Resume Customizer
首次使用
先初始化：python scripts/setup.py（检查环境 → 装依赖 → 从示例模板生成数据文件），
然后把数据目录下的 config/profile.yml 与 references/project-library.md 换成真实信息。
数据目录（由 scripts/paths.py 决定）：skill 安装（npx skills add -g）→ ~/.resume-pilot/；克隆为项目 → 项目目录内。
规则文件（SKILL.md、方法论文档）随 skill 目录走，用户数据（档案/弹药库/故事库/问题库/output/）都在数据目录。
不可把数据写在 skill 目录内：skills update 会 rm -rf 该目录（见 paths.py 模块注释）。
> 查看当前数据目录：python scripts/check-data.py --where｜多套数据/测试隔离：环境变量 RESUME_PILOT_HOME。
> ⚠️ 未初始化时（数据目录无 config/profile.yml）：先按 references/getting-started.md 做首次接触引导——介绍能做什么 → 给三步开始 → 再执行 scripts/setup.py；不得直接报错或编造数据。
> ⚠️ 仍为示例数据时（profile.yml 为张三等）：提醒用户先替换（generate_md.py 已内置告警）。
详见 README.md。
Overview
基于求职者真实经历（来源：references/project-library.md 项目弹药库 + config/profile.yml 基础档案，可选叠加用户提供的简历），结合目标公司公开信息与岗位JD，生成与岗位高度匹配的定制化简历（resume.md）及面试准备材料（interview_prep.md）。
核心价值：选择优于优化——从弹药库为每份 JD 挑选最合适的项目组合（而非在单一旧简历上换措辞），再经写作层按 JD 重写；同时判断岗位适配度、准备针对性面试问答与案例。
两个数据源（写作前必读，勿在正文复制其内容）：
- config/profile.yml = 简历骨架权威源：基本信息 + 职业阶段时间线（铁律：AI 不改任职期/归属）+ 项目分组策略 project_grouping + 个人优势维度库（含 content/applicable）+ 核心工具栈 tool_stack
- references/project-library.md = 项目弹药库：全部真实项目的事实层素材（背景/行动/量化结果/关键词/适用岗位）
- 用户提供简历时：用于核对与补料（弹药库未覆盖的经历、学历、联系方式等），不是替代弹药库的素材源
When to Use
当用户提供目标公司名称、岗位JD/招聘要求/岗位链接（可选补充个人简历）时触发；
经历素材内置（弹药库 + 基础档案），不提供简历也可开始，提供则结果更贴近最新情况。
具体跑到哪一步由下方「意图路由」判定。
意图路由（先定范围，不必跑全流程）
用户一句话往往只对应流程的一段。先判定意图 → 再决定执行范围；用户明确说"只做X"时严格照范围执行，不要顺手把简历也生成了。
| 用户意图 | 典型表达 | 执行范围 |
|---|---|---|
| 岗位适配分析 | "分析一下这个岗位适不适合我" | Phase 1（补缺）→ 2 |
| 简历定制（新建） | "根据这个 JD 定制简历" | Phase 1 → 2 → 2.5 → 3 → 5 |
| 简历优化（已有简历） | "帮我优化/改一下这份简历" | Phase 1（读简历）→ 2 → 3 → 5；以用户简历为素材基准，Phase 2.5 仅在用户要求从弹药库换/补项目时执行 |
| 面试准备 | "帮我准备这个岗位的面试" | Phase 1 → 2 → 4（已有简历则复用，不重生） |
| 投递材料（全流程） | "帮我准备投递材料" | Phase 1 → 2 → 2.5 → 3 → 5 → 4 |
| 换/传简历照片 | "帮我换张照片/换头像"、"照片怎么传" + 图片或路径 | 先引导，再动手：按 ENVIRONMENT.md 的照片小节向用户说清三条（只有一张 config/photo.jpg；三种换法任选；走 AI 这条路需要图片文件路径，对话里贴图读不到字节），拿到路径后执行 python scripts/set_photo.py <路径>（自动备份旧图、默认压到长边 900px）；不跑简历流程，且仅在用户明确要求时更换 |
| 打开简历编辑器 | "打开编辑器"、"预览简历"、"换个模板/导出" | 按 ENVIRONMENT.md「启动简历编辑器」执行：agent 直接运行 skill 目录下的 scripts/start_editor.py（自动开浏览器）并把 URL 给用户；不跑简历流程，也不让用户去翻 skill 目录 |
判定不了就问一句，不要默认跑全流程。已在早前话轮完成过的阶段直接复用结论，不重复执行。
Required Inputs
| 输入项 | 是否必须 | 说明 |
|---|---|---|
| 目标公司名称 | 必须 | 用于公司调研与文化匹配 |
| 岗位JD | 必须 | 文本、截图、链接均可；链接本机用 zhafron-web-search MCP 的 fetch_url 抓取，失败则要求用户贴文本/截图 |
