通常矛盾：多返回结果召回率升、精确率降。工程上常用大候选集保召回，再靠重排序和元数据过滤把精确率提上去。 想用上这个技能？ 「RAG 知识检索」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
如何用 AI 润色简历
「简历润色」是「龙虾部署大师」技能市场中的简历优化技能：作用是针对一份已有简历，先从完整性、量化、结构、语言和岗位匹配度五个维度打分诊断，再用 STAR 法则把模糊经历重写成有说服力的量化表达，把目标 JD 的关键词自然融入，并做 ATS 兼容检查，最终输出可逐条落地的修改建议、改写对比和多岗位定制版本。 技能效果 拿到一份简历，它逐项点出结构缺失、空泛措辞和 ATS 不友好的关键词问题，并指出该补什么。 简历投出去没回音，问题出在哪？ 投了很多份却少有回应，问题往往不在经历本身，而在表达。常见的几类毛病：经历写得笼统，"负责运营工作"这类描述既看不出具体做了什么，也没有结果数据支撑；结构松散，重点信息埋在大段文字里，招聘方几秒钟扫不到亮点；语言不够专业，动词平淡、缺乏行业术语。 还有一道隐形门槛是 ATS——简历筛选系统。很多公司用它先做一轮关键词匹配，如果简历里缺少 JD 中的硬技能和术语，或排版让系统解析出错，材料可能在到达招聘人员之前就被过滤掉。这些问题靠自己反复看很难发现，因为写的人对内容太熟悉了。 改写前 "负责活动运营， 效果不错" 无情境 · 无结果 · 无数据 STAR 改写后 在预算下统筹 6 场活动 参与人数环比提升 40% 情境 · 任务 · 行动 · 结果 这个技能能帮你做什么？ 这个技能聚焦在"已有简历的提升"，不从零写起。它先读取你的简历和可选的目标 JD，从模块完整性、数据量化程度、结构可读性、语言专业度和岗位匹配度五个维度评分，定位短板在哪。诊断之后，它用 STAR 法则（情境、任务、行动、结果）把模糊经历重构成清晰、可验证、带量化成果的表述；同时提取 JD 中的硬技能、软技能和行业术语，检查关键词覆盖率并自然补齐。 它还会做 ATS 兼容性检查，提示可能导致系统解析出错或关键词漏匹配的风险点；对于一人投多岗的情况，它能基于同一份经历生成差异化的定制版本，让不同岗位各自突出对应的能力。 五维诊断，定位短板 完整性 量化 结构 语言 岗位匹配度 → STAR 重构经历 · 融入 JD 关键词 · ATS 兼容检查 用前须知 该技能无需 API Key 或额外依赖，主要通过自然语言处理完成。使用前需提供简历文本或文档；若要做岗位匹配，建议同时提供目标 JD，关键词覆盖和定制建议会更贴合。 怎么用它？ 用法是把简历交给它，再说明你想解决的问题——是整体诊断、改某段经历，还是按岗位定制。例如可以这样对它说： 可以这样对它说 "这份简历投了很多次没回音，先查结构、关键词和 ATS 兼容问题。" "把这段项目经历按 STAR 重写，结果要量化，也更能打动招聘方。" "同一份经历改两版，分别投产品岗和用户运营岗，突出不同能力。" 它适合这些场景：投递后反馈较少，需要判断结构、语言或 ATS 是否有问题；某段经历过于笼统，想改成更有说服力的量化表达；准备投递特定岗位，需要根据 JD 调整关键词和经历优先级；同一候选人面向产品、运营、技术等不同岗位，要生成差异化版本。 大家常问 为什么简历里过度使用形容词反而会削弱专业感 "优秀""卓越""高度负责"这类形容词信息熵极低，几乎每份简历都在用，HR 和 ATS 都无法据此区分候选人。专业感来自动词加事实——具体行为、明确范围、可验证结果——而不是修饰语堆叠。 动词主导句式与名词堆砌的简历在表达上有什么核心区别 名词堆砌（"项目负责人 · 多部门协调者"）告诉别人你是什么，是静态标签；动词主导（"主导设计微服务架构 · 协调 4 个部门数据流"）说明你做了什么、产生了什么影响。前者难验证，后者带行为序列和量化结果，可读性也更强。 简历量化表达里最容易被夸大的指标有哪些 百分比类（基数和对比周期被模糊）、数字规模类（"管理 X 人""覆盖 X 万用户"把配合算成主导）、时间周期类（截取最有利的起止点）、直接归因类（把团队成果和市场红利都算到个人）最容易被夸大。HR 看多了一眼就识破。 JD 关键词融入简历时为什么直接复制粘贴效果不好 直接粘贴"具备项目管理能力"这类短语会被识别为陈述而非证据，缺乏上下文锚点；语义模型还会检测出风格突变，降低整段权重。正确做法是把关键词融进具体行为和量化结果里，让 ATS 在同义识别和实体识别层都能命中。 想用上这个技能？ 「简历润色」就在「龙虾部署大师」的技能市场里，打开 技能市场 就能一键安装使用。 还没装龙虾？先 一键部署「龙虾部署大师」，在本地跑起来后再装技能即可。 注：技能的实际效果与所选用的 AI 模型能力有关，不同模型下的表现可能存在差异。
提示