Skip to content
Back to skills

生成求职文档

ASecurity

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。

  • 20 stars
  • 0 votes
  • 0 copies
  • 0 views
  • Added June 5, 2026
ai-agentsapi

Works with

  • claude code
  • api

Security analysis

A100/100

Pro scans all 10 files and shows the line behind each finding

Scanned June 5, 2026

npx -y skills add Shilren/interview-doc-agent --agent claude-code

Installs into .claude/skills of the current project.

Are you the author of 生成求职文档?

Add the live security badge to your README. It updates with every re-scan.

Security grade badge for 生成求职文档
[![Security: A — Skills Directory](https://www.skillsdirectory.com/api/skills/shilren-interview-doc-agent/badge)](https://www.skillsdirectory.com/skills/shilren-interview-doc-agent)

More formats (shields.io, HTML) on the badges page. Keep it an A: scan every change in CI with Pro.

Download with Pro
SKILL.md
---
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

Files in this skill

  • SKILL.md5.3 KB
  • docs/01-理念-karpathy-wiki.md4.6 KB
  • docs/02-安装-obsidian.md3.1 KB
  • docs/03-接入-飞书.md3.3 KB
  • docs/04-使用指南.md2.4 KB
  • jd/README.md465 B
  • materials/README.md466 B
  • wiki/index.md1 KB
  • 经历库/00-个人档案.模板.md877 B
  • 经历库/01-示例经历.md1.4 KB

Attribution

Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.

Comments

Loading comments…