resume-skill
简历生成与美化。两种入口:把已有简历(PDF/Word/文本)解析、诊断、套用模板美化;或者还没有简历时,通过 LinkedIn 导入或一问一答的对话帮你从零建出一份。输出单页打印优化的 HTML(浏览器里 Cmd+P 直接存成 PDF),提供 4 套模板:Classic/ATS 友好、Modern 侧栏、Elegant 衬线、Tech 紧凑。关键词:resume, CV, 简历, 美化简历, 做简历, 简历模板, resume template, LinkedIn 简历, 求职简历, ATS, 改简历, polish resume。
git clone --depth 1 https://github.com/yanliudesign/offer-toolkit-skill /tmp/resume-skill && cp -r /tmp/resume-skill/resume-skill ~/.claude/skills/resume-skillSKILL.md
# Resume Skill — 简历生成与美化 把"我需要一份好看的简历"变成一条稳定流程:**所有素材先汇入一份标准化的结构化数据,再套模板渲染**。这样换模板只是换皮,内容不丢;美化和从零创建走的是同一条后半段。 ## 三条第一原则 1. **绝不杜撰。** 所有经历、职责、数字都必须来自用户真实提供的内容。可以引导、追问、帮他把模糊的说清楚、把弱 bullet 改强,但绝不编造公司、职位、成果或量化数字。**任何数字都要向用户求证**,不确定就标记 `[待确认]` 而不是猜一个。 2. **一次只问一个问题。** 对话式建简历是访谈不是问卷。问一个 → 等回答 → 顺着追问。永远不要一次抛一串问题。 3. **先结构化,再渲染。** 不管入口是哪条,都先把内容整理成 `schema/resume-data.md` 定义的字段,确认无误后才套模板出 HTML。 --- ## 路由:用户进来时先判断意图 | 用户说的话 | 走哪条流程 | |---|---| | "帮我美化简历" / "改简历" / 上传了一份已有简历(PDF/docx/txt/md) | **美化已有简历** → `prompts/beautify.md` | | "我还没简历,这是我 LinkedIn" / 贴出 linkedin.com 链接 | **LinkedIn 导入** → `prompts/linkedin-import.md` | | "我没有简历,帮我做一份" / "通过聊天帮我做" | **对话式建简历** → `prompts/interview.md` | | "换个模板" / "这套不好看" | 已有结构化数据时,直接重渲染(见下方渲染流程) | 判断不了就问一句: > "你是**已经有一份简历想美化**,还是**从零开始做一份**?从零的话,你更想**贴 LinkedIn 链接**让我导,还是**咱们聊一聊**我帮你问出来?" --- ## 美化已有简历 详见 `prompts/beautify.md`。要点: 1. **读取**用户提供的简历(可读 PDF / 复制粘贴的文本 / Word 导出)。Claude 可直接 Read PDF。 2. **解析**进 `schema/resume-data.md` 的字段,缺失项标 `[缺失]`。 3. **诊断**(对照 `guides/writing-tips.md`):哪些 bullet 没有量化结果、哪些是职责堆砌而非成果、排版/长度/时间线问题、ATS 风险。给出一份简短诊断清单。 4. **征求同意再改内容**:问用户"我可以顺手把这几条弱 bullet 改强吗?(不改事实,只改表达)"。用户同意才改,且改完逐条让其确认数字。 5. **选模板 → 渲染**(见下方)。 --- ## LinkedIn 导入 详见 `prompts/linkedin-import.md`。要点:现实是 LinkedIn 有登录墙,直接抓公开 URL 经常被拦。流程会先尝试 WebFetch,拿不到就引导用户用 LinkedIn 的"Save to PDF"导出个人资料或复制粘贴各板块内容,再解析进 schema。 --- ## 对话式建简历 详见 `prompts/interview.md`。一问一答,按 联系方式 → 目标岗位 → 每段经历(公司/职位/时间 → 做了什么 → 成果数字) → 教育 → 技能 的顺序,挖一段结构化一段,最后汇总进 schema。 --- ## 渲染流程(三条入口共用的后半段) 1. **确认结构化数据**:把整理好的 `resume-data` 内容回显给用户,确认无误(尤其数字)。 2. **选模板**:13 套,问用户偏好(默认推荐 Classic/ATS,因为海投最稳): | 模板 | 文件 | 适合 | ATS | |---|---|---|---| | **Classic / ATS** | `templates/classic-ats.html` | 单栏无花哨,机器可解析,大公司海投最稳 | ✅ 友好 | | **Ledger 学术工程** | `templates/ledger.html` | LaTeX 风衬线,公司/日期两端对齐,嵌套子弹,软件/数据/工程岗 | ✅ 友好 | | **Tech 紧凑** | `templates/tech-compact.html` | 高信息密度+等宽点缀,工程师把多项目塞进一页 | 🟡 尚可 | | **Modern 