resume-intelligence

简历情报

使用此技能，将经批准的职业经历证据转化为专业的简历和面试体系：来源清单、工具使用日志、证据日志、简历草稿、详细面试简历、职业主运行记录、职业知识库、职业定位顾问、ATS/招聘人员评分卡、润色后的简历、可选的 ATS 安全 DOCX、可选的设计版 HTML/PDF/Figma/Canva 就绪简历、可选的设计版 DOCX 配套文件、可选的定向简历、可选的求职信、职位/市场匹配度分析、职位匹配评分报告、项目面试简报、技术栈面试指南、面试准备度评分卡、面试准备包、披露审批队列、脱敏审核，以及 LinkedIn 个人资料建议。

防护措施

• 不得抓取登录后的 LinkedIn 内容，也不得绕过平台控制措施。
• 使用 LinkedIn 个人资料导出文件、粘贴的个人资料内容、公开的个人资料内容或用户笔记。
• 不得在插件文件、生成的输出、模板或证据日志中存储凭据。
• 不得自动将头像、私人文档或简历内容上传到 Canva、Figma 或其他第三方设计服务。
• 默认将 GitHub Enterprise、私有 Confluence、私有 Jira 和私有代码仓库视为机密。
• 保留每项声明的来源信息。
• 将不确定的声明标记出来，供用户确认。
• 在最终面向用户的输出中加入内部项目名称、客户名称、代码仓库名称、Jira ID、Confluence 标题、私有 URL 或精确的内部指标之前，先征求同意。
• 不得照搬其他专业人士公开个人资料中的措辞。

何时加载参考资料

• 在从多个来源或任何 GitHub 来源收集证据之前，阅读 references/source-model.md。
• 在创建结构化证据、运行摘要或质量门检查之前，阅读 references/evidence-schema.md。
• 在根据企业或私有来源撰写最终简历、求职信或 LinkedIn 文本之前，阅读 references/privacy-sanitization.md。
• 在根据 GitHub Enterprise、私有 Confluence、Jira、私有代码仓库或机密本地文档定稿输出之前，阅读 references/enterprise-redaction-audit.md。
• 在生成证据日志、简历文件、求职信或 LinkedIn 建议之前，阅读 references/resume-workflow.md。
• 在提供职业主运行记录、职业定位建议、面试辅导、准备度评分或缺失信息收集流程之前，阅读 references/career-coaching-workflow.md。
• 在创建或查询持久化职业知识库、Obsidian 知识库、LLM 维基或供未来使用的职业记忆之前，阅读 references/career-vault-workflow.md。
• 在生成 DOCX、Word、面向 Google Docs 的文档、PDF 导出、Canva 就绪、Figma 就绪或视觉效果精良的简历材料之前，阅读 references/docx-template-workflow.md。
• 在生成视觉效果丰富的 HTML/PDF 输出、Canva 就绪套件、Figma 交接材料、浏览器渲染的截图，或判断 DOCX 是否适合作为最终视觉呈现形式之前，阅读 references/visual-design-tools-workflow.md。
• 在选择命名的视觉简历样式或在视觉材料中使用头像之前，阅读 references/visual-template-profiles.md。
• 在生成项目面试简报、技术栈面试指导、面试准备内容、求职搜索结果或职位匹配评分之前，阅读 references/interview-job-workflow.md。
• 用户需要设置帮助、本地专用模式、开源安装或可复用提示词时，阅读 references/open-source-onboarding.md 和 references/prompt-library.md。

信息收集

首先确定本次运行的目标：

• 通用简历。
• 详细的面试简历或职业生涯主时间线。
• 针对特定职位的简历。
• 针对特定公司的简历。
• 针对特定招聘信息的简历和求职信。
• LinkedIn 个人资料优化建议。
• 职业定位或面试辅导。
• 职业知识库、Obsidian 知识库、大模型 wiki 或供未来使用的知识库。
• 专业 DOCX、HTML/PDF、可用于 Figma 或 Canva 的内容，或视觉模板生成。
• 根据简历证据进行面试准备。
• 求职搜索和匹配度评分。
• 仅提取证据。
• 安全的纯本地运行或设置验证。

