简历大师

SKILL效率
效率 未标注权限 许可证不明确
安装这个技能

面向中文求职者的简历诊断、JD 匹配、经历改写、转型适配、ATS 检查与面试故事准备技能。适用于用户提出优化简历、根据岗位改简历、简历打分、STAR/CAR 改写、转行简历、ATS 兼容检查、面试故事准备等请求;不用于伪造经历、岗位搜索、薪资欺骗、绕过招聘筛选或替代法律/签证/背调专业判断。

一句话选型结论

按资料字段整理

简历大师是效率类的 Agent Skill,安装方式未标注,权限级别未标注,许可证不明确,有可直接复制的安装命令。技能本质是给模型读的说明书,效果取决于模型与客户端;装完先用一个小任务验证,再放进正式流程。

分类效率 安装方式未标注 权限级别未标注权限 许可证许可证不明确
累计安装 未标注 本周 未标注
GitHub 星标 未标注 仓库 未标注
下载量 未标注 技能市场下载数
权限级别 未标注权限 安装前请确认风险范围
许可证 许可证不明确 未说明

安装

未标注
在支持 Skills 的客户端里执行,装完问一句「你有哪些技能」验证
skillhub install user_cae83fba/resume-master-pro
  1. 1
    确认客户端支持

    确认你的客户端支持 Skills(Claude、Codex、Cursor 等),并升级到较新的版本。

  2. 2
    拿到技能文件

    执行上面的命令安装;也可以把仓库里的 SKILL.md 手动放进客户端的 skills 目录。

  3. 3
    刷新技能列表

    重新打开客户端,或刷新技能列表,让新放进来的技能被加载。

  4. 4
    验证是否生效

    问一句「你有哪些技能」,确认列表里出现它,再拿一个小任务试跑。

技能档案

效率
字段来自技能仓库与公开索引,中文说明由本站标注
作者 / 维护方user_cae83fba仓库 未标注 · 版本 未标注
宿主客户端未标注技能可被这些客户端加载
安装方式未标注安装包 community
权限级别未标注权限安装前请确认风险范围
许可证未说明许可证不明确,商用前请自行确认条款
仓库可用性available技能仓库当前是否可访问
最近核验未标注上游最后核验时间 · 数据更新 1791736980
正文体量23.0 KBSKILL.md 原文大小,越大说明说明书写得越细

典型使用场景

3 类
按分类整理的常见用法,具体以 SKILL.md 为准
整理待办与日程

把零散任务收进清单,排出优先级。

批量处理重复任务

把固定动作做成模板,重复执行。

把流程写成清单

把口头流程整理成可复用的步骤。

选择建议

装之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有可直接复制的安装命令,不用自己翻文档找入口。

先想清楚的地方

  • 没有标注权限级别,实际能做什么要装好后确认。
  • 许可证不明确,商用或二次分发前先到仓库确认条款。
  • 没有做站内核验,内容以作者仓库为准。
  • 技能只是说明书,实际效果取决于模型与客户端,装完先用小任务试一遍。

更适合

  • 需要在效率场景里给模型补一套做法的人。
  • 愿意先读一遍 SKILL.md、确认它会让模型做什么的人。

不太适合

  • 对许可证要求很严、必须明确可商用的人。
  • 只想装完就自动变强、不打算看说明书的人。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
技能权限级别安装方式累计安装宿主客户端安装命令
简历大师当前 未标注权限 未标注 未标注 未标注 有
Nano PDF 文档 联网访问 ClawHub 市场 424.9 万 OpenClaw 有
自动更新程序 浏览器控制 ClawHub 市场 296.4 万 OpenClaw 有
Gemini 助手 联网访问 ClawHub 市场 254.7 万 OpenClaw 有
word DOCX 文档 联网访问 ClawHub 市场 239.6 万 OpenClaw 有
Excel XLSX 前端 联网访问 ClawHub 市场 227.0 万 OpenClaw 有

SKILL.md 全文

23.0 KB
模型实际读到的说明书原文,来自技能仓库

简历大师

目标

把用户已有的真实经历,转化为更匹配目标岗位、更容易通过简历筛选、更能支撑面试讲述的简历内容。优先交付可直接修改或投递的结果,同时明确哪些信息来自用户确认,哪些仍需补充确认。

何时使用

当用户出现以下意图时使用本技能:

  • “帮我优化简历 / 简历润色 / 简历打分 / 简历体检”
  • “根据这个 JD 改简历 / 一岗一简 / 岗位匹配”
  • “这段经历怎么写得更有含金量 / 帮我改成 STAR/CAR”
  • “我要转行/转岗,简历怎么写”
  • “帮我检查 ATS / 关键词 / 格式”
  • “根据简历准备面试故事 / 面试官会怎么追问”

何时不用

  • 用户要求编造学历、公司、项目、证书、头衔、薪资、业绩数字或背调口径。
  • 用户要求岗位搜索、投递代投、薪资谈判、劳动仲裁、签证移民等非简历制作任务。
  • 用户没有提供任何真实经历,却要求生成完整“真实简历”。此时只可提供信息采集表或通用模板。
  • 用户要求绕过招聘筛选、隐藏关键事实或制造误导性履历。

七步工作流

每一步固定回答四件事:读什么、做什么、产出什么格式、缺输入时降级成什么形态。「产出物格式」一栏的字段顺序即契约,缺字段视为交付不合格。「降级形态」一栏是硬分支,材料不全时按它执行,不得停下、不得编造、不得用默认值填充用户事实。

步骤 输入 动作 产出物格式 缺输入时的降级形态
① 识别任务路由 用户原话、已粘贴的简历或 JD 片段 对照下方「路由表」判定唯一主路由,并标出可并行的次路由 路由声明一行:主路由:<名称>|次路由:<名称或无>|依据:<用户原话里的关键词> 用户只说「帮我优化简历」这类模糊请求时,列出各主路由分别需要的最小输入请用户点选,不替用户猜
② 检查输入完整性 路由判定结果、用户已给材料 按 references/intake-and-routing.md 的输入检查项逐条核对,分清已收到与缺失 材料清单:已收到:<简历/JD/目标岗位/年限>|缺失:<字段>|本轮可先做:<内容>|需用户回答:<最多 3 问> 缺 JD 时按通用体检继续并标注「未针对具体岗位」;缺简历时只出信息采集表;两者都缺时只出采集表与填写示例,不出诊断结论
③ 建事实台账并标证据等级 简历原文或用户口述的经历 按 references/evidence-rules.md §1 建 F1..Fn 台账,逐条标 原文直接引用、用户口述确认 或 待用户确认 台账表:编号|类型|原文摘录|证据等级。改写稿里每个数字都要能回指到编号 只给片段时只为该片段建台账,范围外内容不进改写;无法确认的一律写成 【待用户确认:具体问什么】,不写成空占位符
④ 读取对应参考模块 主路由 + 事实台账 读「路由表」指定的 reference。涉合规读 references/jd-compliance.md,涉真实性读 references/safety-and-truthfulness.md,改写前必读 references/evidence-rules.md 模块声明一行:本轮调用:<文件路径列表>,不省略,便于用户核对依据 模块内某项判断所需信息缺失时,只做该模块可做的部分,其余列入待确认,不套用行业默认值冒充用户情况
⑤ 执行主任务 事实台账 + 目标岗位或 JD 诊断走评分与优先级;匹配走 JD 拆解与证据映射;改写走 STAR/CAR 与动作动词;转型走能力迁移;ATS 走格式与关键词;面试走故事卡 按下方「输出契约」中对应产物类别的必含字段逐项填写 目标岗位不明时按通用岗位画像处理并标注「按通用画像评估」;JD 与经历差距过大时输出差距、可迁移能力与风险,不硬凑匹配度
⑥ 交付可操作结果 第 ⑤ 步的中间结果 取 templates/ 骨架填入用户真实内容,按「标准交付物」的命名写入 output/,标注每处来自台账还是待用户确认 产物文件,每份含「下一步动作」列,让用户知道改完这一处接着改哪一处 用户只要一句话改写时,直接给改写句加一行依据,不出完整报告;用户要文件时生成到 output/ 并说明校验结果
⑦ 真实性与面试可解释性 QA 已填好的产物文件 跑 references/final-qa-checklist.md 全部检查项;改写稿跑 scripts/fact_ledger.py,退出码非 0 不交付 质检结论:机检退出码:<0/1/2>|BLOCK:<条数>|待用户确认项:<条数>|投递建议:<可投/改后可投/暂不建议> 环境无 python3 时改用 references/evidence-rules.md §4.2 的人工数字差集表,并在产物里标注「人工核对,非机检」,不静默假装机检通过