侧栏** | `templates/modern-sidebar.html` | 双栏+深色侧边栏,现代感强 | 🟡 一般 | | **Pillar 信息卡** | `templates/pillar.html` | Enhancv 风,蓝点缀+技能胶囊+图标成就+语言进度点,产品/市场/PM | 🟡 一般 | | **Elegant 衬线** | `templates/elegant-serif.html` | 衬线居中编辑风,设计/咨询/市场等偏人文岗 | 🟡 一般 | | **Atelier 极简** | `templates/atelier.html` | 大量留白+细字大写名+竖线分栏,设计/创意/审美岗 | 🟡 一般 | | **Timeline 时间轴** | `templates/timeline.html` | 左侧竖向时间轴脊柱,一眼看出职业成长轨迹 | 🟡 一般 | | **Swiss 栅格** | `templates/swiss.html` | 瑞士栅格,粗体 Helvetica + 红点缀,设计/品牌/创意 | 🟡 一般 | | **Executive 高管** | `templates/executive.html` | 藏青衬线,稳重有分量,金融/咨询/高管/资深领导 | 🟡 一般 | | **Editorial 刊物** | `templates/editorial-banner.html` | 三栏刊物式顶部 + 红衬线 + 底部已名巨型色带,品牌/内容/编辑 | 🟡 一般 | | **Photo Corporate 公司头像** | `templates/photo-corporate.html` | 深色 banner + 圆形头像,侧栏带技能进度条 + 竖向时间轴 + References,营销/项目/商务 | 🟡 一般 | | **Photo Minimal 红点约头像** | `templates/photo-minimal.html` | 红点缀 + 分体衬线名字 + 圆形头像,侧栏 Awards + Skills,设计/创作/portfolio | 🟡 一般 | 选模板提示:**海投/过机器筛 → Classic/ATS 或 Ledger**;**人直接看/内推/作品集向 → 其余几套更出彩**。 3. **渲染**:读取选定模板,**保留其 `<style>` 不动**,把示例内容替换成用户的真实数据,删掉用不到的板块(模板里每个 `<section>` 可整块删)。生成一个自包含的单文件 HTML。 4. **同时输出可编辑版**:再生成一份 `<姓名>-resume-<模板>-editable.html`,加上 `contenteditable` + 浮动工具条(详见 `prompts/editable-version.md`)。打印时编辑高亮和工具条自动隐藏,PDF 输出干净。 5. **输出**:两个文件都保存为 `<姓名>-resume-<模板>.html` 和 `<姓名>-resume-<模板>-editable.html`。按用户全局偏好默认存到 `/Users/yanliu/Desktop/Claude skills/`(其他用户则存当前目录或询问)。 6. **告诉用户怎么转 PDF**:浏览器打开 → `Cmd+P` → 目标选"另存为 PDF" → 边距设 None/Default、勾选背景图形 → 保存。editable 版可以先在浏览器里点字微调再 `Cmd+P`,工具条上有现成按钮。 7. **可换模板重渲染**:结构化数据已在手,用户说"换 Modern 试试"就直接读另一套模板重渲染,无需重新采集。 --- ## 渲染时的硬规则 - **一页优先**:经验 <10 年应控制在 1 页;资深可 2 页。内容超了优先精简 bullet,不要缩到看不清。 - **不动模板 CSS**:模板的版式/配色是设计好的,只替换内容文本。用户想调色再单独问。 - **空板块整块删**:没有的板块(如 Publications)连同 `<section>` 一起删,不要留空标题。 - **真实数据**:任何示例里的 placeholder 数字都必须换成用户真实数据或 `[待确认]`,绝不把模板示例数字留在成品里。 - **联系信息脱敏提醒**:如果用户要公开分享,提醒电话/地址是否需要打码。 --- ## 配套文件 - `schema/resume-data.md` — 标准结构化字段(所有流程的中转格式) - `prompts/interview.md` — 对话式采集脚本 - `prompts/linkedin-import.md` — LinkedIn 导入与降级方案 - `prompts/beautify.md` — 已有简历解析与诊断 - `prompts/editable-version.md` — 把成品升级成浏览器可编辑版的注入片段 - `guides/writing-tips.md` — bullet 写法、量化、ATS 关键词、常见错误 - `templates/*.html` — 13 套打印优化模板
求职工具包。把「找岗位 → 签 offer」拆成六个独立子 skill:⓪ Job Hunt 批量发现岗位,① Job Description 解码具体 JD,② Resume 定向简历,③ BQ 准备行为面试,④ Offer Compare 对比多份 offer,⑤ Salary Negotiation 谈 package。任何求职相关请求(找工作、该不该投、改简历、准备面试、选 offer、谈薪)都从这里进,再路由到对应子 skill。关键词:求职, offer, career, job hunt, LinkedIn jobs, JD, resume, CV, behavioral interview, BQ, STAR, offer compare, salary negotiation, 薪资谈判, 选 offer。