| 个人简历 | 可选 | PDF/Word/文本均可；不提供则用内置弹药库（references/project-library.md）+ 基础档案（config/profile.yml）；提供则用于核对补料 |
| 补充信息 | 可选 | 个人意向、特殊要求、已有面试安排、需保全的经历等 |
若公司/JD 缺失，先询问用户补充，不要猜测或编造。
Workflow
Phase 1: 信息收集与确认
- 读取用户提供的简历文件（如有）：纯文本直接读取；PDF/Word 用 markitdown MCP（convert_to_markdown）转为文本再解析；无 markitdown 时 PDF 用 pdf skill、Word 用 docx skill 提取。简历用于核对弹药库 + 补料，不作为唯一素材源（模型不能直接读图/PDF，工具用法见
ENVIRONMENT.md） - 若JD为链接，用 zhafron-web-search MCP 的 fetch_url 抓取完整岗位描述（或 markitdown convert_to_markdown 转文本）；抓取受限/需登录时，请用户提供文本或截图（截图需用户 OCR 或贴文字，勿依赖模型读图）
- 若JD为图片，请用户 OCR 后贴文字，或用 markitdown/图像转文字工具提取（勿靠模型直接读图，见
ENVIRONMENT.md） - 确认以下要素已齐全，缺失则向用户询问：
- 公司全称（避免简称歧义）
- 完整JD（含岗位职责、任职要求、加分项）
- 用户是否另有弹药库未覆盖的经历需要加入（如空窗期说明、最新动态） - JD 存档：拿到 JD 原文后立即写入
output/<公司>/<岗位>/jd.md（格式见references/jd-analysis-framework.md§JD 存档规范），先于一切分析——分析可重做，原文丢了找不回；即使本次只做适配分析不写简历，也要存
Phase 2: 分析与匹配
- 素材盘点：读取
config/profile.yml（时间线铁律）与references/project-library.md索引摘要表（先只读索引，全量详情等选材后再按需读取）；用户提供了简历则解析后与弹药库交叉核对 - JD拆解：参考
references/jd-analysis-framework.md，分两步：
- 结构化提取：核心硬性要求、岗位职责关键词、加分项/优先条件、隐性要求
- JD两层解码：将JD中每条抽象要求往下拆解两层——第一层拆为可执行的行为类别，第二层拆为具体动作与实绩证据（工作数据+执行动作+沉淀材料）。常规JD有5-6条核心要求，逐条完成解码。
- 核心相关方识别：对每条解码后的行为，标注汇报对象和对接部门/人群，用于验证用户是否为真实操盘而非旁观参与。 - 公司调研：用搜索工具调研目标公司（本机首选 zhafron-web-search MCP 的 search_web；也可用 agent-reach skill）：
- 主营业务与行业地位
- 企业文化与价值观（用于简历语态调整）
- 近期动态（融资、产品发布、战略方向） - 适配度评估：以弹药库项目为参照，逐条与JD要求对照，输出匹配矩阵：
- ✅ 已匹配项
- ⚠️ 部分匹配项（有相关经验但需重新表达）
- ❌ 缺口项（无直接经验，考虑可迁移能力替代）
Phase 2.5: 项目选材（产出组合建议，须用户确认）
- 基于 JD 拆解出的核心要求与关键词，与弹药库项目的「关键词标签 / 适用岗位 / 成果强度」匹配，选出候选项目
- 按以下规则收敛到 3-4 个项目的组合：
- 时间线铁律：公司任职期、归属以config/profile.ymlcareer_stages 为准，不改动
- 项目分组：按config/profile.yml的project_grouping执行——fixed池默认保留（fixed_display指定从池中呈现几个，未配置则全部）、incremental按 JD 相关性挑选；未配置的公司段，其全部项目按 JD 匹配度自由选材
- 匹配优先：优先 JD 关键词直接命中的项目；同一能力维度不重复选
- 量化强度：优先含 2 个以上量化成果的项目
- 适用岗位匹配：弹药库每个项目标有「适用岗位」——只选与当前 JD 岗位类型匹配的项目；通用项目各岗位可用，标了「限…岗位」的项目仅限所列岗位类型（详见弹药库索引表「适用岗位」列）
- 个人项目隔离：company 为「个人项目」的经历仅作为简历「项目经历」板块出现，绝不写入任何公司的工作经历段
- 覆盖充分：所选项目应能覆盖 JD 前 5 条核心要求 - 输出「项目组合建议」给用户确认：每个选中项目 + 用途侧重 + 被裁减项目及原因。用户确认或调整后才进入写作（用户可能要求保全某段经历 / 增补弹药库外内容）
Phase 3: 简历定制
> 写作素材：Phase 2.5 确认的项目组合所对应的弹药库详情条目。弹药库只提供事实层，写入简历的每一条必须按 JD 重写措辞，不得照抄原文。
执行前必读 references/resume-writing-rules.md（13 条完整写作规则）。配套细则：anti-ai-guide.md（表达质量）、star-method-guide.md（STAR/行为链条/证据三件套详解）、resume-optimization-guide.md（重排/模块/压缩）。
