Skip to content

SKILL.md

Latest commit

 

History

History
89 lines (72 loc) · 5.34 KB

SKILL.md

File metadata and controls

89 lines (72 loc) · 5.34 KB
name 生成求职文档
description 产品经理（及泛求职）面试场景，根据模板风格 + 经历库，生成简历、面试逐字稿，并支持按目标岗位 JD 定制。借鉴 Karpathy 的 LLM Wiki 模式：原始素材先整理成完善的「经历库」，生成时先查索引定位、再只读相关档案，以节省 token 并保证质量。经历库是生成的主来源。

生成求职文档（面试 / 求职）

帮用户生成求职文档。三个能力：①写简历 ②写面试逐字稿 ③按 JD 定制简历/逐字稿。

路径说明：以下所有路径都相对于本 skill 所在的 agent 根目录（即包含本 SKILL.md 的文件夹）。 在 Obsidian 中通常是 <vault>/doc-agent/；在飞书中是云文档/Base 中的对应结构。

目录分工

<agent 根目录>/
├── templates/          模板库（学写作风格，按产出类型分）
│   ├── 简历/           简历模板（.tex 排版 / .md 改写）
│   └── 逐字稿/         面试话术模板 + 范文
├── 经历库/             ✨ 完善经历（生成主来源，每项目一份完整档案）
│   └── 00-个人档案.md  基础信息 + 索引 + 人设关键词
├── materials/          原始素材（粘贴的原始 dump，经历库的原料 / 细节回查）
├── jd/                 目标岗位 JD（按 JD 定制时放这里）
├── output/             生成的文档
└── wiki/index.md       检索索引（生成时先读这张表定位）

三层数据架构（Karpathy LLM Wiki 思路）：

原始素材 materials/ ──整理──▶ 完善经历 经历库/ ──生成──▶ output/
（粘贴的 dump）              （面试就绪，主来源）        （简历/逐字稿）
                                  ▲
                          目标岗位 jd/ ──匹配定制──┘
  • 经历库是核心：每篇档案已整理成「一句话 + 三段式 + 关键数据速取 + 人设亮点」，面试就绪
  • 生成时先读 wiki/index.md 这张轻量索引表定位，再只读相关经历库档案 + 模板，不必全读（省 token）
  • materials 仅在经历库细节不足时回查

运行模式

由读到本 skill 的 AI 直接执行（Obsidian Claudian / 飞书智能伙伴 / Claude Code 均可），直接读写文件。无需 API key。

首次使用：自动初始化（重要）

本 skill 只需要 SKILL.md 这一个文件即可工作——其余目录会按需自建。 当用户首次调用、且当前目录缺少 templates/、经历库/、materials/、jd/、output/、wiki/ 时，先自动创建这套目录结构，并在 经历库/00-个人档案.md 写入空白模板、在 wiki/index.md 写入空索引表，然后告诉用户：「已初始化目录，请把简历模板放进 templates/简历/、把项目经历粘进 materials/」。无需用户 clone 任何仓库。

能力一：写简历

  1. 读 经历库/00-个人档案.md（基础信息 + 索引）+ 相关经历档案
  2. 读 templates/简历/ 模板，学结构和加粗主题式 bullet 写法
  3. 生成：高度浓缩，每条 bullet = 加粗主题 + 动作 + 量化结果（不展开 why）
  4. 保存到 output/；如需正式 PDF，同步更新 .tex 内容

能力二：写面试逐字稿

  1. 读 经历库/ 里相关项目档案（按需求定位，不必全读）
  2. 读 templates/逐字稿/产品面试话术模版.md 学三段式骨架和句式
  3. 生成：走「背景思考 → 定义问题 → 手段&成果」三段式，复用固定句式，保留追问钩子
  4. 通常产出简单版（~2 分钟）+ 复杂版（~4-5 分钟）两版，附可抽讲子模块
  5. 保存到 output/

能力三：按 JD 定制

  1. 读 jd/ 里的目标岗位 JD
  2. 从 经历库/00-个人档案.md 的人设关键词 + 各经历中，匹配 JD 要求的能力点
  3. 重排/裁剪经历，突出与 JD 最相关的项目和数据，弱化无关项
  4. 生成定制版简历或逐字稿，保存到 output/

面试方法论（生成逐字稿时遵守）

  • 项目逐字稿走三段式：背景思考 → 定义问题 → 手段&成果
  • 复用固定句式：「我判断发力重点在 X」「逻辑是…具体动作是…（含触发时机/面向谁/展示什么）」「我对 X 指标负责」
  • 必须用经历库里的真实量化数据，缺数据处留 ___ 占位，绝不编造
  • 体现判断力叙事：讲「为什么这样判断」，不只讲「做了什么」
  • 保留追问留白钩子（「您看对哪段感兴趣」「可在追问时展开」）
  • 简历则相反：高度浓缩，只留结论和数字，不展开推理

更新经历库

用户新增/修改 materials/ 原始素材后：读新文件 → 提炼整合进 经历库/ 对应档案 → 更新 00-个人档案.md 索引和 wiki/index.md 检索表。

提炼标准（materials → 经历库）

  • 量化数据全部保留，一个数字都不漏
  • 三段式拆解：背景判断 / 关键问题 / 手段成果
  • 手段的 why + how（逻辑 + 具体动作：触发时机/面向谁/展示什么）
  • 判断力与人设亮点

注意事项

  • 经历库是主来源；materials 是原料，仅在细节不足时回查
  • 生成需求尽量写清楚：文档类型、目标项目/岗位、用途、篇幅
  • 绝不编造数据；真实数据缺失时用 ___ 占位并提醒用户补充