resume-builder

Resume Builder（简历生成与优化）

这个 skill 干三件事：

1. 结构化生成：从用户经历产出一份符合中文求职市场审美的简历
2. STAR 法则改写：把"参与了 X"这种弱句子，改写成"通过 X 实现 Y，结果 Z"
3. ATS 关键词优化 + 多模板导出：保证简历能过自动筛选，并支持 docx/pdf/md

不做：JD 定向改写（那是 jd-resume-tailor 的事，请在那里做"针对某 JD 改简历"）

---

何时触发

• "帮我写一份简历"
• "我的简历太弱了 / 没有亮点 / 看起来不专业"
• "把这段经历用 STAR 改一下"
• "简历里关键词够不够"
• "导出 PDF / docx 简历"
• 用户上传简历但没明确说"针对某 JD 改" → 触发本 skill；如果说了"针对 X 公司 / X 岗位改" → 调用 jd-resume-tailor

---

工作流

Step 1: 摸清简历当前状态

如果用户有简历文件（.pdf / .docx / .md / .txt）：

• pdf 走 pdf skill 解析
• docx 走 docx skill 解析
• 提取出：基本信息、教育、工作经历、项目经历、技能、其他

如果用户没有简历：

• 用 AskUserQuestion 收集信息（参考 references/intake_questions.md 里的问题清单）
• 一次问 3~4 个问题，分轮收集，避免劝退

Step 2: 选模板

读取 references/templates/ 决定结构：

• 互联网产品 / 运营 / PM → templates/internet.md
• 技术 / 研发 / 数据 → templates/tech.md
• 金融 / 咨询 / 商科 → templates/finance.md
• 通用 / 跨行业 → templates/general.md

如果用户没指定方向，用通用模板，但询问一句："你下一步主要往什么方向投？我可以用更适合那个方向的版式。"

Step 3: 用 STAR 改写每段经历

读取 references/star_rewrite_guide.md，对每条工作 / 项目经历做 STAR 改写。

STAR 不是死板的四段式，而是确保每条 bullet 都有：

• 背景信号（一句话点出问题大小或情境）
• 动作（你具体做了什么，要有动词）
• 结果（数字 / 百分比 / 排名 / 规模）

如果用户提供的信息里没有数字，要主动追问："这个项目用户量大概是多少？""这个优化大概提了多少？记不准的话给个量级也行。"

Step 4: ATS 关键词检查

调用脚本：

python scripts/ats_check.py --resume <resume.md> \
    --industry internet \
    [--jd <jd.txt>]

脚本会：

1. 抽取简历里的关键词
2. 对照行业关键词库（来自 job-intent-tracker 或本 skill 的 references/keywords/）
3. 输出"已覆盖 / 建议补充"两个清单
4. 给出 ATS 友好度评分（字体单一性、表格使用、特殊符号、图片等）

ATS 友好的硬规则：

• 不要用 word 表格放经历（很多 ATS 解析不了）
• 不要把日期放在装饰性图片里
• 不要写两栏布局（有些 ATS 会按列读，导致顺序混乱）
• 不要插图标 / emoji 在标题里
• 字体用宋体 / 思源宋体 / Arial / Helvetica 之一

Step 5: 多格式导出

读取 references/export_guide.md，按用户需求选择：

docx 导出（最通用，国内 HR 优先要 docx）：

• 调用 docx skill
• 用 assets/resume_template.docx 作为模板（如果存在）

pdf 导出（最终投递版）：

• 推荐流程：先 docx → 再用 word/libreoffice 转 pdf
• 直接生成 pdf 用 reportlab 比较丑，不推荐
• 调用 pdf skill 做后处理（加密 / 元数据清理）

markdown 导出（备份 + GitHub）：

• 直接写 .md 文件即可

默认行为：除非用户指定，同时输出 docx + md 两个版本。