执行摘要（细则以规则文件为准）：
| # | 规则 | 要点 |
|---|---|---|
| 1 | JD解码→行为层重写 | 按解码出的行为类别/动作重写；覆盖行为链条 2-3 环节；嵌入相关方 |
| 2 | STAR 融合句 | 每段 2-3 条，单条≤2 行，数据内嵌 |
| 3 | 证据三件套 | 工作数据 + 执行动作 + 沉淀材料 |
| 4 | 证据重排 | 整体倒序；段内按 JD 关键词重排；弱相关时加「项目经历」板块 |
| 5 | 简历结构 | 模块顺序/取舍/命名按配置：JSON layout > profile.yml resume_layout > 默认；新增模块用 extra_sections；个人项目入 project_experience |
| 6 | 核心优势生成 | 从 profile.yml 维度库选 3-4 条；标签锁定；按 JD 加工 content |
| 7 | 关键词优化 | 融入 JD 高频词；专业技能按 JD 排序 |
| 8 | 语态与文化匹配 | 按公司类型调语态；动词开头 |
| 9 | AI 三版本压缩 | 极致/原版/适中，以适中为交付基础 |
| 10 | 项目分组 | 公司行 + ▶项目N；按 profile.yml project_grouping 区分固定保留（fixed_display 限呈现数）/增量挑选的项目 |
| 11 | 全经历语境化 | 每段都按 JD 调叙事侧重；不编造、不硬拗 |
| 12 | 专业技能生成 | 从 profile.yml tool_stack 读；仅按 JD 排序/裁剪，不新增 |
| 13 | 交付前自审 | 逐项核对，输出 [自审] 结果，未通过则回改 |
Phase 4: 面试准备生成
输出 output/<公司>/<岗位>/interview_prep.md（MD 文件），流程见 references/interview-prep-framework.md：
- 前置盘点（Step 0）：继承 Phase 2 的适配度矩阵/Gap/公司调研；推导当前职业状态并做时间线连续性检查（非雇佣期/空窗须生成说明话术，见
interview-personal-qa.md§1）；生成 Gap 应对策略（同文件 §3）；判定岗位类型并取该类型高频题+通用题+盲区题（interview-question-bank.md§5） - 人设设计：价值标题 + 项目证据验证 + 与 Gap 项不矛盾的自洽检查（
interview-self-intro.md§1） - 故事选择与口语化：优先复用
interview-story-bank.md；无匹配则从选中项目现构并打磨口述版 - 自我介绍多版本：1/2/3 分钟 + 面向 HR/业务/高管，嵌入职业路径与钩子（每版 ≥2 个）
- 项目内容问答：四类问题 + 追问预判（核心题 3-5 个做完整 L1-L4 且给答案，其余 L1-L2）+ 反向验证 + 不会回答 5 步框架 + 核心题口述版（
interview-qa-bank.md§2）；该岗位类型的高频题必覆盖、盲区题必补 - 个人内容问答：职业状态/离职/空窗/公司选择/职业路径/规划/优劣势/薪资 + Gap 应对（
interview-personal-qa.md§2-§3） - 面试攻略：JD 关键词翻译表 / 招聘背景 / 反问库（覆盖全部面试官角色含 HR）/ 面试心态 / 注意事项 / 前检查清单（
interview-strategy.md） - 公司调研摘要：3-5 条可引用的真实信息（标注来源）
- 完成后执行输出前自审（见
interview-prep-framework.md末）；关键数据/细节须有来源标注，无则标"待补充"，不得自行补充
Phase 5: 文档生成
- 将定制简历内容整理为结构化 JSON。
work_experience[]每段支持两种形态（二选一）：
- 项目分组形态（推荐）：{company, position, period, projects:[{name, bullets[流畅STAR融合句2-3条]}, ...]}→ 渲染为「公司行 + ▶项目一/二」
- 纯列表形态（兼容）：{company, position, period, bullets:[...]}（无项目分组时使用）
- ⚠️ 写作要求：项目内容用流畅完整句（STAR 四要素压缩进同一句子，数据内嵌），不要拆成"背景/行动/成果"分段标签
- 顶层可选include_personal_project: true——仅 AI 产品经理类 JD 设置；非 AI 岗勿设
- 键名：name/contact/target_position/target_company/summary/work_experience/project_experience/education/skills/additional（头部/教育/技能由 profile.yml 提供，JSON 中可省）
-project_experience：独立「项目经历」板块（不受时间序限制）；个人项目应放此处，不放进任何公司的 work_experience
- 可选结构字段：layout（模块顺序，覆盖 profile.yml 默认）+extra_sections（自定义模块，如证书/获奖）+include_personal_project（仅 AI 岗设 true）——详见 Phase 3 规则 5 - 调用
