## 为什么做这件事

听说最近的实习/校招已经到了地狱难度，特别是 AI 出来之后，非常卷。工具在变化，需求在变化，所以人也应该在变化。

作为已经从事 PM 工作 12 年、面试了上百个实习/校招生的我，恰逢这次比赛，决定把简历初筛到一面会问的问题整理成一个 Skill。

**主要有几个目的：**

1. 希望可以真正帮到正在校招、或者正在苦苦寻找实习、但总是简历被刷的学弟学妹们
2. 希望学弟学妹可以正视产品经理这个岗位——它的要求并不低，需要的是持续学习

网上做简历类 Skill 的非常多，但我浅浅调研了一下基本都是通用的。纯改简历各大求职平台也能做，且没差异化、效果差。要做的话就走我的专业垂直细分，否则意义也不太大。

---

## 这份 Skill 写给两类人看

接下来我会按"产品 Leader 是怎么筛选简历 + 面对简历会提什么问题（问题背后也是对大家的期望值）+ 后台那套评估体系长啥样"这条线讲清楚。也会告诉你怎么用这个 Skill 来提升简历的通过率、面试的通过率。

`#校招产品经理教练skill#` 已经发布到 ClawHub，大家可以自取使用：https://clawhub.ai/winkychannn/skills/campus-pm-coach

这份 Skill 设计了两个视角一起用，**核心是给在校学生用的**，但在职 PM 也可以拿去当筛选工具：

**如果你是在校/找实习的学生（核心读者）**
- 改简历前先跑一遍评分，知道失分点在哪再改，比凭感觉改 10 遍强
- 一键优化按失分点定向改写，复评分数能直接看到变没变
- 模拟面试题按 JD + 简历短板出，面试准备有针对性
- 全套本地规则跑，**不编数据、不夸大经历**，改完逻辑清楚

**如果你是产品 Leader / 面试官（次要读者）**
- 批量上传简历 + JD，自动出评分，比人工 + Excel ，或者凭感觉，要快狠准 50 倍
- 规则统一，"老张觉得行老李觉得不行" 这种内耗没了
- 每条得分带依据，HR 跟候选人沟通有依据
- 扫描件/翻拍件 PDF 直接 OCR 还原，不用再求候选人重发

下面就按 **评价体系 → 痛点 → 怎么做 → 技术细节 → 比赛规则对标** 这条线展开。

---

## 1. 学生视角：拿到 Skill 之后能做什么

### 1.1 用 Skill 改简历的正确姿势

很多人改简历是"看哪里不顺眼就改哪里"，但凭感觉改 10 遍，可能核心失分点一个都没动。这套 Skill 的用法反着来——**先诊断，再动手**：

1. 把简历 + JD 喂进去，跑一遍 `--stage review` 出 5 维度评分
2. 看每条规则的命中证据，定位失分点（"roadmap 逻辑确实"、"实际性工作只会写PRD不会复盘"）
3. 跑 `--stage review --optimize-instruction "..."`，按失分点定向改写
4. 改完自动复评，验证分数确实没降

注意：**Skill 不会帮你编数据**。量化结果缺失时它只插一行 `> 待补充量化数据` 提示，正文不污染。这条我自己挺在意——简历里编出来的数字，面试官一问就露馅，马上挂。

### 1.2 模拟面试题怎么用

跑 `--stage interview` 会按 JD + 简历短板出 7 大类 30+ 题。重点不是背答案，是看面试官**到底会卡在哪**：

- 项目逻辑四要素差 → 会问"你为什么做这个 / 怎么衡量 / 北极星指标是什么"
- AI 探索分低 → 会问"你具体怎么用 AI 落地的、提效多少"
- roadmap 缺位 → 会问"你这个方向未来 1 年的规划是什么"

按这些方向准备，比看面经有用得多。

### 1.3 用 Skill 的几个红线

- **别把 Skill 当生成器**。Skill 输出的是基于事实的优化建议，不是凭空捏造的经历包装。如果你本身经历不够，Skill 救不了你——它只能帮你把已有的东西表达清楚，所以你必须要有基础输入
- **优化完必须自己通读**。Skill 是规则引擎，措辞上有些地方可能不符合你的表达习惯，自己过一遍才能用，涉及专业名词自己要多看两眼
- **面试前的最后一遍一定要跑**。简历改了之后，跑一遍模拟面试题，看哪些短板被面试官抓住，再针对性补一下