只收集实现该目标所需的输入：

• 工作年限和目标资历级别。
• 目标职位、技术、领域和地区。
• LinkedIn 个人资料导出文件、粘贴的个人资料、公开个人资料内容或笔记。
• 本地项目文档文件夹路径。
• 经用户批准的 Confluence CQL 查询、空间、标题或页面 URL。
• 经用户批准的 Jira JQL 查询、项目、问题键、指派对象身份和日期范围。
• 公开的 GitHub 账号、代码库、PR、问题和日期范围。
• GitHub Enterprise 主机、用户名、组织、代码库、凭据上下文、贡献类型、日期范围和披露级别。
• 招聘信息文本、URL 内容或粘贴的职位列表。
• 可选的本地头像图片路径或附件，用于设计简历模板。
• 保密和删改偏好。
• 安全的纯本地模式偏好，以及对第三方上传的任何限制。

来源收集

为每个获准的来源创建来源上下文。即使同一个人拥有两种身份，也要将公开 GitHub 和 GitHub Enterprise 分开处理。

始终先创建 source-inventory.md 和 tool-usage-log.md，再创建 evidence.md。清单必须说明哪些内容在范围内、扫描了哪些内容、跳过了哪些内容及其原因。工具日志必须记录每个来源实际使用的工具、连接器调用、shell 命令、浏览器操作或手动输入。不得默默推断某个文件夹或连接器已被读取。

对于本地文档文件夹，只要 rg 可用，就使用 rg --files <folder> 递归枚举获准的根目录。仅在 rg 不可用或不适用时才使用 find 作为后备方案。不得在第一个子文件夹后停止。清单中必须包含所有嵌套文件，并将文件分类为已扫描、因格式不受支持而跳过、因过大而跳过、因属二进制文件而跳过、因权限问题而跳过、重复文件或需要用户输入。若本地提取工具可用，优先处理面向文本的格式，例如 .md、.txt、.csv、.json、.yaml、.yml、.html、.xml、.adoc、.rst、.log、.docx 和 .pdf；对于无法解析的格式，记录提取限制。

如果连接器工具可用，并且用户已批准查询或代码库范围，则使用这些工具：

• GitHub：代码库、作者创建的拉取请求、已审查的拉取请求、问题、提交、评论，以及相关时的差异。
• Confluence：经用户批准的 CQL 搜索和特定页面。
• Jira：经用户批准的 JQL 搜索和选定字段。
• 本地文件：检查获准文件夹中的面向文本的文档。
• 网络研究：当用户要求优化或目标定位时，使用最新的公开来源查找招聘信息和公开市场研究。
• 头像图片：仅使用用户提供的本地图片路径或附件，并且仅在用户要求时将其纳入设计成品。

如果连接器不可用、缺少凭据或无法访问范围内的来源，则在 tool-usage-log.md 中记录尝试，将来源上下文标记为不可用或需要用户输入，询问用户是否可以提供粘贴的导出内容、本地文件或手动摘要，并继续处理其他获准来源。

证据提取

针对每个来源，提取：

• 项目或产品名称。
• 来源背景和证据引用。
• 用户角色和所有权。
• 业务、客户、技术、运营、安全或平台问题。
• 用户执行的操作。
• 技术和平台。
• 规模、可靠性、性能、成本、采用情况、安全性、迁移或运营影响。
• 日期或时间范围。
• 定量指标。
• 协作者和跨职能范围。
• 置信度：高、中或低。
• 披露级别：公开、仅限内部摘要、机密、排除或未知。

优先采用直接证据，而非推断。证据相互矛盾时，询问用户哪个版本准确。

输出位置

在以下位置创建输出：

resume-runs/YYYY-MM-DD-<descriptive-slug>/

请求相应输出时，使用以下文件名：

• source-inventory.md
• tool-usage-log.md
• evidence.md
• run-summary.md
• safe-local-mode-checklist.md
• disclosure-approval-queue.md
• final-redaction-review.md
• draft-resume.md
• detailed-resume.md
• career-master-run.md
• career-vault/
• career-vault-lint.md
• missing-information-loop.md
• career-positioning-coach.md
• resume-scorecard.md
• professional-resume.md
• ats-resume.docx
• designed-resume.docx
• designed-resume.html
• designed-resume.pdf
• visual-template-selector.md
• visual-design-review.md
• visual-tool-handoff.md
• targeted-resume.md
• cover-letter.md
• linkedin-recommendations.md
• gap-analysis.md
• job-match-report.md
• project-interview-briefs.md
• technical-stack-interview-guide.md
• interview-readiness-scorecard.md
• interview-prep-pack.md
• docx-render-review.md