scripts/generate_md.py生成 Markdown 简历：
bash python scripts/generate_md.py --data <resume.json> --company "<公司名>" --position "<岗位名>"
输出到output/<公司>/<岗位>/resume.md，同时在该目录保存resume.json（便于后续重渲染；同目录另有 Phase 1 存档的jd.md） - 向用户报告 md 完整路径；如需可视化编辑/换模板/导出，按
ENVIRONMENT.md「启动简历编辑器」执行（agent 运行 skill 目录下的scripts/start_editor.py，自动开浏览器 http://localhost:3201/editor/），不要把路径丢给用户让他自己找
写作红线（不可违背，速查）
| 红线 | 含义 |
|---|---|
| 不编造 | 只重写真实发生的事；"协助"不写"主导"；无数据不虚报 |
| 时间线铁律 | 任职期/项目归属以 config/profile.yml 为准 |
| 数据真实归属 | 弹药库数据不张冠李戴（A 项目成果不写进 B 项目） |
| 素材即事实层 | 弹药库是原始素材，写入简历必须按 JD 重写措辞，不照抄原文 |
| 融合句 | 禁用"背景/行动/成果"分段标签；数据内嵌于完整句 |
| 弱点不硬拗 | 与 JD 弱相关的段如实简洁保留，不虚构关联、不夸大 |
> 完整写作方法见 Phase 3，以及 references/star-method-guide.md（STAR/行为链条/证据三件套）、references/anti-ai-guide.md（去AI化/数据/脱敏）。
输出文档结构
简历（resume.md，渲染器 scripts/generate_md.py）：默认顺序 姓名/联系方式 → 求职意向 → 核心优势（3-4 条）→ 工作经历（公司行 + ▶项目N + 融合句）→ 教育背景 → 专业技能（核心工具栈）。
模块顺序/命名/取舍由 layout 配置控制（JSON > profile.yml resume_layout > 默认），详见 Phase 3 规则 5。
面试准备（interview_prep.md）：七板块结构见 references/interview-prep-framework.md §Step 8。
> JSON 结构见 Phase 5；内容写作规则见 Phase 3。
本机环境
运行前提、工具映射、路径注意、目录用途见 ENVIRONMENT.md（本文件不再重复存放环境事实）。
References
> 路径约定：config/profile.yml、references/project-library.md、references/interview-story-bank.md、references/interview-question-bank.md、ENVIRONMENT.md 是用户数据文件（在数据目录，见「首次使用」，不在本 skill 目录内）；其余均为方法论文档。
首次使用：getting-started.md（未初始化时的首次接触引导：能力清单 / 三步开始 / 数据填写对照 / 首句话术）
数据文件：config/profile.yml（基础档案：基本信息/职业阶段时间线铁律/项目分组 project_grouping/优势维度库/工具栈 tool_stack。简历骨架权威源，用户维护，AI 只读不写）｜project-library.md（项目弹药库：事实层素材，选材入口，先读索引再读详情）｜interview-story-bank.md（STAR+R 故事库）｜interview-question-bank.md（按岗位类型分层的问题库）
方法论：resume-writing-rules.md（简历写作 13 条，Phase 3 前必读）｜anti-ai-guide.md（去AI化/数据呈现/脱敏）｜star-method-guide.md（STAR/行为链条/证据三件套）｜jd-analysis-framework.md（JD 两层解码 + JD 存档规范）｜resume-optimization-guide.md（排版/模块/压缩）｜interview-prep-framework.md（面试主流程 Step 0-8）｜interview-self-intro.md（人设/自我介绍）｜interview-qa-bank.md（项目向问答）｜interview-personal-qa.md（个人向问答/Gap）｜interview-strategy.md（JD 翻译表/反问/调研）
Scripts
> 脚本统一通过 scripts/paths.py 解析数据路径，两种使用方式下均可用；不得在脚本内自行拼接数据路径。
setup.py 一键安装（见「首次使用」）｜generate_md.py 渲染简历（用法见 Phase 5）｜set_photo.py 换照片（用法见 ENVIRONMENT.md）｜server.py + start_editor.py 编辑器｜check-data.py 数据校验（--where 看数据目录）。完整清单与 paths.py 解析优先级见 ENVIRONMENT.md。
