简历定制助手
针对具体职位深度调研、挖掘你未记录的经历，从既有简历库生成高匹配度且不失真的定制简历。
仅读取本地简历库并写入用户目录，无网络凭据或危险操作；关键节点设有用户检查点（模板、匹配、生成前确认），依赖 document-skills 子技能，数据流向披露较清晰。扣分：无明确回滚机制，库更新步骤的写入行为未详述最小权限，WebSearch/LinkedIn 抓取的外部数据使用边界未声明，发布者未经验证。
工作流自洽，含降级路径（无 WebSearch 则回退 JD-only，无插件则回退 markdown），失败反馈设计较好。扣分：核心逻辑仅为伪代码，匹配评分无可执行实现；SKILL.md 文件在生成报告段落被截断，说明文档不完整；静态评审无法执行关键路径，依赖外部子技能可用性未验证。
触发条件（用户提供 JD + 现有 markdown 简历库）明确，且清晰列出不适场景（从零写简历、求职信、LinkedIn）。扣分：多职位检测依赖英文短语，无中文支持声明；深度依赖 WebSearch 和 LinkedIn 抓取，在中国大陆网络环境下核心功能可能受限，未披露此限制。
文档分层清晰（SKILL.md + README + 支持文件 + docs/），有 MIT 许可证、贡献指南、故障排除和测试清单。扣分：无版本号或 changelog，维护责任和更新路径不明确；SKILL.md 内容截断，支持文件（research-prompts.md 等）未在本次证据中提供，无法核实引用完整性。
设计目标明确，输出格式（MD/DOCX/PDF/报告）直接可用，检查点设计降低返工成本。扣分：效果声明（92% 覆盖率、时间节省等）均为作者自述示例，无独立验证；静态评审无法确认输出质量，价值主张未经执行证实。
提供了测试清单和设计文档路径，声称有回归测试。扣分：示例结果不可复核，无 CI 工作流或已提交测试套件等第三方执行证据，主文件截断使部分引用（如 SKILL.md 行 1244-1320）无法核对。
- 静态评审，未执行任何代码；所有效果声明（JD 覆盖率、时间节省）均为作者自述，未经独立验证。
- SKILL.md 源文件在生成报告段落处被截断，文档可能不完整，使用前请核对仓库完整版本。
- 公司研究和角色基准分析依赖 WebSearch 与 LinkedIn 抓取，在中国大陆网络环境下可能不可达，且技能未披露此限制。
- 生成 DOCX/PDF 需要额外安装 document-skills 插件，属于未随附的外部依赖。
- 无中文支持声明；多职位检测逻辑基于英文短语，中文输入可能无法触发批量模式。
- 无版本号和 changelog，更新与维护路径不明确。
这个 Skill 能做什么，适合哪些场景？
这是一个面向 Claude Code 的简历定制技能，输入职位描述和你的 Markdown 简历库，输出针对该职位优化的简历（MD/DOCX/PDF）及匹配度报告。它先解析职位描述并调研公司与岗位画像，再通过对话式追问挖掘你未写进简历的经历，最后用置信度评分把库中内容逐条匹配到模板，并对薄弱点如实标注差距。其核心原则是'保真优化'——只重新措辞和侧重，绝不虚构经历。整个流程在多个检查点征求用户确认，每次成功生成后可将新简历回存以扩充简历库。
1) 扫描 resumes/ 目录下的 Markdown 简历，解析出职位、要点、技能、教育并自动打主题/指标/关键词标签，建立经验数据库；2) 用网络搜索解析职位描述、调研公司文化与价值观、通过 LinkedIn 基准对比同类岗位，合成'成功画像'；3) 生成简历模板，含职位头衔重述（如 Graduate Researcher → Research Software Engineer）与同一公司多段经历的合并建议，并在检查点由用户确认；4) 可选的分叉式对话访谈，挖掘未记录的经历并起草要点；5) 按直接匹配40%/可迁移30%/相邻20%/影响力10%加权评分逐槽匹配内容，低于60%的差距如实呈现并给出选项；6) 生成 Markdown、DOCX（依赖 document-skills:docx）、可选 PDF 及包含覆盖率和面试建议的报告；7) 经用户同意后将新简历回存简历库并重建数据库。
- 求职者手里有十几份历史简历（Markdown 格式），想针对某个具体 JD 生成一份高度匹配的投递简历
- 同时投递 3-5 个相似岗位（如微软、谷歌、AWS 的 TPM 职位），想批量处理、共享一次经历挖掘以省时间
- 内部转岗者（如微软员工申请 1ES 团队 Principal PM），希望突出内部相关经验和内部术语
- 跨领域转型者（如 TPM 转生态学 PM），需要重新表述职位头衔并强调可迁移技能，同时了解真实差距
- 有职业空窗期的求职者（如创业两年），想把空窗期如实呈现为创业经历
- 不擅长写简历但经历丰富的工程师或研究者，希望挖掘并表达未记录的项目和成果
这个 Skill 有哪些优点和局限？
- 保真优化原则明确：只重述、不虚构，差距透明呈现，这对求职诚信很关键
- 多检查点设计，模板、匹配、生成每步都可审阅和调整，用户控制权强
- 多岗位批量模式共享经历挖掘，3 个岗位约省 11%、5 个约省 27% 时间
- 自增强：每次生成的简历可回存，简历库随使用变厚
- 输出完整：简历（三种格式）加一份含覆盖率、差距和面试准备建议的报告
- 降级路径清晰：调研失败退化为纯 JD 分析，DOCX 失败退化为 Markdown
- 硬依赖既有 Markdown 简历库，不能从零写简历；库太小（1-2 份）时匹配选项明显受限
- 不处理求职信、LinkedIn 优化等，源文件明确标注为不同技能范围
- 深度调研依赖 WebSearch 和 LinkedIn 搜索， obscure 公司或平台不可用时质量下降
- DOCX/PDF 依赖 document-skills 插件，未安装则只能输出 Markdown
- 声称的时间节省和覆盖率数字（如 92% 覆盖）均来自作者自己的示例，无独立测试证据
- README 虽列出测试清单，但为手动核对流程，仓库未见自动化测试套件
如何安装这个 Skill？
方式一（推荐）：git clone https://github.com/varunr89/resume-tailoring-skill.git ~/.claude/skills/resume-tailoring ，然后重启 Claude Code，用 /skills 确认 resume-tailoring 出现。方式二（手动）：mkdir -p ~/.claude/skills/resume-tailoring 并把仓库所有文件放入该目录。使用前需在项目中准备 resumes/ 目录并放入至少 1-2 份 Markdown 简历；如需 DOCX/PDF 输出，需安装 document-skills 插件。
如何使用这个 Skill？
在 Claude Code 中输入触发语句，例如："I want to apply for [Role] at [Company]. Here's the JD: [粘贴职位描述]"。技能会自动依次执行：建立简历库 → 调研公司/岗位 → 生成模板（检查点确认）→ 可选经历挖掘 → 评分匹配（检查点确认）→ 生成 MD/DOCX/PDF/报告 → 询问是否回存简历库。批量模式：一次提供多个 JD（如 "I want to apply for these 3 roles: ..."），技能会检测并询问是否启用多岗位模式。关键决策均有检查点，可回退修改；生成的文件命名形如 {Name}_{Company}_{Role}_Resume.md。