Resume Quantifier

Resume Quantifier 技能概览

Resume Quantifier 能帮你把模糊的简历要点改写成可量化的成就，即使你没有完美数据也可以做到。它最适合求职者、转行者以及需要为他人润色简历的人，用来补上可信的数字，而不是编造事实。它要完成的核心任务很简单：从每条要点里找出可量化的指标，在缺少精确数据时做负责任的估算，并把结果改写得像证据，而不是空话。如果你在找一个用于 Resume Writing 的 Resume Quantifier 技能，希望快速提升 bullet 质量，这套流程就是为此设计的。

Resume Quantifier 到底做什么

这个技能会寻找那些可以用金钱、时间、百分比或数量来表达影响力的地方。它帮助你从“管理项目”变成能体现规模、趋势或结果的表述。它的价值不只是加数字，而是选对数字类型，让简历读起来具体、可信。

谁应该安装它

如果你经验扎实，但量化能力薄弱，或者你经常帮别人重写简历，就应该安装 Resume Quantifier。尤其当用户说自己“没有指标”时，它特别有用，因为这个技能专门用来挖掘替代数据，并做出负责任的估算。如果岗位本身高度看重数字，这个技能还能实质性提升进入 shortlist 的质量。

它和普通做法有什么不同

普通提示词通常只会说“加数字”，而 Resume Quantifier 提供的是一套结构化方法，帮助你从工作场景里发现指标。它鼓励用前后对比、规模线索和务实估算来表达，而不是逼出虚假的精确度。也正因为如此，它在原始材料杂乱、信息不完整，或者只用平实语言写成时，特别有用。

如何使用 Resume Quantifier 技能

安装并加载这个技能

如果要安装 Resume Quantifier，先把技能添加到你的环境里，然后在提问前阅读技能文件。这个仓库很小，核心内容集中在 skills/resume-quantifier/SKILL.md，所以先看这个文件最合适。如果你的平台支持按文件夹加载技能，就直接指向技能目录；如果是用 prompt wrapper，就把技能说明放进 system 或任务上下文里。

提供原始材料，不要只给职位名称

Resume Quantifier 最适合在你提供原始 bullet、岗位背景，以及你还记得的粗略事实时使用。好的输入像这样：“我支持招聘团队，每周处理 40–60 名候选人，并帮助减少排期延误。”差的输入像这样：“帮我把这个改好。”上下文越具体，技能就越能推断出站得住脚的数字。

用这个工作流获得更好的输出

先贴出 3–10 条原始 bullet，然后要求生成量化改写，并注明任何已知限制，比如“不要编造准确营收”或“保持 ATS 友好”。一个很好的 Resume Quantifier 使用方式是：先起草 → 找出可量化指标选项 → 选择最稳妥的指标 → 重写 bullet。这个顺序能让输出更扎实，也能减少夸大其词的风险。

按正确顺序阅读仓库

先看 SKILL.md，理解量化框架以及“何时使用”的判断标准。然后再浏览文档里是否嵌入了示例、分类列表或改写模式，因为这些内容最能改变输出质量。由于没有脚本、参考资料或其他资源可交叉核对，技能文件就是唯一的事实来源。

Resume Quantifier 技能常见问题

没有硬数字时，Resume Quantifier 还好用吗？

可以，只要你还有足够上下文去做负责任的估算。这个技能就是为无法拿到精确数据，但仍能描述规模、频率或结果的场景设计的。如果你真的无法支撑任何数字，那就应该优先把表述写清楚，而不是硬塞一个指标。

它和普通简历提示词有什么区别？

普通提示词通常是在追求润色后的表达。Resume Quantifier 关注的是测量：找出隐藏指标、选择合适的指标类型，并把模糊工作转成有证据支撑的语言。也就是说，当主要问题是缺乏具体性而不是语法时，它会更有用。

Resume Quantifier 适合新手吗？

适合，因为它的框架简单，输出目标也很明确。新手在提供粗略事实而不是打磨过的文本时，收益最大。这个技能可以在不要求先掌握简历策略的前提下，引导他们得到有用的数字。

什么时候不该用它？

如果岗位更看重叙事而不是指标，或者加数字会迫使你做出无法自证的猜测，就不要用 Resume Quantifier。对于本来已经有很强量化结果、只是需要润色风格的 bullet，它也没那么有必要。在这些情况下，轻量修改会比硬加量化更安全。

如何改进 Resume Quantifier 技能

先提供更好的原始输入

Resume Quantifier 最强的结果，来自包含范围、频率、受众或对比点的 bullet。比如，“回答客户问题”如果再加上“每天处理 30–50 张工单”或“支持 200+ 用户队列”，效果会好得多。即使只是近似范围，也能帮助技能产出更可信的简历表述。

明确哪些内容不能写

如果准确营收、人数或百分比未知，要提前说明。这能帮助技能避免夸大影响，并优先选择更稳妥的替代指标，比如节省时间、处理量或流程速度。清晰的约束，比再多形容词都更能提升可信度。

先要指标方案，再去重写

当原始 bullet 含义比较模糊时，先让它给出 3 个可行的量化角度：数量、时间或结果。这样你就能根据岗位需求，在保守版和更强版之间做选择。这是提升 Resume Quantifier 技能输出最快的方法之一，而且不需要改变你的实际经历。

通过收紧证据不断迭代

第一轮生成后，检查每个数字是否真有你做过的事情支撑。如果某条 bullet 显得夸张，就把指标换成区间、频率或可衡量的替代指标。Resume Quantifier 的最佳实践，是追求可信的具体性，而不是追求最大数值。