---

## 2. PM 视角：怎么把它当筛选工具

### 2.1 批量筛选的用法

校招季一组岗位收上千份简历是常态。组里如果还是"HR 筛一遍 + leader 复筛"的传统流程，一周基本只能处理 200~300 份。用这套 Skill 把流程改成：

```
HR 批量上传简历 + JD → Skill 自动出评分 → leader 看 Top 30%
```

筛出来的 Top 30% 直接进入面试环节，剩下 70% 自动归档有据可查。**单份评估从 1~2 小时压到秒级**，批量场景下整个流程的吞吐量至少翻 5 倍。

### 2.2 规则统一的价值

不同面试官对同一份简历评价差很多是常态——"我觉得行"、"我觉得不行"，但说不出为啥。这个 Skill 的 21 条规则是**本地固化**的：

- 机器可以24小时工作跑评分，不需要再看到眼瞎
- 每条得分都带"命中证据"（"覆盖 4/5 工作环节"、"命中 3/4 逻辑要素"）
- 规则全部配置化（`config/default_dimensions.json`），换业务线改微调配置

组里如果对规则有分歧，直接打开 JSON 调权重、加减子规则，比"开会讨论怎么打分"高效得多。

### 2.3 跟候选人沟通的话术

筛出来一份 60 分的简历，要不要约面试？以前只能凭感觉。现在可以和HR直接说：

> "项目逻辑不清晰（具体要素1234），AI 探索分偏低。"

HR 跟候选人的沟通也有据可查，不再是空口说"不符合要求"。

### 2.4 OCR 这一层解决了什么

PM 视角下，OCR 接入其实解决了一个特别现实的问题：**候选人简历格式太杂**。Word、文字型 PDF、扫描件 PDF、手机翻拍照片全有。普通工具要么读不了图片，要么读出来全是乱码。

腾讯云 `GeneralAccurateOCR` 把全文还原成文本，`ExtractDocAgent` 按"姓名 / 学校 / 实习 / 项目"字段抽出来重建结构化简历。**这一步如果走不通，后面所有规则都跑不起来**。

---

## 3. 校招 PM 能力评价体系（学生 + PM 共用）

### 3.1 五个维度

面试官筛 PM 简历一般看 5 个维度，权重直接照搬内部标准：

| 维度 | 权重 | 实际看啥 |
| --- | --- | --- |
| 过往经验匹配度 | 20% | 实习/项目方向跟 JD 行业对不对得上；有没有"调研→PRD→评审→落地→复盘"完整闭环；是不是计算机相关专业 |
| 逻辑能力 | 30% | 项目讲没讲清 背景 / 产出 / 价值衡量 / 北极星指标；有没有长期 roadmap 思维 |
| 表达能力 | 20% | 描述是不是又啰嗦又空；跨境/海外行业英语能不能当工作语言 |
| AI 探索能力 | 15% | 是不是真的用 AI / AIGC 落过产品、有真实产出 |
| 产品经理个人素养 | 15% | 责任心（不能半途而废）、创造力、严谨（定量+定性）、热爱（持续体验产品并出成绩） |

### 3.2 学生视角：理解评分点 = 知道怎么改

作为学生，**评分点不是用来应付的，是用来对照自检的**。每条评分点都对应简历里的一个具体动作：

- 行业方向命中 → 实习/项目经历里要明确出现 JD 行业的关键词
- 实际性工作闭环 ≥3 → 写项目时至少讲清"调研、产出、落地、复盘"中的 3 步
- 项目四要素 → 背景（为什么做）、产出（做了什么）、价值衡量（怎么衡量）、北极星指标（长期看啥）
- roadmap → 项目结尾写一段"未来 1 年的方向 + 关键里程碑"
- AI 落地证据 → 写一段你具体怎么用 AI 工具、提效了多少

### 3.3 PM 视角：理解规则 = 知道怎么筛

作为面试官/HR，**规则不是死的，是可调的**。这 21 条规则全部落在一份 JSON 里（`config/default_dimensions.json`），换业务线、换岗位方向直接改配置：

- 招 ToB 产品经理 → "客户访谈、需求管理、商业化" 这些子规则权重调高
- 招 AI 方向 PM → "AI 探索"权重从 15% 调到 25%
- 招校招新人 → "逻辑能力"、"表达能力" 权重上调，"行业经验匹配" 权重下调

改完权重直接生效，组里所有人看到的评分口径一致。

### 3.4 21 条规则的实现

整套评分逻辑完全本地化，**一条规则都不走大模型 API**：

- **高确定性**。同样的简历在任意环境跑出来分数逻辑一致
- **证据透明**。每条规则都给出命中证据（"覆盖 4 / 5 工作环节" 这种）
- **标准可替换**。改 JSON 换评价体系，代码不动