路由表

「产出类别」一列只填「输出契约」里的 4 类产物名,不新增第 5 类。

用户意图 读取模块 产出类别 附加步骤
快速体检、简历打分 references/intake-and-routing.md、references/diagnosis-rubric.md 简历诊断报告 无
根据 JD 改简历 references/jd-keyword-mapping.md、references/experience-rewriting.md JD 匹配报告 + 经历改写表 JD 含六类歧视性条款时先跑 references/jd-compliance.md
判断该不该投这个 JD references/jd-compatibility.md JD 匹配报告 可用 scripts/jd_match.py 出 coverage_pct
单段经历改写 references/experience-rewriting.md、references/safety-and-truthfulness.md 经历改写表 改写前必读 references/evidence-rules.md 建台账
转行/转岗简历 references/transition-resume-playbook.md、references/jd-keyword-mapping.md 经历改写表 转型结论并入 JD 匹配报告的能力映射表
ATS 格式检查 references/ats-format-checklist.md 简历诊断报告(ATS友好 维度) 逐项判定用 templates/ats-check-result.md
面试故事准备 references/interview-story-playbook.md 面试故事卡 准备节奏用 templates/prep-checklist.md
终稿质检 references/final-qa-checklist.md、references/safety-and-truthfulness.md 简历诊断报告 全面逐项体检用 references/polish-checklist.md

输出契约

默认使用中文输出。输出收敛为 4 类产物,与 templates/ 下 4 个核心模板一一对应。同一轮可交付其中一类或多类,但每一类都必须落在下表的必含字段上。

产物类别 对应模板 必含字段(顺序即契约) 何时产出
简历诊断报告 templates/resume-diagnosis-report.md 结论摘要(总分、当前状态、最影响筛选的问题)→ 分项评分表(维度名取 references/scoring-profiles.json 的 dimensions,六维含基线分/终稿分/提升)→ Top 修改动作(优先级/问题/为什么重要/怎么改/需用户补充)→ 待确认信息 快速体检、终稿质检
JD 匹配报告 templates/jd-matching-report.md 硬门槛判定卡(学历/年限/证书/地点 × 要求值/简历实况/是否达标/判定依据)→ 投递优先级(高/中/低 × 判定条件/后续动作/触达上限)→ 关键词覆盖率 → JD 核心要求表(硬条件/核心职责/能力关键词/隐含标准/ATS 关键词)→ 简历证据映射表(要求/已有证据/缺口/改写方向/风险)→ 简历结构调整 → 一岗一简改写建议 → Top3 差距与下一步 一岗一简、投递可行性判定
经历改写表 templates/rewritten-experience-table.md 原句 → 主要问题 → 数字来源(台账编号)→ 稳健改写 → 冲刺改写 → 对应能力 → S 族分级 → 改写说明(含机检退出码) 经历改写、转型适配
面试故事卡 templates/interview-story-card.md 故事形态(成果/难题/协作/决策/反思)→ 题型标签(A 验证 / B 差距 / C 场景 / D 探底 / E 动机)→ 对应简历 bullet → 台账编号 → S/T/A/R → 个人贡献边界 → 数据解释口径 → 追问链(至少一层)→ 90 秒与 30 秒双版本 → 风险提醒。两个标签分属不同维度,详见 references/interview-story-playbook.md 面试故事准备、面试可讲性复核

字段缺任一项即视为交付不合格,须补齐后再交付。

四类之外的辅助交付(ATS 复核结果表、评分可视化、面试准备清单、投递跟进话术、简历版本策略)按需追加,模板见「资源索引」,它们是上述四类产物的补充,不构成独立的第五、第六类产物。

质量门禁

交付前自检:

  • 是否基于用户真实材料,不编造事实?
  • 是否明确区分已确认事实和待确认信息?
  • 是否围绕目标岗位/JD,而非泛泛润色?
  • 是否把“负责/参与/协助”改成动作、场景、结果和个人贡献?
  • 是否避免过度堆关键词,保持自然可读?
  • 是否能支撑面试追问,而不是只在纸面好看?
  • 是否给出用户下一步能直接执行的修改动作?

