通用 JD 定向一页简历生成器
把「候选人的真实经历 + 目标 JD 要求」转化为一页 A4 定制简历。核心是：诚实不编造 + 贴合 JD + 严格一页。本技能不含任何特定人物写死数据，靠 resume_data.json 驱动渲染。
0. 运行环境
- Python 解释器（二选一）：
- 本机自带 Python 3.10+，且已
pip install playwright并playwright install chromium→ 直接用python运行。 - 或用 WorkBuddy 内置 Python（路径随用户名变化）：
C:/Users/<你的用户名>/.workbuddy/binaries/python/envs/default/Scripts/python.exe。 - 技能脚本：位于本技能目录下的
scripts/（make_resume.py、build_resume.py）。运行前请用绝对路径指向它，例如： - Windows：
$PY "C:/Users/<你的用户名>/.workbuddy/skills/resume-tailor-pdf/scripts/make_resume.py" - 或在技能目录内直接用相对路径
scripts/make_resume.py。 - 在 Windows 上运行 Python 时，所有路径必须带盘符（如
C:/...），勿写/c/Users/...（否则报文件不存在）。 make_resume.py读resume_data.json→ 输出./简历.html（含./assets/）；build_resume.py导出 PDF 并做一页检测。
1. 输入要求（向用户收集，缺什么问什么）
- 候选人简历材料：贴文本 / 上传 docx·pdf·markdown，或口述经历。至少要有：姓名、联系方式、教育（学校/专业/学位/时间）、每段经历（公司/角色/时间/做了什么）。
- 目标 JD：贴岗位描述，或给链接/文件。用于提取关键词与职责。
- 偏好（能问就问，不能问给默认值）：
- 照片：国内岗默认放证件照；外企/部分岗可不放 →photo留空。
- 城市/到岗：meta里写「随时到岗 · 城市」。
- 语言：中文简历默认中文；若 JD 要求英文简历，整体改英文（仍一页、无照片按需）。
- 想强调的方向：若有多个经历，问用户最想突出哪段。
2. 硬约束（违反即返工）
- 严格一页 A4：不得跨页断条。靠
build_resume.py的coreClipped=false与overflowPx（负=未满页、正=溢出）判定；底部留白 ≤15%。 - 绝不虚构：数字、证书、课程、项目、技能等级，凡候选人未提供的一律不写；事实不足就弱化处理或省略，绝不为凑满编数据。
- JD 关键词自然嵌入：把 JD 要求的能力/工具/动作词织进 bullet，但不照抄 JD 原句，不堆砌关键词。
- 量化用真实数据：候选人给了数字就保留并前置；没给就不编造百分比/金额。
- 密度自适应（来自通用简历规范）：
- 内容少 → 放大字号(+0.5–1pt)、行高(+0.05–0.1)、段距，让页面看起来从容不空。
- 内容多 → 先删段落/条目间空白，再压缩重复措辞（不掉事实），正文最多缩 0.5pt，正文不低于 9pt。
- 底部空白 >15% 是硬失败：调大排版，不靠注水填充。 - 层级配色克制：深蓝
#1e3a5f只用于姓名、栏目标题及下划线、公司名、条目符■；次级小标题用深灰#40454d加粗；句内关键词不滥用同色加粗。 - 两端对齐：正文
text-align: justify撑满每行。 - 板块固定顺序：教育 → 实习经历 → 校园/项目经历 → 技能清单（必含，打
data-resume-section="skills"）→ 荣誉奖项（有则加）。 - 照片：彩色证件照约 25×31mm 右上角圆角；无则不放、不引用空图。
3. resume_data.json 数据格式
{
"name": "姓名",
"scale": 1.0, /* 可选：内容偏少时调大到 1.15~1.4 放大排版填满一页；内容多则保持 1.0 或 <1 */
"meta": "学校 · 届别 · 随时到岗 · 城市｜电话｜邮箱｜微信",
"photo": "C:/路径/avatar.png 或 null",
"education": [