将 assets/templates/ 中的模板用作结构参考，而非固定措辞。

输出顺序

1. 首先构建 source-inventory.md 和 tool-usage-log.md。
2. 如果用户希望仅使用本地模式，则创建 safe-local-mode-checklist.md，并避免访问连接器、浏览器、Figma、Canva 和招聘网站，除非用户之后批准。
3. 仅根据扫描或用户手动提供的来源构建 evidence.md。
4. 如果使用了私人或企业来源，在撰写面向用户的最终内容前创建 disclosure-approval-queue.md。
5. 根据高可信度和中等可信度的证据创建 draft-resume.md。
6. 如果用户希望进行完整的面试准备、职业经历重建、详细梳理“全部工作时间线”或职业辅导，则在评分卡之前创建 detailed-resume.md、career-master-run.md 和 missing-information-loop.md。包括完整的工作经历时间线、角色、职责、项目归属、影响、指标、技术、领导范围，以及待补充信息的问题。
7. 如果用户希望进行未来优化、持久化知识管理、使用 Obsidian、构建 LLM 维基或创建可复用的职业记忆，则根据结构化证据创建或更新 career-vault/，然后运行 scripts/vault_lint.py 并将结果保存为 career-vault-lint.md。
8. 在撰写最终内容前，请用户确认低可信度的陈述和敏感细节。
9. 在撰写最终内容前创建 resume-scorecard.md。检查页数策略、ATS 解析安全性、首页对招聘人员的吸引力、关键词覆盖率、未经证实的陈述，以及与招聘信息的差距。
10. 如果用户需要职业定位，或需要针对资深职位／个人简介进行改写，则根据详细简历和评分卡创建 career-positioning-coach.md。
11. 使用经过脱敏且有证据支持的要点，以及评分卡中的建议，创建 professional-resume.md。
12. 如果用户需要 DOCX、Word 或 Google Docs，则将 ats-resume.docx 作为主要求职版本，并可选择创建 designed-resume.docx，用于分享给招聘人员或推荐人。如果内容适用，请使用 scripts/build_resume_docx.py，然后在交付前使用 Documents 技能对 DOCX 进行渲染检查。
13. 如果用户需要视觉效果出众的简历、面向招聘人员的简历、适用于 Canva／Figma 的版式、头像或 PDF 导出，则创建 visual-template-selector.md，将 designed-resume.html 作为主要视觉交付物；在有可用浏览器工具时进行渲染，并在用户要求或确有需要时创建 designed-resume.pdf、visual-design-review.md 和 visual-tool-handoff.md。只有在用户提供或批准 Figma 目标文件时才使用 Figma 工具；Canva 仅用于手动导入交接，除非用户明确批准上传经过脱敏的内容。
14. 如果用户提供了招聘信息，则创建 gap-analysis.md、targeted-resume.md 和 cover-letter.md。
15. 如果用户需要求职，则搜索当前公开的职位来源，并创建 job-match-report.md，其中包含匹配评分和引用。
16. 如果用户需要面试准备，则创建 project-interview-briefs.md、technical-stack-interview-guide.md、interview-prep-pack.md 和 interview-readiness-scorecard.md。
17. 创建 linkedin-recommendations.md，其中包含可编辑的个人资料更新建议。
18. 如果最终输出参考了私人或企业来源，则在交付前创建 final-redaction-review.md。
19. 对于较大型的执行任务，创建 run-summary.md，总结来源覆盖范围、使用的工具、创建的输出、仅发出警告的质量检查、敏感信息的审批需求、职业知识库状态，以及待向用户确认的问题。

最终回复

总结：

• 创建的文件。
• 使用和跳过的来源。
• 清单和工具日志的覆盖范围，包括无法访问的已批准文件夹或连接器范围。
• 需要用户审核的敏感项目。
• 需要确认的低置信度声明。
• 详细的简历信息缺口：需要用户补充的日期、职责、指标、范围、项目成果或经历。
• 在请求辅导输出时，职业定位和面试准备方面的不足。
• 在请求持久化知识时，职业资料库路径、检查状态以及缺失的证据链接。
• ATS 安全性、招聘人员认可度、篇幅和关键词缺口的评分卡评估结果。
• 使用的视觉工具路径：HTML/PDF、Figma、Canva 交接、DOCX 或多种输出。
• 在请求视觉输出时，视觉模板配置和头像审批状态。
• 使用私人来源时的披露审批和最终脱敏状态。
• 使用的 DOCX 模板、渲染检查状态，以及交付的 DOCX 是否为 ATS 安全版、设计版或两者兼具。
• 在请求相关输出时，最匹配的职位和面试准备方面的不足。
• 用户接下来应采取的明确行动。