资源索引

核心 playbook(references/,14 个 Markdown + 3 个 JSON)

  • 任务路由与输入检查:references/intake-and-routing.md,需要判断用户意图归属哪条路由、或信息不足以选路由时读它。
  • 评分标准:references/diagnosis-rubric.md,需要给简历打分或输出分项诊断时读它。
  • JD 与关键词:references/jd-keyword-mapping.md,用户提供了 JD 或目标岗位、要做一岗一简时读它。
  • 经历改写:references/experience-rewriting.md,要把具体经历改成 STAR/CAR 或简历 bullet 时读它。
  • 转型适配:references/transition-resume-playbook.md,用户跨行业、跨职能、跨职级转岗时读它。
  • ATS 与格式:references/ats-format-checklist.md,做机器可读性、关键词与格式合规检查时读它。
  • 面试故事:references/interview-story-playbook.md,准备面试讲述、预测追问时读它。
  • 真实性边界:references/safety-and-truthfulness.md,任何涉及夸大、造假、隐私、背调风险的处理前必须读它。
  • 证据台账与三段式复核:references/evidence-rules.md,改写任何经历前必读,它定义事实台账格式、证据等级、E 族四态对照与三段式复核流程。
  • 案例与话术资产索引:references/phrase-and-case-assets.md,需要查改写范例与分场景表达时读它,配套详例在 examples/。
  • 终稿质检:references/final-qa-checklist.md,投递前做最后一轮自检时读它。
  • 投递可行性判定:references/jd-compatibility.md,用户给了 JD 且要先判断值不值得投时读它,含四类硬门槛规则与三档结论。
  • JD 合规提醒:references/jd-compliance.md,JD 原文含性别、民族、宗教、婚育、户籍、地域方面限制时读它,只提原句不下法律结论。
  • 深度体检清单:references/polish-checklist.md,用户要逐项体检或投递前全面自查时读它,含 8 大类 45 项,修复动作已预置。

机器可读配置(references/,3 个 JSON)

三个 JSON 是脚本与模型的共同数据源,改内容前先读文件头的 _note 与 forbidden 字段。

  • references/scoring-profiles.json:全包评分唯一数据源。含 5 个人群权重、8 档等级与每档绑定动作、三个符号族的机器可读定义。需要打分、算等级、判定符号族归属时读它;references/diagnosis-rubric.md 的权重列只引用本文件。
  • references/job-direction-profiles.json:6 个求职者侧岗位方向档案(product/operation/sales/customer-success/marketing/tech),每方向 9 字段。判断目标岗位语言、组织改写方向、给转型用户做能力映射时读它。
  • references/industry-keywords.json:6 行业 × 4 组关键词与同义词映射,供 scripts/jd_match.py --industry 做词召回。需要按行业补关键词、解释召回口径时读它。

输出模板(templates/,9 个)

模板是空白骨架,供填空使用;对应产物是填好内容后的交付文件,写入 output/。两者刻意不同名,区分方式是文件路径而非文件名。

其中前 4 个是「输出契约」四类产物的骨架,优先使用;后 5 个是辅助交付模板,按需取用。

  • templates/resume-diagnosis-report.md:诊断报告骨架,含结论摘要与分项评分表,对应产物 output/resume-diagnosis.md。
  • templates/jd-matching-report.md:JD 匹配报告骨架,含 JD 要求拆解表与证据映射,对应产物 output/jd-match-matrix.md。
  • templates/rewritten-experience-table.md:经历改写表模板,空白七列表格,改写前先读它取得列结构,对应产物 output/experience-rewrite.md。
  • templates/interview-story-card.md:面试故事卡骨架,含 STAR 字段与追问位,对应产物 output/interview-stories.md。
  • templates/score-visualization.md:评分可视化骨架,含雷达图/分段条/前后对比三形态,交付评分时读它;数值必须从 references/scoring-profiles.json 渲染。
  • templates/ats-check-result.md:ATS 检查结果表骨架,数据源为 references/polish-checklist.md 第 8 大类,做 ATS 复核时读它。
  • templates/prep-checklist.md:面试准备清单骨架,含 ≤3天/7天/14天三档与五块必含,用户问「怎么准备面试」时读它。
  • templates/follow-up-templates.md:投递跟进话术骨架,含 6 场景 × 3 段结构,投递后要跟进或被问敏感问题时读它。
  • templates/version-strategy.md:简历版本策略骨架,多版本并存或投递前核对时读它。

示例资产(examples/,7 个)

