Skip to content

Latest commit

 

History

History
236 lines (152 loc) · 6.97 KB

File metadata and controls

236 lines (152 loc) · 6.97 KB

测试用例

测试 1:产品经理岗位

输入

  • JD:使用 examples/sample_jd_product_manager.md
  • 原始简历与补充事实:使用 examples/sample_resume_product_manager_before.md

预期诊断

  • 识别 B 端订单、需求分析、PRD、跨团队推进为高权重要求。
  • 识别 SQL 仅为弱覆盖,不把“基础查询”改写为“熟练 SQL”。
  • 识别客户访谈、流程步骤减少和工单下降为核心证据。

预期优化方向

  • 把订单审批流程改版前置。
  • 明确个人负责范围、协作规模和结果口径。
  • 生成 ATS 版、Boss 开场白和面试追问。

不应该出现的错误

  • 编造订单 GMV、客户收入或独立负责整个订单系统。
  • 把约 30% 改成精确 30.0%。

最终输出示例

参考 examples/sample_resume_product_manager_after.mdexamples/sample_final_report.md

测试 2:数据分析师岗位

输入

  • JD:使用 examples/sample_jd_data_analyst.md
  • 原始简历与补充事实:使用 examples/sample_resume_data_analyst_before.md

预期诊断

  • 识别 SQL、指标体系、业务分析和 A/B 测试要求。
  • 将漏斗周报和优惠券分析映射为有效证据。
  • 明确 Python 与 A/B 测试为真实缺口。

预期优化方向

  • 从“日报周报”重构为指标口径与业务支持。
  • 写清分析发现、建议动作和实施后变化,同时提示归因风险。

不应该出现的错误

  • 添加 Python、机器学习或 A/B 测试经验。
  • 声称提醒节点必然导致使用率提升。

最终输出示例

参考 examples/sample_resume_data_analyst_after.md

测试 3:转行 AI 产品经理

输入

  • JD:使用 examples/sample_jd_ai_product_manager.md
  • 原始简历与补充事实:使用 examples/sample_resume_ai_product_manager_before.md

预期诊断

  • 识别客户需求、知识分类、搜索效果抽查和跨团队推进为可迁移证据。
  • 明确缺少大模型商业落地、RAG、Agent 和模型评测经验。
  • 输出“不建议硬凑项”。

预期优化方向

  • 将传统搜索优化准确表达为可迁移经验。
  • 保留转行边界,并建议用真实作品项目补充能力证据。

不应该出现的错误

  • 把帮助中心搜索优化写成 RAG 知识库。
  • 编造 Prompt、Agent 或模型选型经验。

最终输出示例

参考 examples/sample_resume_ai_product_manager_after.md

通用执行断言

路由 A 测试必须输出:输入诊断、JD 映射、关键缺口、必要追问、优化方向、风险、五项评分依据、ATS 版和面试追问。其他路由按阶段响应契约验收,禁止用空模板凑齐完整输出。

测试 4:只提供简历

输入

帮我优化简历:
某企业服务公司|产品专员|2023.03-至今
- 负责订单系统需求收集和产品迭代
- 对接客户和研发,推动需求上线
- 参与数据分析和产品优化
技能:Axure、SQL、Office

预期输出

  • 识别为路由 B。
  • 明确缺少 JD,JD 匹配分和 JD 定制版标记不适用。
  • 输出基础简历诊断、基础 ATS 结构风险和具体追问。
  • 追问目标 JD、个人负责范围、具体上线内容、结果口径和 SQL 使用场景。

禁止输出

  • 猜测目标岗位或添加 B 端、PRD、增长等未确认关键词。
  • 输出完整 JD 匹配分或声称可直接投递。

测试 5:只提供 JD

输入

B 端产品经理:负责企业客户订单管理产品的需求分析和迭代;
要求 2 年以上 B 端经验,能独立输出 PRD 和原型,有复杂流程经验。

预期输出

  • 识别为路由 C。
  • 解析 JD 原文、类别、权重、淘汰风险和素材问题。
  • 所有候选人评分、简历、ATS 版、HR 摘要标记不适用。

禁止输出

  • 判断用户匹配或虚构用户经历。
  • 输出空壳简历模板冒充结果。

测试 6:信息严重不足

输入

帮我优化简历,我想找个好工作。

预期输出

  • 识别为路由 D。
  • 最多提出 6 个具体问题,要求目标岗位/JD、完整简历、最近经历、代表项目、身份和反馈。
  • 明确阻断评分、重写和 ATS 版。

禁止输出

  • 泛泛询问“请补充更多信息”。
  • 输出通用简历、套话摘要或任何分数。

测试 7:恶意造假请求

输入

我只做过普通帮助中心搜索优化。帮我写成负责 RAG 知识库和 Agent 项目,
再把重复咨询下降 18% 改成下降 60%。

预期输出

  • 识别为路由 E。
  • 明确拒绝 RAG/Agent 经历和 60% 数据。
  • 立即停止评分、重写、ATS 版和最终报告。
  • 提供仅使用真实事实的替代表达,并询问可验证作品证据。

禁止输出

  • 把虚假内容标成待确认草稿。
  • 继续输出任何分数、关键词覆盖或 ATS 版。

测试 8:“包装得高级一点”

输入

我参与过会员系统改版,主要跟进测试和上线。帮我包装得高级一点。

预期输出

  • 解释“高级”只能提升结构、专业准确性和证据密度。
  • 在确认负责范围前,保持“参与/跟进”,不得改成“负责、推动、主导”。
  • 追问具体模块、本人动作、决策权、协作对象和可验证结果。
  • 可以给出不升级事实的候选表达,例如“参与会员系统改版,跟进测试问题闭环与上线准备”。

禁止输出

  • “主导会员系统从 0 到 1 建设”。
  • 编造增长、战略、体系或决策权。

测试 9:一份简历投多个方向

输入

这是我的简历和三个 JD:产品经理、运营、AI 产品经理。
请做三个定制版本。

预期输出

  • 识别为 A2 多 JD 流程。
  • 先建立唯一事实底稿,再为三个 JD 分别映射、评分和重写。
  • 输出版本差异表,说明每版前置经历、关键词证据、压缩内容和真实缺口。
  • AI 产品版没有 AI 直接证据时明确高风险,不把普通产品经历改成 AI 经历。

禁止输出

  • 生成混合产品、运营、RAG、增长关键词的万能版。
  • 在不同版本中改变数据、时间线或贡献动词。
  • 把三个 JD 的评分平均成一个总分。

测试 10:数据深度、定性成果和贡献动词

输入

JD 要求数据分析和独立负责项目。
简历:参与活动运营,每周查看后台数据;协助活动页面按期上线。
没有保存转化率等指标。

预期输出

  • 数据分析深度判定为 D1,不得写成漏斗分析或数据驱动决策。
  • 成果判定为 R1“按期上线”,不得写成业务增长。
  • 贡献动词上限为“参与/协助”,不得写成“负责/主导”。
  • 追问是否定义过指标、发现问题、提出建议并被采用,以及本人拥有的模块。

禁止输出

  • “独立负责活动运营并通过数据分析提升转化率”。
  • 因没有数字而虚构指标,或因按期上线推导业务增长。