{"school":"xx大学","major":"专业","degree":"硕士","date":"2024.09 – 2027.06",
"detail":"主修：课程1、课程2；或一句话亮点（不写排名/虚构）"}
],
"experiences": [
{"company":"公司","role":"角色","date":"2025.06 – 2025.09",
"bullets":[["小标题","动作 + 工具/方法 + 量化结果 + 业务价值"],["", "纯字符串 bullet 也可"]]}
],
"campus": [ /* 同 experiences 结构，校园/项目经历，可省略 */
{"company":"研究生会","role":"主席","date":"2024.07 – 至今",
"bullets":[["团队管理","带 12 人统筹 5 场活动覆盖 5000+ 人次"]]}
],
"skills": [["数据分析","Python、SQL、Excel"],["语言","CET-6 600+"]]
/* 或写字符串 HTML："<span class=\"pt\">▸ </span><b>数据分析</b>：Python、SQL" */,
"honors": [["奖学金","xx奖学金"],["荣誉","xx称号"]] /* 或字符串；无则省略 */
}
bullets每项：["小标题","描述"]或纯字符串。skills/honors：列表（按 bullet 渲染）或 HTML 字符串（自由控制样式）。- 缺板块（如无 campus/honors）直接不写该键，渲染器自动跳过。
4. JD 定向改写方法（核心能力）
- 拆 JD：列出 JD 的硬要求（技能/工具/证书）、职责动词（搭建/分析/对接/推进）、业务领域（金融/数据/增长…）。
- 映射经历：对每段经历，挑出与 JD 最相关的动作与成果，删除不相关项；强相关经历可展开、弱相关可压缩或后置。
- 重写 bullet：用「动作 + 工具/方法 + 真实量化结果 + 业务价值」结构，把 JD 关键词自然写入（如 JD 要「数据建模」→ 在相关经历写「用 Python 搭建 XX 模型，使 …」）。
- 技能清单对齐 JD：把 JD 要求的工具/语言前置；候选人没有的技能不写。
- 教育选课贴合：从真实课程中挑与 JD 相关的列出，用「等」留弹性，不编造未修课程。
5. 工作流
cd <工作目录>
# PY 指向你的 Python（见 §0）；以下用 $PY 代指
# 1) 按 §3 写 resume_data.json（来自用户材料 + JD 改写）
# 2) 渲染 HTML（脚本路径换成你本机实际位置）
$PY "<技能目录>/scripts/make_resume.py" resume_data.json .
# 3) 导出 PDF + 一页检测
$PY "<技能目录>/scripts/build_resume.py" "简历.html"
coreClipped=false且overflowPx接近 0 → 通过。- 溢出：
overflowPx为正 → 删最弱 bullet / 收紧表述，重渲染再测。 - 留白过大：
overflowPx负很多 → 不注水，放大字号/行高/段距到视觉均衡；内容真少则补 1 条真实经历。 - 肉眼看版：
build_resume.py "简历.html" --png生成preview.png。
多版简历（不同 JD）：复制 resume_data.json 为多份（如 jd_a.json），分别渲染到不同输出目录，各自 QA。
6. 常见坑
- 虚构数据：模型易给「提升 30%」「服务 100+ 客户」等编造数字，凡用户未给的量化一律不写。
- 照抄 JD：把 JD 原句当 bullet 是作弊感，要转化为「我做过什么」。
- 预览缓存：改完以
build_resume.py文字结论和 PDF 文本提取为准，别被旧预览图误导。 - 跨页断条：任何条目被分页截断即失败，重排或删 bullet。
- 路径错误：脚本用 Windows Python，必须带盘符路径（
C:/...），否则报文件不存在。 - 头像缺失：
photo给路径但文件不存在时不会报错也不会显示，需确认文件存在；不要放空<img>。 - 底部留白 >15%：一页但大片空白=失败，调排版而非注水。