  • examples/case-library.md:分行业、分岗位的经历改写正反例,bullet 改写缺参考时读它。
  • examples/phrasebook.md:分场景表达话术,用户问「怎么写得更好」时读它。
  • examples/safety-gray-zone-cases.md:真实性灰区案例与处置方式,触碰边界判断时读它。
  • examples/before-after/README.md:前后对比样本采集格式与当前真实样本状态声明;需要证明工具有效或复盘改写接受度时读它。
  • examples/quick-check.md:快速体检的完整交互示例,用户只给简历没给 JD 时读它。
  • examples/career-transition.md:转型适配的完整交互示例,用户跨行转岗时读它。
  • examples/jd-tailoring.md:一岗一简的完整交互示例,用户给了 JD 要求定制时读它。

QA 资产(qa/)

  • 测试用例:qa/test-prompts.md,60 条测试 Prompt,覆盖触发、澄清、拒绝、误触、JD 合规五类。
  • 触发实测结果:qa/trigger-test-results.json,逐条 Prompt 的实际行为回归记录。
  • 回归报告:qa/regression-report.md,60 条回归的实际结果、方法边界、未覆盖项与等级阈值回校准计划。
  • 评分与交付契约:qa/skill-scorecard.md(TRACE 与 Depth 自评表,口径为「自评 · 未经完整验证」)、qa/delivery-contract.md(输出结构契约)。
  • 资产来源追溯:qa/source-map.md(蒸馏资产到落地位置的映射)、qa/p1-p2-closure-audit.md(P1/P2 问题闭环记录)、qa/source-implementation-audit.md(源材料落地审计)。
  • 红线基线:qa/locked-baseline.sha256,三个 R2 锁定项的 sha256 基线,供 check_locked_hashes() 做门禁比对。

工具脚本(scripts/)

  • scripts/validate_package.py:包体权威校验脚本,检查必填文件、frontmatter、package.json 一致性、内容卫生、符号族撞车与资源索引孤儿,交付前必须实跑通过。
  • scripts/fact_ledger.py:事实台账机检脚本,比对改写稿与事实台账,台账外数字判BLOCK、台账外实体与归因升级判 WARN,三段式复核第 ② 步强制调用。
  • scripts/jd_match.py:JD 硬门槛与覆盖率机检脚本,判定学历/年限/证书/地点四类门槛,输出 coverage_pct 与可投需改/勉强/不建议投三档结论,--industry 可追加行业词召回。
  • scripts/export_resume.py:把已填好的交付表导出为投递用文档,交付前可实跑确认文件可读。

渐进加载策略

为避免普通任务被资料淹没,按用户意图读取材料:

  1. 只有简历文本:先读 references/intake-and-routing.md、references/diagnosis-rubric.md、references/final-qa-checklist.md。
  2. 有目标 JD:追加读取 references/jd-keyword-mapping.md,输出岗位匹配矩阵。
  3. 要求改经历 bullet:追加读取 references/experience-rewriting.md 与 examples/case-library.md。
  4. 转行/转岗:追加读取 references/transition-resume-playbook.md。
  5. ATS 格式检查:追加读取 references/ats-format-checklist.md。
  6. 面试故事准备:追加读取 references/interview-story-playbook.md。
  7. 涉及夸大、造假、隐私或背调风险:必须读取 references/safety-and-truthfulness.md 与 examples/safety-gray-zone-cases.md。
  8. 需要更自然的话术:读取 references/phrase-and-case-assets.md 与 examples/phrasebook.md。
  9. JD 原文含性别、民族、宗教、婚育、户籍或籍贯方面限制:必须读取 references/jd-compliance.md,按其口径只引原句、只转述规定意思,不下法律结论。
  10. 改写任何经历之前:必须读取 references/evidence-rules.md 建事实台账,交付前跑 scripts/fact_ledger.py。

标准交付物

产物指填好用户真实内容后的交付文件,写入当前会话 output/ 目录。产物名与模板名刻意不同名,靠前缀区分:templates/ 下是空白骨架,output/ 下是本次交付结果。这样用户看到 output/ 里的文件就知道那是可直接用的成品,不会误当成待填模板。

产物(写入 output/) 对应模板(templates/) 内容
output/resume-diagnosis.md templates/resume-diagnosis-report.md 总分、分项评分、Top 修改动作、待确认信息。
output/jd-match-matrix.md templates/jd-matching-report.md JD 要求拆解、简历证据映射、结构调整、一岗一简改写建议。
output/experience-rewrite.md templates/rewritten-experience-table.md 原句、问题、数字来源、稳健改写、冲刺改写、对应能力、S 族分级。
output/interview-stories.md templates/interview-story-card.md STAR 故事、追问链、个人贡献边界、数据解释口径、风险提醒。

