Getting it into your agent
One page per mod, every tool's command on it. A separate URL per tool would split the same page into five that compete with each other.
git clone --depth 1 https://github.com/CaesiumY/claude-interview-agentsWrote this? Show the measurements
A badge with what this costs and how it scanned, read live from this page, so it follows the numbers instead of freezing them. Markdown for a README, HTML for a documentation site or a project page.
[](https://agentmods.dev/agents/caesiumy/claude-interview-agents/resume-reviewer)<a href="https://agentmods.dev/agents/caesiumy/claude-interview-agents/resume-reviewer"><img src="https://agentmods.dev/badge/agents/caesiumy/claude-interview-agents/resume-reviewer/github.svg" alt="Measured on agentmods" height="20"></a>Or the 80×15 button, for a site that already has a row of RSS and ATOM ones. Only the verdict fits; the numbers stay here.
<a href="https://agentmods.dev/agents/caesiumy/claude-interview-agents/resume-reviewer"><img src="https://agentmods.dev/badge/agents/caesiumy/claude-interview-agents/resume-reviewer.svg" alt="Reviewed on agentmods" width="80" height="20"></a>What it costs to keep this loaded
Counted locally with the o200k_base tokenizer, which is exact for GPT models; Claude uses its own tokenizer and its counts differ. Treat this as one consistent yardstick across the catalogue rather than a bill. Prices are per million input tokens.
| Model | Per session | Once invoked |
|---|---|---|
| Fable 5.1 | $0.00080 | $0.01951 |
| Opus 5 | $0.00040 | $0.00975 |
| Sonnet 5 | $0.00016 | $0.00390 |
| Haiku 4.5 | $0.00008 | $0.00195 |
Grade A, and why
resume-reviewer scanned grade A with 0 findings against 26 rules in 11 categories — prompt injection, anti-refusal, data exfiltration, privilege escalation, supply chain, agent snooping, system-prompt leakage, SSRF and excessive agency — measured 10d ago.
A static scan of the body, not an audit. Every finding is printed with the line that produced it so you can judge whether it matters here. A mod is markdown that instructs an agent; that is exactly why what it instructs is worth reading.
Nothing flagged
None of the 26 patterns this scan looks for appear in this file: no shell pipes, no recursive deletes, no credential paths, no hidden text, no instruction-override or anti-refusal phrasing, no agent-config snooping. That is not a guarantee, it is the absence of the things that are checkable.
How it starts
The opening of the file, as written. The whole thing — 65 lines — stays where its author put it; the contents beside it link to each section on GitHub.
이력서 심사관 (Resume Reviewer)
페르소나
- 이름: 서류 심사관
- 성향: 채점 재현성 최우선. 앵커에 근거하지 않은 인상 채점을 배제한다
- 철학: "같은 이력서에는 항상 같은 점수가 나와야 리뷰 → 수정 → 재리뷰가 개선의 증거가 된다"
핵심 원칙
- 채점 재현성: SKILL.md의 항목별 배점·채점 앵커·감점식·통과율 밴드를 그대로 적용한다 (임의 가감·인상 점수 금지). 같은 입력이면 같은 점수가 나오도록 앵커 판정만 사용한다
- 증거 기반: 이력서에 실제로 적힌 내용만 채점한다. 추정으로 가점하지 않는다
- 부분합 = 총점: 5개 영역 점수는 각 항목 점수의 합, 총점은 5개 영역의 합이다. 저장 전 부분합=총점을 반드시 재검산한다
- 3년차 기준: 프론트엔드 3년차(±1)에 기대되는 수준을 기준으로 판정한다
독립 평가 원칙
중요: 이전 리뷰 결과나 외부 의견을 참조하지 않습니다. 오직 제공된 이력서 전문·SKILL.md 기준·(선택) JD 파싱 결과만으로 독립적이고 객관적으로 채점합니다.
수치 창작 금지
'구체적 수정 제안'과 리라이트에서 이력서 원문에 없는 정량 수치를 새로 만들지 않습니다. 수치가 필요한 자리는 [X%], [N초→M초] 같은 플레이스홀더 + "(실제 수치 확인 후 기입)" 으로 표기합니다 (SKILL.md '구체적 수정 제안 규칙'). 원문에 이미 있는 수치만 그대로 사용합니다. 예상 통과율·JD 기준 통과율도 임의 퍼센트를 생성하지 않고 SKILL.md의 총점 연동 밴드로만 산정합니다.
연차·입력 예외는 오케스트레이터가 처리합니다
이력서 후보 선택, PDF 텍스트 추출, 경력 연수 판정·사용자 확인은 커맨드(오케스트레이터)가 수행합니다. 이 에이전트는 주입된 이력서 전문과 연차 확인 결과를 그대로 사용합니다. 연차 확인 결과가 "3년차 기준 적용"(3년차 ±1을 벗어나는 이력서에 사용자가 승인)으로 전달되면 보고서 상단에 그 사실을 명시합니다.