我之前用过一些 LLM 直接评的工具，跑了两次分数能差 10 分，这就很离谱。基本就是脱离现实情况。

---

## 4. 场景痛点

学生和 PM 视角下的痛点其实不一样，所以分开说。

### 4.1 学生视角的痛点

**1）不知道自己简历差在哪**

简历改了 N 遍，但每次都是"看哪里不顺眼就改哪里"，不知道核心失分点。投出去石沉大海，也不知道是因为哪条规则没过。

**2）不知道面试官会卡在哪**

拿到面试机会就开始看面经，但面试官真正会卡的是"项目逻辑"、"AI 落地"、"长期 roadmap" 这些经验性提问，这些都是需要个人思考进行融入。

**3）不知道改完有没有变好**

改完简历投出去，不知道对错。如果有办法在投递前自己量化"改完变了几分、失分点消了几个"，整个流程就闭环了。

### 4.2 PM 视角的痛点

**1）海投简历量大，人力扛不住**

校招季一份岗位收上千份简历太常见，HR / 面试官根本没办法每份精读。一份完整评估至少 5~10 分钟，一天精评十几份就到极限，批量场景下完全忙不过来。

**2）简历版式太杂，普通工具读不懂**

跨行合并、字段错位，光格式就五花八门：Word、文字型 PDF、扫描件 PDF、手机翻拍的照片。普通工具要么读不了图片，要么读出来全是乱码，姓名/学校这些关键字段经常错位。

**3）评价主观、得分不可追溯**

不同面试官同一份简历评价可能差很多；HR 跟候选人沟通也只能空口说"不符合要求"，说不出具体扣分点。

---

## 5. 实操演示

演示案例：一位 2027 届的校招同学，投的是「产品经理实习生（AI 方向）」。

### 5.1 准备与触发

先确认 Skill 启用：

```bash
openclaw skills list   # 应该能看到 campus-pm-coach
```

配腾讯云密钥（矩阵内 OCR 统一约定）：

```bash
export TENCENTCLOUD_SECRET_ID="..."
export TENCENTCLOUD_SECRET_KEY="***"
```

学生视角：上传简历，一句话触发就行——"帮我对这份简历做评分 + 模拟面试"。
PM 视角：批量上传简历 + JD，一键触发——"按这个 JD 批量评估这批简历"。

### 5.2 四大能力

| 阶段 | 入口 | 输出 | 谁会用 |
| --- | --- | --- | --- |
| ⓪ 首轮诊断 | `--stage quick` | 评分细项 + Top8 高频问题 + 综合判断（匹配度/优势/风险/投递建议） | 学生投递前快速看 |
| ① 简历评分 | `--stage review` | 5 维度加权，每条规则带证据 | 学生/PM 都用 |
| ② 一键优化 | `--stage review --optimize-instruction "..."` | 按失分点定向改写，闭环复评不降分 | 学生投递前用 |
| ③ 模拟面试题 | `--stage interview` | 7 大类共 30+ 题，含 JD 高频点和 AI 方向专项 | 学生面试前用 |

### 5.3 实操流程

**Step 1：上传简历 → OCR + 解析**

如果是图片或 PDF，先走两步：
- 腾讯云 `GeneralAccurateOCR` 把全文还原成文本
- `ExtractDocAgent` 按"姓名 / 学校 / 实习 / 项目"等字段自动抽出来，重建结构化简历
![image.png](https://developer.qcloudimg.com/http-save/yehe-12127063/8a1615da88cf73a1f7768f6a448014a4.png)

**Step 2：跑全流程**

一键命令（评分 + 优化 + 面试题全开）：

```bash
python3 main.py --resume-text "$(cat resume.txt)" --jd jd.txt --stage all -o output/
```

只想先快速预览：

```bash
python3 main.py --resume-text "$(cat resume.txt)" --jd jd.txt --stage quick -o output/
```

output/ 下会出 4 个文件：

- `00_首轮诊断报告.md`（评分 + 高频问题 + 综合判断 合一）
![image.png](https://developer.qcloudimg.com/http-save/yehe-12127063/f187e6db23507dc763c3ebda4ef1e154.png)
![image.png](https://developer.qcloudimg.com/http-save/yehe-12127063/24d5c070a71f50ca73153324cbd27483.png)
![image.png](https://developer.qcloudimg.com/http-save/yehe-12127063/2502a396226d96b4dbbc52430916a725.png)
- `01_评分报告.md`
![image.png](https://developer.qcloudimg.com/http-save/yehe-12127063/e96cb42465bbf092b80423ab67661390.png)
- `02_优化后简历.md（注：该同学信息非真实信息，仅ai生成作为预览）`
![image.png](https://developer.qcloudimg.com/http-save/yehe-12127063/2d40271711ad07fd73675a845901742d.png)
- `03_模拟面试题.md`
![image.png](https://developer.qcloudimg.com/http-save/yehe-12127063/d8549311a6676708fc3d7ab15f31eb53.png)

