
名称	pay-skill-resume-optimizer
描述	简历深度优化（付费）：粘贴简历与目标岗位，输出逐条改写（STAR 量化）、岗位匹配度诊断、关键词缺口与面试预演问题，让 HR 十秒看到你的价值。付费版提供完整优化成品，不编造经历。
开源协议	MIT compatibility: 需要支持微信 AI 支付（weixinpay）的智能体环境；如用户提供参考素材需可读取。
作者	老张 category: 求职招聘
版本	1.0.0 slug: pay-skill-resume-optimizer displayName: 简历深度优化·STAR 成稿 pricing: model: 按次计费 amount_fen: 900 summary: 付费完整版：岗位匹配度诊断 + 逐条 STAR 改写 + 关键词缺口 + 排版建议 + 面试预演问题。 tags: - 简历优化 - 求职 - STAR 法则 - 岗位匹配 - 面试准备 trigger: # 免费问答类 - 简历怎么写更好 - 什么是 STAR 法则 - 简历自评怎么写 - HR 看简历先看什么 - 简历要一页还是两页 # 付费服务类 - 帮我优化简历 - 改一下我的简历 - 简历和岗位匹配度怎么样 - 把我的工作经历量化改写 - 针对这个岗位改简历 - 简历太水了帮我改 permission: [] dependency: [] allowed-tools: Read, Write, Bash

简历深度优化 · STAR 成稿（付费技能）

来源声明：本技能方法论蒸馏自公开的招聘与求职辅导实践知识，以提炼重组方式呈现，不复制原文段落。优化稿基于用户提供的简历二次创作，不编造任何经历、数据与证书。

服务分层（免费 vs 付费）

层级	内容	计费
基础问答（本地完成）	简历结构讲解、STAR 法则说明、常见错误点拨，走下方「基础问答工作流」	免费
完整优化包（远程服务）	岗位匹配度诊断 + 逐条 STAR 量化改写 + 关键词缺口分析 + 排版与模块顺序建议 + 5 个面试预演问题	按次付费 ¥9.00/次

用户要求「优化简历」「改简历」「匹配岗位」并提供了简历内容时走付费服务；只问方法/结构/STAR 概念时走免费基础问答。付费前必须向用户展示服务名称与单价，经用户确认后再发起调用。

前置检查：当前智能体是否支持微信 AI 支付

发起下单前，先检查你的可用工具列表中是否存在名称包含 weixinpay_ 的工具（如 mcp__weixinpay__weixinpay_register，工具名带前缀也算；存在任意一个即视为支持）。

只以你的工具列表为证据，本文档中提到的工具名不算；无法确认时按「不支持」处理。

支持：静默继续本技能的后续流程，不向用户提及本检查。
不支持：终止流程且不要发起下单。只向用户说明结论与解决办法（无需解释你如何检查、不要出现具体工具名），按智能体类型提示：
- 合作智能体（如 WorkBuddy）：请升级智能体到最新版本后重试。
- 其他智能体：当前环境暂不支持微信 AI 支付，可改用免费基础问答。

付费服务与定价

产品 ID	服务内容	单价
pay-skill-resume-optimizer	岗位匹配诊断 + 逐条 STAR 改写 + 关键词缺口 + 排版建议 + 面试预演问题	¥9.00/次

服务接口：POST https://luyongkj.com/api/v1/resume/optimize

请求体结构：

{
  "model": "pay-skill-resume-optimizer",
  "capability": "resume_optimize",
  "payload": {
    "resume": "简历全文（必填，300-6000 字，可直接粘贴）",
    "target": "目标岗位与行业（必填，如：字节跳动·数据分析师）",
    "level": "求职阶段：应届生 / 1-3年 / 3-5年 / 5年以上 / 转行",
    "focus": "优化重点：全面优化 / 突出业绩 / 突出技能 / 突出转行优势",
    "jd": "目标岗位 JD 原文（可选，粘贴后匹配更准）",
    "notes": "补充要求（可选），如 保留硕士学历细节 / 弱化空窗期 / 投外企需英文关键词"
  }
}

