简历要点 STAR 改写器

用 STAR 方法(情境/任务/行动/结果)把弱简历要点改写为含强动词与量化结果的成就型要点,并给出前后 STAR 评分与可读性诊断

粘贴一个弱简历要点(如"负责用户增长"),即可得到一个遵循 STAR 方法的精修成就型改写。

功能:

  1. AI 改写(deepseek-v4-flash):用强有力的动作动词改写要点,加入真实合理的量化结果,并返回 2 个备选表达以及 STAR 分解(情境 / 任务 / 行动 / 结果)。
  2. 确定性 STAR 评分:用本地启发式方法,对原文和改写结果在四条 0–25 的轴(情境、任务、行动、结果)上分别打分——检测强动词、量化、具体性、被动语态——即使 AI 不可用,也始终能得到前后对比。
  3. 诊断:标出弱开头("负责"、"参与")、缺失指标、被动语态与长度问题,并给出具体修复建议。

配合 Resume Job Description Matcher 可形成完整求职工作流:在此用 STAR 改写要点,再到匹配器检查关键词覆盖。

最佳实践:

  • 尽量填入任何数字(收入、用户、%、节省的时间),即使是估算也好。
  • 提到目标岗位/行业,改写会使用对的词汇。
  • 如果完全没有数据,AI 会插入带明显标记的估算("~18%");请用真实数字替换它们。

示例结果

1 个示例

把模糊的增长要点改写为量化的 STAR 要点

把"负责用户增长"改写为含强动词、范围与指标的成就型要点,并给出前后 STAR 评分。

STAR rewrite with before/after scores and diagnostics.
查看输入参数
{ "bullet": "Responsible for user growth on the mobile app.", "targetRole": "Senior Growth PM", "outputLang": "en", "style": "concise" }

关键信息

分类
AI 与生成器
输入类型
textarea, text, select
输出类型
html
样本覆盖
2
支持 API
Yes

概览

简历要点 STAR 改写器是一款专为求职者设计的智能优化工具。它利用 AI 技术将“负责用户增长”等模糊、被动的简历描述,转化为遵循 STAR 法则(情境、任务、行动、结果)的成就型要点,并结合本地启发式算法提供前后的 STAR 评分与可读性诊断,帮助您的简历轻松通过 ATS 筛选并吸引招聘官的注意。

适用场景

  • 准备求职简历时,发现工作经历描述过于平淡,缺乏说服力和具体的动作动词。
  • 简历中缺少量化指标或数据支持,需要合理估算并嵌入具体的业绩成果。
  • 想要评估现有简历要点在 STAR 法则下的表现,并获取针对性的修改诊断建议。

工作原理

  • 在输入框中粘贴您现有的简历要点,并可选填目标岗位或行业以定制专业词汇。
  • 选择输出语言(中文或英文)以及改写风格(简洁单行或详细展开)。
  • 系统通过 AI 进行 STAR 结构化改写,同时利用本地算法对原文和改写结果进行确定性评分与诊断分析。

使用场景

将“负责日常运营”等日常职责描述改写为突出个人贡献的主动成就描述。
针对特定外企或跨国岗位,将中文简历要点一键转化为高质量的英文 STAR 描述。
诊断并消除简历中高频出现的“参与”、“协助”等弱动词,替换为更具说服力的强动词。

用户案例

1. 优化运营人员的日常职责描述

运营专员
背景原因
简历中写着“负责公众号日常运营和粉丝增长”,缺乏具体行动和数据支撑,难以吸引 HR 注意。
解决问题
描述过于平淡,没有体现出具体的运营策略和量化的增长结果。
如何使用
在简历要点框输入“负责公众号日常运营和粉丝增长”,目标岗位填写“社群运营经理”,选择中文输出和简洁风格。
示例配置
bullet: 负责公众号日常运营和粉丝增长
targetRole: 社群运营经理
outputLang: zh
style: concise
效果
改写为“主导微信公众号内容矩阵升级,通过策划 3 场裂变活动实现粉丝量增长 25%,显著提升用户互动率。”并获得 STAR 评分对比与诊断。

2. 英文技术简历要点量化改写

后端开发工程师
背景原因
英文简历中写着“Responsible for database optimization.”,在投递外企时因缺乏细节和量化指标被筛选淘汰。
解决问题
句式单一,使用了弱开头“Responsible for”,且没有说明优化手段和具体性能提升。
如何使用
输入“Responsible for database optimization.”,目标岗位填写“Senior Backend Engineer”,选择英文输出和简洁风格。
示例配置
bullet: Responsible for database optimization.
targetRole: Senior Backend Engineer
outputLang: en
style: concise
效果
成功改写为“Optimized PostgreSQL database queries and indexed key tables, reducing API latency by 35% and improving system throughput.”,系统自动标出原句的弱开头并给出高分改写。

用 Samples 测试

ai-tools

相关专题

常见问题

这个工具是如何对简历要点进行评分的?

工具采用本地启发式算法,从情境、任务、行动、结果四个维度(每项满分 25 分)对文本进行检测,分析强动词、量化数据、具体性及被动语态并给出得分。

如果我的工作确实没有具体的数据积累该怎么办?

建议尽量进行合理估算。如果完全留空,AI 会自动插入带有标记的估算值(如“~18%”),您可以根据实际情况将其替换为最接近的真实数字。

诊断功能主要会指出哪些问题?

诊断系统会检测并标出弱开头(如“负责”、“参与”)、缺失的量化指标、被动语态以及文本长度问题,并提供具体的修复建议。

改写风格中的“简洁”和“详细”有什么区别?

“简洁”风格会输出适合直接写入简历的单行成就描述;“详细”风格则会完整展开 STAR 的各个环节,帮助您更好地准备面试话术。

它可以和哪些工具配合使用以达到最佳效果?

建议先使用本工具将要点改写为 STAR 格式,再配合 Resume Job Description Matcher(简历岗位匹配器)检查关键词覆盖率,形成完整的求职优化工作流。

API 文档

请求端点

POST /zh/api/tools/resume-bullet-star-rewriter

请求参数

参数名 类型 必填 描述
bullet textarea -
targetRole text -
outputLang select -
style select -

响应格式

{
  "result": "
Processed HTML content
", "error": "Error message (optional)", "message": "Notification message (optional)", "metadata": { "key": "value" } }
HTML: HTML

AI MCP 文档

将此工具添加到您的 MCP 服务器配置中:

{
  "mcpServers": {
    "elysiatools-resume-bullet-star-rewriter": {
      "name": "resume-bullet-star-rewriter",
      "description": "用 STAR 方法(情境/任务/行动/结果)把弱简历要点改写为含强动词与量化结果的成就型要点,并给出前后 STAR 评分与可读性诊断",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=resume-bullet-star-rewriter",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

你可以串联多个工具,比如:`https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`,最多20个。

如果遇见问题,请联系我们:[email protected]