行为面试 skill。帮求职者挖掘真实经历、用 STAR/CAR 结构化、映射能力标签、构建可复用的中英双语故事库(Story Bank);并能接入 JD + 简历,针对具体岗位生成 Top 20 BQ 选题 + 基于真实经历的 STAR 准备模板(HTML 报告)。不是背答案,而是建立可复用的职业叙事体系,让任何行为面试题都能自然作答。关键词:behavioral question, BQ, 行为面试, STAR, 故事库, Amazon LP, 职业故事, tell me about a time, 面试准备, JD 面试题预测, top 20 题。
Job Description 解码器 + Offer 策略系统。把任何 JD 翻译成「这家公司到底在招什么人 / 我的匹配度 / Gap 在哪 / 为什么投/不投 / 面试会问什么 / 下一步怎么走」。只有 3 步:贴 JD → 给简历 → 自动生成并打开一份 HTML Offer Strategy Report。是整个求职链路的入口,向下衔接 Resume Skill 和 BQ Skill。关键词:job description, JD, 职位描述, 匹配度, ATS, resume tailor, 简历定制, 招聘经理, 投不投, should I apply, 面试预测, offer strategy。
批量发现、整理和持续维护求职岗位清单。根据用户的简历、目标方向或种子 JD,搜索 LinkedIn 与公开网页,去重并建立尽量完整的候选池,用证据区分已核验事实和方向性推断,最后生成可搜索、可筛选的单文件 HTML job-hunt-skill 报告。用户说‘帮我批量找岗位’、‘整理职位清单’、‘使用 job-hunt-skill’、‘根据简历搜工作’、‘把这些 LinkedIn 职位做成表格’、‘持续跟踪岗位’时必须使用。只发现和分析岗位;绝不自动申请、处理登录凭据或绕过访问限制。
LinkedIn 岗位发现与匹配排序。根据用户给的一份种子 JD 和简历,提取目标岗位画像,自动生成多组 LinkedIn Jobs 搜索,采集、去重并按证据给岗位分层,最终输出可直接投递的 shortlist。用户说‘帮我找工作’、‘在 LinkedIn 搜适合我的岗位’、‘找相似职位’、‘根据简历推荐岗位’、‘job search’、‘find jobs like this’时必须使用。只搜索和推荐,不自动投递、不代替用户登录、不绕过验证码。
Offer 对比决策器。用户同时拿到两份(或多份)offer 纠结怎么选时,扮演 Senior Career Decision Advisor:结构化对比 comp / 成长 / AI 敞口 / 公司强度 / 团队风险 / 晋升速度 / 生活方式,识别 front-loaded vs long-term upside、resume value、switch-out 难度、hidden risks,最后给一条**明确、有立场、不中性**的推荐(并附「你是 X 类人选 A,你是 Y 类人选 B」的分叉判定)。三步:贴两份 offer → 补 priorities & 现状 → 自动生成并打开一份 HTML Offer Decision Report。是 offer-toolkit 里 JD Skill / Resume Skill / BQ Skill 拿到结果之后的下一环。关键词:offer compare, 选 offer, 两个 offer, offer decision, TC compare, 该去哪家, which offer, 4-year TC, RSU, sign-on, front-loaded, long-term upside, career decision。
薪资谈判教练。模拟前 FAANG 招聘官 + 薪酬策略师,把「拿到 offer → 签字」这一步拆成 6 个动作:Offer 诊断(Base / RSU / Sign-on / Bonus 每项标 LOW/MED/HIGH leverage)→ 谈判杠杆图(我的力量 / 招聘官的力量 / 弱点)→ 策略排序(Base → RSU → Sign-on → Bonus,按 context 调整)→ 脚本生成(电话 / 邮件 / 招聘官回话模拟)→ Counter 模拟("这是最好的了" / "预算固定" / "会考虑其他候选人" 三种硬回答)→ 最终建议(要什么 / 别推什么 / 何时停)。三步:贴 offer → 说 context(有没有竞争 offer / deadline / 级别 / 风险偏好 / 最看重什么)→ 自动生成并打开一份 HTML Negotiation Playbook。关键词:salary negotiation, offer negotiation, comp negotiation, RSU, sign-on, base salary, counter offer, competing offer, TC, total comp, 薪资谈判, offer 谈判, 谈薪, 反 offer, 加薪, 谈 package, levels.fyi, 招聘官话术, recruiter script。