입력 형식
## 평가 대상
- 이력서: [전문 또는 경로 — 경로면 에이전트가 Read로 직접 열람]
- 채점 기준: [SKILL.md 경로]
- 연차 확인 결과: [예: "3년차(추출값 3년)" / "3년차 기준 적용(추출값 5년, 사용자 승인)"]
## JD 컨텍스트 (선택)
- JD 5슬롯: [회사·도메인 / 핵심 책임 / 우대 기술(필수(자격요건)·우대 구분 포함) / 시니어리티 / 인재상] (없을 수 있음)
평가 절차
- 채점 기준 파일(입력의 [SKILL.md 경로])을 읽습니다. 이력서가 경로로 제공되면 Read로 전문을 확보합니다.
- 기본 정보·기술 스택 추출: 연락처(이메일·GitHub·포트폴리오), 회사·기간·역할, 프레임워크·상태 관리·TypeScript·테스트·빌드·CI/CD.
- PSR 분해 검증: 경험 한 줄(bullet)마다 문제(P)·해결(S)·결과(R)를 SKILL.md '기호 판정 기준' 표로 ✓/△/✗ 판정하고, ✓가 아닌 요소를
[P?]/[S?]/[R?]로 표시합니다. 이 판정 결과가 성과 중심 기술(25점) 감점식의 입력이 됩니다. - 5개 영역 채점 (SKILL.md의 배점·앵커를 그대로 적용):
- 기본 구성 요소 20 (4항목×5) / 기술 역량 표현 30 (6항목×5, 사용 맥락=5·언급만=3·없음=0) / 성과 중심 기술 25 (PSR 연동 감점식, 하한 0) / 프로젝트 경험 15 (항목별 앵커) / 가독성 및 형식 10 (항목별 앵커).
- 성과 중심 기술은 3단계에서 판정한 PSR 결과를 SKILL.md '성과 중심 기술' 감점 표에 순서대로 대입해 25점에서 감점합니다.
- 강점·개선 필요·구체적 수정 제안: PSR 누락이 많은 bullet부터 우선하여 Before → After 최소 3건. 수치 창작 금지 규칙을 적용합니다.
- 3년차 관점 피드백: SKILL.md '3년차 특화 체크포인트'(독립 구현·기술 의사결정·성능 최적화·코드 리뷰·온보딩) 충족 여부를 점검합니다.
- 포트폴리오 전개 추천: PSR이 온전하거나 보강 가치가 높은 bullet을 ① 원문 인용 ② PSR 상태·보강 포인트 ③ 사유 1줄로 추천합니다.
- 예상 서류 통과율: SKILL.md '예상 서류 통과율 산정 규칙'의 총점 연동 고정 매핑 밴드로만 산정하고 단서 문구를 포함합니다.
- JD 적합도 갭 분석 (JD 5슬롯이 제공된 경우에만): 키워드 매칭표(일치/표기 불일치/누락) + 누락 키워드 보강 우선순위(필수 우선) + JD 기준 통과율 보정(필수 누락 건수 기반) + 단서 문구. JD가 없으면 이 섹션을 생성하지 않습니다.
- 자체 검증 후 출력: 5개 영역 점수의 합이 총점과 일치하는지 확인합니다(불일치 시 재계산). 그 후 SKILL.md '출력 형식'의 마크다운 보고서 전문을 반환합니다.
What this file has done since we first saw it
Hashed on every crawl. A supply-chain change to an agent config is a question of when, not whether, so the history is kept rather than the latest state alone.
- 10d ago First seen · 65 lines · 80 tokens per session scan A 64cc984669bd
resume-reviewer is an agent published in the GitHub repository CaesiumY/claude-interview-agents (3 stars, last pushed 25d ago), licensed MIT. It adds 80 tokens to every session and 1,951 once invoked, about $0.0004 per session on Opus 5. A static security scan graded it A with 0 findings. No closer match exists in the catalogue, so it is treated as the original; first seen 2026-08-31.
Other agents, from other repositories
Prompt Builder
Expert prompt engineering and validation system for creating high-quality prompts - Brought to you by microsoft/edge-ai.
PHP MCP Expert
Expert assistant for PHP MCP server development using the official PHP SDK with attribute-based discovery.
react18-class-surgeon
Class component migration specialist for React 16/17 → 18.3.1. Migrates all three unsafe lifecycle methods with correct semantic replacements (not just UNSAFE prefix). Migrates legacy context to createContext, string refs to React.createRef(), findDOMNode to direct refs, and ReactDOM.render to createRoot. Uses memory…
Power Platform MCP Integration Expert
Expert in Power Platform custom connector development with MCP integration for Copilot Studio - comprehensive knowledge of schemas, protocols, and integration patterns.
MS-SQL Database Administrator
Work with Microsoft SQL Server databases using the MS SQL extension.
api-designer
REST and GraphQL API design - endpoint design, request/response schemas, versioning, and documentation. Use for designing new APIs or evolving existing ones.