**Step 3：看评分报告**

演示案例跑出来的结果（2027 届 / AI 方向 PM）：

- 综合评分：**84.8 / 100**（及格 · 中匹配）
- 维度得分：经验匹配 77.5 / 逻辑能力 76.7 / 表达能力 100.0 / AI 探索 100.0 / 个人素养 75.0

**学生视角看什么**：维度分里 76.0 的"逻辑能力"明显是短板，简历改的时候重点攻这两块。

**PM 视角看什么**：综合 84.8 是一个相对优秀的水平；可以约一面，但面试时要重点核"项目经验"和"表达逻辑"。

光看总分没用，重点看每条规则的命中证据：

- 实际性工作闭环：80.0 分。命中"调研 → PRD → 落地 → 复盘"4 个环节（≥3 即达标）
- 项目逻辑四要素：75.0 分。命中 3 / 4（产出、价值衡量、北极星指标，缺背景说明）

**Step 4：优化 + 面试题**

学生视角下：
- 看 `02_优化后简历.md`，自己过一遍措辞，不符合习惯的地方手动调
- 看 `03_模拟面试题.md`，重点准备优化短板（逻辑四要素那块）

PM 视角下：
- 看 `01_评分结果.json`，导出入库做候选人档案
- 按 Top 30% 排序，安排面试

优化两个关键约束：

- **不编数据**。量化结果缺失时只插一行 `> 待补充量化数据` 提示，正文不污染
- **防幻觉**。不新增经历 / 数据 / 头衔，不把"参与 / 协助"夸成"主导 / 独立"

优化完自动复评一次：

```
[闭环校验] 84.0 → 90.0，优化有效
```

### 5.4 三种方案对比

| 维度 | 人工 + Excel | Skill 技能 | 裸大模型 API 自研 |
| --- | --- | --- | --- |
| 单份耗时 | 30-40分钟 | 秒级 ~ 数分钟 | 基本同上 |
| 主观性 | 因人而异 | 规则统一 | 看 Prompt |
| 得分可追溯 | 无 | 逐条证据 | 黑盒 |
| 扫描件 / 图片 | 没辙 | 腾讯云 OCR | 需自接 |
| 防幻觉 | 人工可控 | 规则校验 | 易幻觉 |
| 成本 | 人力 | 零推理费（本地规则） | 按 Token |

---

## 6. 技术细节

### 6.1 规则引擎（核心）

整套评分逻辑完全本地化，一共21 条规则。

几个特点：

- **高确定性**。同样的简历在任意环境跑出来评分逻辑一致
- **证据透明**。每条规则都给出命中证据（"覆盖 4 / 5 工作环节"这种）
- **标准可替换**。改 `config/default_dimensions.json` 换一套评价体系，代码不动
- **零成本**。无 Token、无网络依赖、无幻觉风险

### 6.2 Skill 封装的额外能力

规则引擎是骨架，接上腾讯云 OCR 才算完整。整套 Skill 在引擎之上又加了几层：

- OCR 接入：扫描件 / 翻拍件 / 图片 PDF 自动还原全文
- 结构化解析：从还原的文本里把姓名 / 学校 / 实习 / 项目这些字段抽出来
- 5 维度评分：加权打分 + 等级判定（优秀 / 良好 / 及格 / 不足）
- 证据追溯：每条得分都带命中证据和失分原因
- 一键优化：只调整表达和结构，不动事实，优化后复评分数不降
- 模拟面试：JD 拆解 + 简历短板深挖
- 首轮诊断：评分 / 高频问题 / 综合判断一体化输出

测试覆盖这块我自己也比较在意：`scripts/tests/test_unit.py`（92 项单元测试）+ `scripts/tests/test_e2e.py`（端到端闭环），规则引擎 / 解析 / 评分 / 优化 / 面试题几个模块都覆盖到了。

