mcpField
R
resume-builder

resume-builder

github.com/reactive-resume文档处理45.0k569 次安装今天更新
代码仓库

关于 resume-builder

resume-builder 是一项对话式 AI 技能,用于收集求职者信息并生成符合 Reactive Resume 架构的 JSON。它强调内容真实、询问缺失信息,并可准备导入结果。

主要功能

  1. 01通过提问收集简历信息
  2. 02生成符合架构的简历 JSON
  3. 03配置模板和页面布局
  4. 04避免编造事实和数据
  5. 05支持通过 Reactive Resume MCP 导入

适用场景

  1. 01根据求职者提供的信息起草简历
  2. 02选择模板并安排简历栏目
  3. 03准备导入 Reactive Resume 的简历 JSON

MCP 相关

连接 Reactive Resume MCP 服务后,该技能可在获得批准后使用 `import_resume {data}` 提议导入生成的简历。

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/reactive-resume/reactive-resume --skill resume-builder

安装后在 Claude Code 中输入/resume-builder确认已加载。

附带文件references/schema.md

详细介绍

Reactive Resume 简历生成器

通过对话式 AI 为 Reactive Resume 制作专业简历。Reactive Resume 是一款免费、开源的简历生成器。

核心原则

  1. 绝不捏造——只纳入用户提供的信息。缺少事实时要提问;如实接受估算范围,并标注为估算值(例如“约 30%”)。如果用户要求编造,用一句话拒绝,并在同一条回复中提供诚实的替代方案
  2. 提出问题——信息缺失或不明确时,先询问再做假设
  3. 简明扼要——使用清晰、直接的语言;避免填充词
  4. 验证输出——确保所有生成的 JSON 都符合架构

相关技能

这项技能负责构建文档。相关技能负责其余工作;它们可能未安装,如果缺少某项技能,就自行完成简化版并说明这一点。

  • **resume-content-guide:**说明简历应包含和不应包含的内容(照片、出生日期、GPA、空档期、摘要)、各国家和行业的惯例、篇幅,以及对现有简历的审核。
  • **resume-bullet-writer:**逐段挖掘工作成就,并将职责转化为体现影响力的要点。
  • **resume-tailor:**针对一则招聘信息调整简历(要求表、差距问题、定制内容、可选求职信)。
  • **job-application-manager:**求职流程管理:信息收集、阶段跟踪、后续跟进、已发送的简历版本、每周回顾和消息。
  • **interview-prep:**故事库、公司简介、可能遇到的问题和面试后复盘。
  • **mock-interview:**针对具体职位描述进行角色扮演式模拟面试,并提供评分标准。
  • **offer-negotiation:**评估并协商工作邀约:解读条款、对标薪酬、起草还价方案、模拟招聘人员对话,并撰写接受或拒绝信。

工作流

第 1 步:收集基本信息

先询问必要信息,除非用户已经提供:

  • 全名
  • 职业头衔/职位名称
  • 电子邮箱
  • 电话号码
  • 所在地(城市、州/国家)
  • 网站(可选)
第 2 步:收集各部分内容

对于用户想纳入的每个部分,收集具体信息。绝不捏造日期、公司名称或成就。

工作经历:公司、职位、地点、任职时间(例如“2020 年 1 月 - 至今”)、职责/成就描述

教育经历:学校、学位、学习领域、成绩(可选)、地点、就读时间

技能:名称、熟练程度(初级/中级/高级/专家)、关键词

项目:名称、时间、网站(可选)、描述

其他部分:语言、认证、奖项、出版物、志愿工作、兴趣、推荐人

第 3 步:配置版式和设计

询问用户的偏好:

  • 模板偏好(共 18 款:azurill、bronzor、chikorita、ditto、ditgar、gengar、glalie、kakuna、lapras、leafish、meowth、onyx、persian、pikachu、porygon、rhyhorn、scizor、smeargle)
  • 页面格式:A4 或 Letter
  • 要包含的部分及其顺序
第 4 步:生成有效 JSON

输出必须符合 Reactive Resume 架构。完整架构结构请参阅 references/schema.md。

主要要求:

  • 所有条目的 id 字段都必须是有效的 UUID
  • 描述字段接受 HTML 格式字符串(要点使用 <ul><li><p>…</p></li></ul>,不得使用 Markdown)
  • 使用结构化的 dates({ "start": "2020-01", "end": null, "present": true });保存时会据此重写旧版的 period 和 date 文本
  • 网站字段必须同时包含 url 和 label 属性
  • 颜色使用 rgba(r, g, b, a) 格式
  • 字体必须可在 Google Fonts 上找到

内容要点

如需更深入的内容工作,可交由 resume-content-guide(应包含哪些内容、各国惯例、审查)和 resume-bullet-writer(成就要点)处理。如果两者都未安装,请应用以下核心规则:

  • 写成就,而非职责:每条要点以简单的过去时动词开头,并说明带来了什么变化。只使用用户提供的数字,或标注为估算的诚实区间;绝不编造。不要用 "I"、"my" 或 "we"。
  • 每个职位的要点数:近期职位 3–6 条,较早职位 1–3 条。
  • 篇幅:学生和约 5 年以下经验者为 1 页;大多数有经验的候选人为 1–2 页;高级或高管职位为 2–3 页。截至 2026 年,美国联邦(USAJOBS)简历最多 2 页。
  • 顺序:有经验的候选人:2–4 行简介,然后是 Experience、Education、Skills,如相关再加 Projects 或 Certifications。学生和应届毕业生:Education 在前,然后是 Projects 或 Experience(哪个更强放哪个),再是 Skills;当页面已满或简介只是重复标题时,省略简介。
  • 个人数据:在美国、英国、加拿大和澳大利亚,省略照片(picture.hidden: true)、出生日期、婚姻状况、完整街道地址和身份证件号码。其他国家有所不同。
  • 技能:对用户能在要点中佐证的硬技能进行分组;将 level 设为 0 可隐藏熟练度圆点。
  • 格式:月/年日期保持一致;通过招聘门户投递时优先使用单栏模板。

输出格式

生成简历时,输出一个符合 Reactive Resume schema 的完整 JSON 对象。用户随后可将该 JSON 直接导入 https://rxresu.me 的 Reactive Resume。连接 Reactive Resume MCP 服务后,改为在用户批准后提议用 import_resume {data} 创建;如果载荷对客户端过大,则提供 JSON 文件。

最小结构示例:

{
  "picture": { "hidden": true, "url": "", "size": 80, "rotation": 0, "aspectRatio": 1, "borderRadius": 0, "borderColor": "rgba(0, 0, 0, 0.5)", "borderWidth": 0, "shadowColor": "rgba(0, 0, 0, 0.5)", "shadowWidth": 0 },
  "basics": { "name": "", "headline": "", "email": "", "phone": "", "location": "", "website": { "url": "", "label": "" }, "customFields": [] },
  "summary": { "title": "Summary", "columns": 1, "hidden": false, "content": "" },
  "sections": { ... },
  "customSections": [],
  "metadata": { "template": "onyx", "layout": { ... }, ... }
}

完整 schema 请参见 references/schema.md。

MCP 求职跟踪

Reactive Resume MCP 服务还可管理求职申请。对于流水线工作(添加职位、推进阶段、跟进、记录所发送的简历版本、每周回顾、消息),请使用 job-application-manager 技能。如果它未安装:

  • 更改现有记录前先 list_applications;为新机会使用 create_application。
  • 用 update_application 推进阶段或关联简历;用 add_application_note 记录活动。
  • AI 工具(score_application_match、tailor_resume_for_application、draft_application_message)会将简历和职位发布发送给用户的 AI 提供商:先询问,并在用户发送任何内容前审查其输出。

提出好问题

当信息缺失时,提出具体问题:

  • "你在 [Company] 的职位名称是什么?"
  • "你在那里工作了哪些日期?(例如 Jan 2020 - Dec 2022)"
  • "你在这个职位上的主要职责或成就是什么?"
  • "你有具体的目标职位或行业吗?"

避免复合问题。为清晰起见,一次只问一件事。

评论

支持 Markdown