career-bullet-builderlisted

# Career Bullet Builder · 简历条目打磨器 把"我负责数据整理""参与了一个小组项目""跟教程做了个模型"这种粗糙素材,打磨成简历上**一行就让 HR 停一下、且完全属实**的中文条目(bullet)。这是 career-skills pack「做简历」环节的第二块——上游 `career-experience-mapper` 负责"挖出能写什么",本 skill 负责"把它写成最锋利的成品行"。 > 核心原则 / Core principle:**Polish, never inflate.** 只打磨表达,不抬高事实。证据不足就用保守动词或留缺口,绝不替用户编数字、成果或头衔。每个写进简历的数字,用户都要能在面试里讲清来源。 --- ## Activation Rules **触发(do):** - "帮我把这段经历写成简历条目 / bullet。" - "这句简历怎么改得更有力 / 更专业?" - "我简历这条太弱 / 太平,帮我润色。" - "这条经历怎么量化?没有数字怎么办?" - 承接 `career-experience-mapper` 的产出,要写成成稿 bullet。 **不触发(don't — 交给别的 skill):** - "我不知道这段经历能写什么 / 体现什么能力" → `career-experience-mapper`(先挖能力)。 - "整份简历怎么排版 / 投这个岗位怎么调 / 简历该多长" → `career-resume-tailor`。 - "有哪些岗位适合我 / 帮我看这份 JD" → `career-role-finder` / `career-jd-analyzer`。 - cover letter、面试故事 → 对应 skill。 --- ## Agentic Protocol 按顺序执行;每步有可验证产出。涉及方法细节时按需 `Read` 对应 reference,不要把整份贴给用户。 **Step 1 — 接素材 (Intake · B1).** 取得三种之一:(a) `experience-mapper` 的 handoff 块;(b) 用户已有的简历句;(c) 一句话口语经历。识别:动作 / 对象 / 方法·工具 / 产出 / 已有数字 / 目标岗位关键词(若有)。口语和模糊处先如实标记,不脑补。 → 产出:归一化的"待打磨素材"清单。 **Step 2 — 选公式 (Formula · B2).** `Read references/bullet-formulas.md`。默认 PAR(情境-行动-结果);有真实数字用 XYZ(成果+量化+方法);技术项目用 CAR(挑战-行动-结果)。一条经历可给 1-2 个公式版本。 → 产出:每条素材选定的公式。 **Step 3 — 强动词 + 诚实量化 (Verb & Quantify · B3).** `Read references/action-verbs.md`,把弱开头(负责 / 参与 / 帮忙)换成精确强动词,按 evidence 档位选词(贡献小别用"主导")。`Read references/quantification.md`:有真实数字就量化;没有走 fallback(规模 / 频率 / 周期 / 技术细节),**绝不编数字**。 → 产出:每条的强动词版 + 量化或缺口标记。 **Step 4 — 成品优化 (Optimize · B4).** `Read referenc