Agent skill · writing content · aiskillstore
qiaomu-campus-resume
为大学生、应届生和实习求职者从 0 创建、定制或美化可投递简历：支持借鉴 Grill Me 的一问一答访谈，从零收集经历并生成 PDF；读取岗位 JD 与旧简历，建立要求—证据映射并针对性改写；在不改变事实的前提下优化已有简历内容结构或只美化排版；按用户明确要求一次生成六种不同风格的 ATS 友好 PDF 简历。适用于“采访我做简历”“没有简历从零问答”“根据 JD 定制简历”“优化/重排/美化已有简历”“一次生成多种风格简历”等请求；支持中文/英文及计算机、软件、AI、数据和其他校招岗位。使用 A-C-R-E 结构审校经历，并按 sparse / balanced / dense 自适应内容密度。禁止虚构经历或数字；默认生成一份最合适的单栏简历，只有用户明确要求比较时才批量生成。不要用于学术申请 CV、资深高管简历、作品集网站、代投职位或单纯模拟面试。
Why this skill is useful
Provides specific workflows and scripts for generating tailored resumes based on job descriptions and user input, which the AI wouldn't reliably generate on its own.
What it needs
Requires python3 installed locally. About 2k tokens when loaded. Last updated 2026-08-07. 405 stars on the source repository.
What this skill does
乔木大学生简历 把零散、真实的学生经历整理成可投递、可编辑、可复核的 HTML 与 PDF 简历。内容可信优先于修辞，岗位相关性优先于信息堆叠。 使用边界 适用：在校生、应届生、毕业三年内的早期职业求职者；默认兼顾中文校招与技术岗位。 不适用：学术申请 CV、资深高管履历、作品集网站、求职信、代投或招聘平台账号操作。 不承诺“通过率”“邀约率”或 ATS 分数；只能报告实际做过的结构、关键词、文本提取和文件检查。 不得虚构公司、项目、职责、技术栈、奖项、用户量或性能数字。所有可验证陈述必须进入事实证据链。 四种能力路由 先判断用户已有材料与明确意图，不把所有请求都拉回同一套采访： 入口 第一动作 完成条件 --- --- --- 从 0 问答写简历 读取 对话式访谈与采集，从目标岗位或最强经历开始，每轮只问一个问题 事实账本通过访谈门禁并获得本人确认，再生成默认单主题 PDF 提供旧简历优化 先提取并复述已有事实，不重复询问；用户要改内容时，只追问会改变表达的缺口 内容优化走完整证据门禁；只改排版走“排版快速路径” 提供 JD 针对性定制 同时抽取 JD 必备条件、加分项与职责，建立 JD 要求 → 已有证据 / 缺口 → 简历位置 映射 只写有证据的关键词；缺口明确标记，不把 JD 要求伪装成候选人技能 一次生成多种风格 固定同一份已确认事实，直接使用 --all-themes 生成六套核心主题 六份 HTML/PDF、清单与批量验证全部通过，并逐页查看 排版快速路径：仅当用户明确要求“内容不改，只美化/重排/换模板”时使用。运行 extractresume.py，展示提取到的姓名、教育、经历、技能和时间线摘要，请用户一次确认；随后以 sourceresume 标记原文事实，运行 validateresume.py 并渲染。不要强迫用户补两项新证据，不做未经请求的内容改写；若原文存在影响投递的矛盾、占位符或缺失联系方式，只问一个阻断问题，无法确认的内容省略或标为草稿。 Compact Workflow 1. 建立工作目录：在用户工作区新建独立输出目录；保留原始文件，不覆盖、不改名、不上传外部服务。 2. 按四种能力路由选择入口并启动对话： 有旧简历：运行 scripts/extractresume.py 提取文本，并保留来源路径；扫描件无文本时，明确征得同意后才做 OCR。 无旧简历、信息不足或用户要求采访：必须读取 对话式访谈与采集，使用一问一答模式。每轮只问一个核心问题，并附上可被用户纠正的当前判断；不要发巨型问卷。 有岗位 JD：同时提取必备条件、加分项、工作内容、关键词和不匹配项；没有 JD 时按目标岗位族生成通用版。 3. 深挖并维护事实账本：除纯排版快速路径外，优先沿最强经历逐层追问情境、个人职责、关键行动、结果、证据和面试可解释性；每 2–3 轮用不超过 5 条复述已确认事实与剩余缺口。把过程写入本地 interview-ledger.json，把可公开成果标注 evidencetype。遵循 真实性与证据。 4. 确定策略：必须读取 简历写作与版式最佳实践 与 内容与岗位策略，建立 JD 要求 → 证据 → 简历位置 映射；选择目标岗位、语言和一页/两页上限。按 六主题系统 选择核心主题，并遵循 字体与印刷排版系统。用户提到 ResumeCollection、模板编号或要看更多简洁方案时，读取 ResumeCollection 简洁参考目录，选择单个重构预设或六预设对比输出。 5. 通过生成门禁：从 0 创建、内容优化或 JD 定制时，运行 python3 scripts/assessinterview.py interview-ledger.json；目标岗位、基础信息、教育、两项可用证据、技能证据链、关键疑点和本人确认全部通过后，才进入最终生成。纯排版快速路径改为“来源提取成功、事实摘要获确认、sourceresume 证据类型完整、validateresume.py 通过”四项门禁。用户中途要求停止时，交付事实摘要与精确缺口；除非对应门禁通过，否则只可生成明确标注的草稿 JSON/HTML，不把 PDF 伪装成最终版。 6. 确认并起草数据文件：先向用户展示“目标岗位 / 核心经历 / 可用数字 / 技能 / 舍弃项 / 仍有疑点”的简短事实摘要，获得明确确认。再按 数据契约 写出 resume-data.json；需要估算时必须保守、显式标记并由学生确认。 7. …
How to use it
Reference it in AdaL, Claude Code, Cursor or any coding agent — nothing to install:
@skills aiskillstore/qiaomu-campus-resume