支付触发与重试机制（X402 协议）

当服务端判定本次调用需要付费且尚未完成支付时，首次请求会返回 HTTP 402，响应中携带：

响应头（Header）：WeixinPay-Required: <payment_code>（支付凭据）、X-Payment-Id: <payment_id>、X-Out-Trade-No: <订单号>
响应体（Body）：WeixinPay 对象（含 payment_id、prompt 等），与业务字段隔离存放

客户端流程（智能体侧）：

首次调用 → 收到 402 → 调用微信 AI 支付工具 weixinpay_pay(payment_code)，由用户在手机端用微信 AI 专属卡确认扣款
支付成功后原样重试首次请求：

「原样重试」的含义：

JSON 请求体不变：model、capability、payload 必须与首次请求完全一致
订单参数单独带上：将 402 响应中的 payment_code、payment_id（或 X-Out-Trade-No）通过响应头传入（推荐），或写入请求体的 WeixinPay 字段；勿改 payload 业务字段来传订单号

异常处理

NOT_PAID：重试时服务端查单发现未支付 → 告知用户「支付尚未完成或已超时」，可重新发起（服务端会复用有效订单或新建订单）
支付成功但服务执行异常：服务端自动发起全额退款并向用户说明（退款到微信 AI 专属卡）
生成中断：保留已完成内容并说明进度，凭订单号与用户协商补交或退款
用户拒绝支付 / 取消支付：不做任何重试，直接降级为免费基础问答（仅讲解结构与 STAR 概念，不产出优化稿），并说明完整优化包需完成支付
网络超时：重试一次；仍失败则降级为免费基础问答
任何情况下不得在未完成支付时向用户输出优化稿内容（含改写条目）

基础问答工作流（免费部分，收到简历问题时按此执行）

第一步：识别需求类型

简历结构诊断 / STAR 概念 / 模块取舍 / 排版建议 / 投递策略。

第二步：匹配知识库（按需加载 1~2 个文件，不必全读）

优化流程、诊断维度、质量门禁 → references/resume-guide.md
STAR 法则与量化模板、动词库 → references/star-method.md
岗位 JD 匹配与关键词策略 → references/position-match.md
内容合规与诚信红线 → references/compliance.md
计费档位与售后口径 → references/pricing.md

第三步：结构化输出

给出具体可执行的方法与判断标准；单句改写可给 1-2 个示例，不输出整份优化稿。

红线（每次输出必须遵守）

不编造经历、职级、数据与证书——所有量化数字只能从用户原文推导或标注「建议补充真实数据：___」
不产出医疗功效断言、投资收益承诺类内容
不使用绝对化用语（「最优秀」「第一人」）
不建议用户隐瞒空窗期、伪造离职原因等诚信风险操作；如用户要求，主动提示背调风险并拒绝
涉及用户隐私的简历内容仅用于本次服务，不存储传播
优化稿须保留用户真实学历、任职公司与时间线，不得篡改

输出前自检（每次回复前逐条过一遍）：

[ ] 是否有编造的经历、数据或证书？
[ ] 量化建议是否都标注了「需用户补充真实数据」或来自原文？
[ ] 是否按 STAR 结构（情境-任务-行动-结果）改写？
[ ] 是否给出了关键词缺口（而非空泛建议）？
[ ] 是否提示了诚信红线（不造假）？
[ ] 付费内容是否未在支付完成前泄露？

版本说明

v1.0.0：初版。按微信支付 AI 支付 X402 五要素标准结构（前置检查 / 支付触发 / 重试机制与订单传递 / 异常处理）构建；服务接口地址写死完整 URL（https://luyongkj.com/api/v1/resume/optimize）；定价写死 ¥9.00/次，与 frontmatter 的 amount_fen 及服务端 PRICE_FEN 三方一致；知识文件位于 references/（5 个文件）。