get-job.skill
实习.skill — 双非也能拿大厂 offer。帮你改简历、抠面经、准备面试,把真实背景翻译成面试官想要的样子。
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Badge for your README
Markdown
[](/listings/agentenatalie--get-job-skill)HTML
<a href="/listings/agentenatalie--get-job-skill"><img src="/api/listings/agentenatalie--get-job-skill/badge.svg" alt="findsafeskills safety rating" /></a>Install
Install instructions from the README
As written by the repo's author. findsafeskills has not verified these steps.
基于开放的 [Agent Skills 协议](https://agentskills.io),可在 Claude Code、Codex、Cursor、OpenClaw 等兼容 runtime 中运行。
**方式一:一行命令(推荐)**
npx skills add agentenatalie/get-job.skill
**方式二:手动安装**——把整个 `get-job/` 目录放进你的 skills 目录:
# Claude Code git clone https://github.com/agentenatalie/get-job.skill ~/.claude/skills/get-job # Codex / 其他 runtime:放进对应的 skills 目录即可
**方式三:作为参考资料**——不想装也行,直接把 `references/` 下的 playbook 丢给任何 AI,让它按这套方法帮你改简历、准备面试。
**使用**——装好后直接说:
> "帮我调研 [公司][岗位] 并按这份简历改投"(把简历 PDF/Word 丢进来) > 或 "按我简历准备 [公司] 的面试"(简历已交也能用)
它会从调研岗位开始,带你走完全流程,产出岗位调研、改后简历和面试准备文件夹。
---
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
SKILL.md · Manifest · 199 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- ---
- name: get-job
- slug: get-job-skill
- version: 1.0.2
- displayName: 实习.skill
- summary: 实习.skill — 从岗位调研、简历改写到分轮次面试准备的全流程求职 skill,帮用户把真实背景翻译成面试官想要的语言。
- tags:
- - 求职
- - 实习
- - 简历优化
- - 面试准备
- - 校招
- - 秋招
- - WebSearch
- license: CC-BY-NC-ND-4.0
- homepage: https://github.com/agentenatalie/get-job.skill
- description: |
- 实习.skill / get-job.skill:从岗位调研、简历改写到分轮次面试准备的全流程求职 skill。适合找工作、投实习、校招、秋招、春招、暑期实习、社招、跳槽、转行、跨专业求职、留学生求职,以及产品经理、运营、市场、咨询、AI 产品、AI Coding、数据分析、技术岗等目标岗位准备。
- 核心能力:① WebSearch 调研公司、岗位 JD、业务线、竞品、面经、招聘流程和隐性门槛;② 按目标岗位反向定位简历,做 JD 匹配、ATS 关键词、经历筛选、STAR/CAR 改写、可迁移能力翻译、docx 简历生成;③ 按真实轮次准备面试,覆盖一面/业务面/专业面/主管面/HR 面/recruiter screen 等已确认或高置信轮次,逐条深挖简历 bullet、项目逐字稿、自我介绍、表达训练、模拟面试、反问清单、面后复盘题库。
- 适用于「改简历」「简历优化」「简历润色」「简历匹配 JD」「求职简历」「投递前改简历」「按岗位改简历」「准备面试」「面试准备」「面经分析」「模拟面试」「自我介绍」「项目经历怎么讲」「简历被追问怎么办」「双非拿大厂 offer」「背景不对口怎么办」「AI 产品实习」「运营实习」「产品经理校招」等场景。
- 质量保障:不编造经历、不改背调硬信息;所有强 claim 做证据化审计;搜索源按市场和 A/B/C/D 分级;轮次不写死;最终交付前必须跑质量闸门和覆盖矩阵,避免漏 bullet、标签泄漏和过度包装。
- ---
- # 实习.skill · get-job.skill
- > 「你不需要一段完美对口的背景,你需要把已经有的背景,翻译成目标岗位听得懂的语言。」
- 一个通用求职 skill。跨平台可用(Claude Code、Codex,或任何支持 `SKILL.md` 的 agent 环境)。
- ## 可靠性协议(先跑)
- 完整方法见 `references/reliability-playbook.md`。任何任务开始前,先做一次输入体检,不要直接进入调研或改写。
- | 状态 | 处理 |
- |------|------|
- | **✅ Complete** | 目标岗位、市场/JD、简历、投递状态/轮次足够明确,直接进入对应 Stage。 |
- | **⚠️ Workable** | 有缺口但不阻塞:自动推断、WebSearch 补齐、低置信标注,并继续产出。 |
- | **🛑 Blocked** | 缺少目标岗位或简历正文等硬输入,无法安全推进;只问最少必要问题,不展开脑补。 |
- 自动恢复优先级:
- 1. **能从用户输入抽取的,不再问。** 例如从 JD 语言/地点推断目标市场,从面试邀请推断轮次。
- 2. **能搜索补齐的,先搜索补齐。** 例如用户只给公司+岗位但没贴 JD,先找官方招聘页/同岗 JD。