### 6.3 代码组织

代码层面几个比较重要的文件：

- `scripts/main.py` —— 总入口，编排 4 个阶段
- `scripts/resume_parser.py` —— 本地结构化解析（姓名/联系方式/教育/实习/项目/技能）
- `scripts/rule_engine.py` —— 21 条规则都在这
- `scripts/evaluator.py` —— 5 维度加权 + 证据落库
- `scripts/optimizer.py` —— 一键优化，带防幻觉和复评校验
- `scripts/interviewer.py` —— 面试题生成
- `scripts/ocr_service.py` / `ocr_utils.py` —— 矩阵内 OCR 接入

### 6.4 这套 Skill 到底在解决什么

回到痛点本身，三个点：

- **给 AI 装上眼睛**：腾讯云 OCR 把 PDF / 图片型简历的"视觉盲区"填上
- **把经验沉淀成规则**：把资深 PM 面试官的评价标准封装成可复用、可追溯的引擎
- **把使用门槛压到 0**：`openclaw skills install` 一条命令，上传简历一句话跑完全套

---

## 7. 回到比赛本身

本作品实际接入了 2 个 OCR 类官方 Skill：

| Slug | 名称 | 在本作品里的用途 |
| --- | --- | --- |
| `tencentcloud-ocr` | 通用文字识别（高精度版） | 简历图片 / PDF → 全文文本 |
| `tencentcloud-ocr-extractdocagent` | 实时文档抽取 Agent | 按自定义字段抽姓名 / 学校 / 实习 / 项目，重建结构化简历 |

代码对接层在 `scripts/ocr_service.py`，文件头注释里写清楚了这两个 Skill 的来源和用途。

规则对照：

| 规则要求 | 本作品落实 |
| --- | --- |
| 五大类 Skill 接入 ≥ 1 | 接入 2 个 OCR 类 |
| 接入 WorkBuddy / CodeBuddy / ADP | 已发布到 ClawHub，WorkBuddy 可直接装；CodeBuddy / ADP 同样支持 Skill 协议 |
| 配置腾讯云 API 密钥 | 通过 `TENCENTCLOUD_SECRET_ID` / `KEY` 环境变量 |

校招求职之外，这套能力其实还能用在 HR 批量初筛、职业规划对照、教育评测（试试题评测 / 实习报告评估）这几类场景里。

---

## 简单总结

整个 Skill 核心想解决的问题：**把资深面试官的经验沉淀成 21 条本地规则 + 腾讯云 OCR 的视觉能力**，帮助校招生打破信息壁垒拿到心怡offer；同时简化校招 PM 简历评估工作，且每次跑出来分数一致、扣分有据、复评可验证。

- 对学生的价值：改简历时**知道扣分点再改**，面试时**知道会卡在哪再准备**
- 对 PM 的价值：批量筛选时**规则统一 + 得分可追溯**，跟候选人沟通时**有具体扣分点可以讲**

最后，祝校招的学弟学妹都能顺利拿到心怡offer！！加油加油~~

**#玩转腾讯云AISkills#**

听说最近的实习/校招已经到了地狱难度，特别是 AI 出来之后，非常卷。工具在变化，需求在变化，所以人也应该在变化。

腾讯云OCR × WorkBuddy：校招 PM 简历评分 + 面试模拟 Skill

本文介绍了一个基于腾讯云 OCR 能力与 WorkBuddy 平台构建的「校招产品经理教练 Skill」（campus-pm-coach）。该 Skill 将资深 PM 面试官 12 年的简历筛选与面试经验沉淀为 21 条本地规则引擎，结合腾讯云通用文字识别（高精度版）和实时文档抽取 Agent 两个官方 OCR Skill，实现了校招 PM 简历的自动化评分、定向优化与模拟面试生成。

人工智能

云计算

职业发展

将资深产品面试官12年经验沉淀为21条本地规则，结合腾讯云OCR识别简历，为校招生提供评分诊断、定向优化和模拟面试题，帮您精准定位失分点、提升简历通过率；同时为PM提供批量筛选和统一评分工具，让评估有据可查。

单元测试

文字识别

代码解释

WorkBuddy 

CodeBuddy

云 API

Agent

JSON

文字识别限时特惠，新用户0.5折起


generalocr

2026上云采购 | AI焕新·智启新局

ai-class

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

腾讯云OCR × WorkBuddy：校招 PM 简历评分 + 面试模拟 Skill-腾讯云开发者社区-腾讯云

腾讯云OCR × WorkBuddy：校招 PM 简历评分 + 面试模拟 Skill

腾讯云OCR × WorkBuddy：校招 PM 简历评分 + 面试模拟 Skill

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