若用户没有要求文件交付,可在对话中按同等结构输出;若要求正式文档,应生成可下载文件并说明验证结果。

异常与降级处理

  • 输入不足:只问影响结果可信度的最少问题;非必要字段标记为待补充,不阻塞初稿。
  • 事实不确定:用“待用户确认”标注,不把推测写成事实。
  • 用户要求造假:拒绝编造,改为提供真实经历挖掘表、保守表达或补充证明建议。
  • JD 与经历严重不匹配:不硬凑,输出匹配差距、可迁移能力和风险提示。
  • 材料过长:先做结构化抽取,再分模块改写,避免一次性重写导致信息丢失。
  • 用户只要美化排版:先提醒内容真实性与岗位匹配仍是主线,再给格式建议。

发布前验证

上架或交付前检查:

  • 执行 python3 scripts/validate_package.py,要求输出 "ok": true 且退出码为 0。该脚本是包体唯一权威校验入口,纯标准库实现。
  • YAML front matter 可解析,name 为英文 slug,displayName、version、author、license、category、description、prerequisites 均已填写。
  • prerequisites.python_pkgs 保持为空列表,用于机检「无第三方依赖」,不得填入任何包名。
  • 顶层目录名与 name 严格一致且不含版本号(resume-master/),否则触发 PKG004 门禁。
  • package.json.name、package.json.version 与 SKILL.md 对应字段一致,license 为合法 SPDX 标识符,files 覆盖 LICENSE、references、templates、examples、qa、scripts。
  • LICENSE 文件存在,且其 SPDX-License-Identifier 与 frontmatter 的 license 一致。
  • 关键引用文件均存在,Markdown 与 JSON 资产均被本文「资源索引」覆盖,且无本机绝对路径、占位符、日志、压缩包嵌套。
  • qa/source-map.md、qa/p1-p2-closure-audit.md、qa/test-prompts.md、qa/source-implementation-audit.md、qa/trigger-test-results.json、qa/regression-report.md、qa/locked-baseline.sha256 均存在。
  • 测试 Prompt 数量与文档口径一致(当前 60 条),至少覆盖触发、澄清、拒绝、不要误触、JD 合规五类。
  • 三个 R2 锁定项(references/ats-format-checklist.md、references/transition-resume-playbook.md、references/safety-and-truthfulness.md)剥离 v2.0-append 标记块后的 sha256 与 qa/locked-baseline.sha256 一致。
  • 压缩包文件名带版本号(如 resume-master-v2.0.0.zip),包内顶层目录名不带版本号(恒为 resume-master/)。
  • _meta.json 的 publishedAt 由平台或用户在发布时写入,技能包本身不代劳、不预填。

打包、验证与引用规则

  • 所有最终交付物默认写入当前会话 output/ 目录;如用户指定统一项目目录,应在该目录下保留完整技能包与可下载 ZIP。
  • 交付前必须执行验证:python3 scripts/validate_package.py 输出 ok: true,即满足 YAML front matter 可解析、package.json 与 SKILL.md 一致、引用文件存在、测试 Prompt 数量达标、无本机绝对路径、无内部历史占位符污染。
  • 对外回复只说明文件名与相对位置,禁止手写或猜测 local-file://、盘符、用户主目录等不可移植引用。
  • 打包时剔除 .DS_Store、__MACOSX、日志、临时文件、运行态缓存、隐藏上传态文件和不必要的嵌套 ZIP。
  • 若验证失败,必须先说明失败原因、降级交付内容和下一步修复动作;不得把失败包包装成正式可发布版本。

常见问题

5 问
答案由本站依据条目字段整理
简历大师怎么安装?

在支持 Skills 的客户端里执行:skillhub install user_cae83fba/resume-master-pro。安装方式为未标注。装完刷新技能列表或重开客户端。

简历大师支持哪些客户端?

资料没有标注宿主客户端,但只要客户端支持 Skills(Claude、Codex、Cursor 等),一般都能加载。

简历大师权限高吗,安全吗?

权限级别为未标注权限。安装前先看它会读取或写入哪些内容。

简历大师收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于技能本身和所用的模型或客户端,正式使用前按作者说明确认。

简历大师用什么许可证?

许可证标注为 未说明(许可证不明确)。商用或二次分发前请到仓库确认条款原文。

热门专题

按场景挑技能
全部专题 →

技能内容以作者仓库为准;分类、权限级别与许可证状态的中文说明为中文整理,最近核验 未标注。