- 3. **能降级产出的,先降级产出。** 例如轮次未知时生成 `00-总览.md` + `01-简历bullet逐条深挖.md`,只把后续轮次列为待确认。
- 4. **不能验证的,不写成事实。** 所有低置信内容进入"缺口/假设/待确认"区。
- > 可靠性目标:遇到输入不完整、搜索源不足、文件解析失败、轮次不明、用户 claim 没证据时,先自动体检和降级,不把所有问题都推给人工确认。
- ## 质量闸门(交付前必须跑)
- 完整方法见 `references/quality-gates.md`;大改后回归测试见 `references/regression-evals.md`。任何最终交付前,必须先内部跑一次质量闸门,不默认把自检过程写进用户产物。
- | 级别 | 要求 |
- |------|------|
- | **P0 红线** | 造假、改背调硬信息、来源冒充事实、轮次写死、bullet 漏项、标签泄漏、过度包装:任一出现,停止交付。 |
- | **P1 核心质量** | 岗位调研、简历改写、面试准备必须满足对应完成标准;不满足就补齐、降级或明确标注缺口。 |
- | **P2 体验质量** | 文件名、语言、结构、扫读体验要像可发布产品,不出现工作记录或模板残留。 |
- 交付前内部核对四张覆盖矩阵:
- - **JD 核心能力 → 简历 bullet**:每个岗位能力都有真实经历支撑。
- - **简历 bullet → 面试准备**:每个最终 bullet 都有讲法、追问、证据、兜底。
- - **Claim → 证据**:每个数字/强动词都有证据等级和面试处理策略。
- - **轮次 → 来源**:每个独立轮次文件都有邀请、面经或流程依据。
- 能运行脚本的环境里,用 `python3 scripts/quality_check.py <output-folder>` 扫描公开交付物的结构和红线词;脚本通过不代表语义完美,仍要按 `quality-gates.md` 做语义自检。
- ## 链路(核心)
- 求职不是只把简历改得像那个岗位。完整链路是三段,缺一不可:
- ```
- ① 调研岗位 → ② 改简历 → ③ 准备面试
- WebSearch 目标定位+迁移翻译 分轮次+逐bullet深挖+表达训练
- ↓产出 ↓产出 ↓产出
- 岗位调研.md 改后简历.docx 面试准备/
- ```
- 每段的产出都是下一段的输入:**先搞清岗位要什么,才知道简历往哪改;简历定了,才知道面试要拆哪些雷。** 方向错了,简历改得再漂亮也没用。
- `examples/` 下每个文件夹就是一次完整成品——以岗位命名,含岗位调研、改后简历和面试准备文件夹。
- ## 诚实底线(贯穿全程,不可逾越)
- - **翻译 ≠ 造假。** 把做过的真事换个角度讲给目标岗位听,是翻译;把没做的写上去,是造假,面试一追问就崩。
- - **能力迁移要有真实锚点。** 每个"可迁移能力"都对应一件真做过的事,不迁移一个根本不存在的能力。
- - **用户输入不是事实保证。** Skill 只能做证据化追问和风险标注,不能替用户证明他没有注水;没有证据的 claim 一律标成"待用户确认/低置信"。
- - **模糊化 ≠ 撒谎。** 讲不清来源的数字,改成"双位数提升""测算方式记不准了",是诚实承认记不清。
- - **背调红线绝不碰。** 学历、在职时间、职位名称这些会被核实的硬信息,一个字不能动。
- - **"AI 辅助完成"是加分项。** 用 AI 快速做出 MVP、自己做产品/架构决策,诚实讲,比假装资深工程师被追问到崩强一百倍。
- ---
- ## Stage 0: 锚定
- 开工前钉死,一次问全,不要挤牙膏:
- | 锚点 | 作用 |
- |------|------|
- | **目标岗位 + 部门 + 方向** | 整条链路围绕它。"产品经理"在"技术与产品方向"和"产品运营"是两套准备。 |
- | **目标国家/地区 + 语言** | 中国、美国、英国、新加坡等岗位来源不同;不确认市场就容易搜偏。 |
- | **现有简历 + JD** | 简历丢进来(PDF/Word);有 JD 一起给。 |
- | **简历能不能改** | 还没投 → 走 Stage 2 改简历;已交 → 跳过,直接 Stage 3。 |
- | **轮次 + 时间** | 用户已收到的面试轮次、邀请信息、还剩多久;未知时由 Stage 1 调研推断真实流程,不补不存在的轮次。 |
- 若信息不全,按可靠性协议自动恢复:
- - **缺 JD**:有公司+岗位时先 WebSearch 官方招聘页/同岗 JD;搜不到就用通用岗位画像并标低置信。
- - **缺市场**:从公司、JD 语言、地点、招聘平台推断;推不出就标"市场待确认",同时用最可能市场搜索。
- - **缺轮次**:从邀请/面经/公司流程推断;推不出就只做总览与 bullet 深挖。
- - **简历无法解析**:要求用户粘贴正文,但仍可先输出需要补充的素材清单。
- ---
- ## Stage 1: 调研岗位(WebSearch)
- **全流程的真正起点。** 用 WebSearch 把目标公司/岗位摸清楚,产出 `岗位调研.md`。
- 先判断目标市场;不确定就问用户。调研必须用目标市场的本地关键词和本地招聘/面经来源,不要只搜英文或只搜中文。
- 来源质量优先级:
- 1. **A 级:一手/官方**:用户给的 JD、公司招聘页、官网、产品文档、官方新闻、团队博客。
- 2. **B 级:一手经验**:候选人自己拿到的面经、内推信息、牛客/脉脉/小红书等带具体岗位与时间的一手经验。
- 3. **C 级:可靠二手**:主流媒体、行业报告、公开发布会、竞品更新。
- 4. **D 级:SEO/搬运/课程软文**:只能当线索,不能单独支撑结论;若只搜到这类来源,必须标"低置信/待确认"。
- 市场来源覆盖(按目标国家/地区选用,不必全部都搜,但必须解释缺口):
- | 市场 | JD / 招聘源 | 面经 / 口碑源 | 业务 / 行业源 |
- |------|-------------|---------------|---------------|
- | 中国大陆 | 公司官网、校招/社招官网、BOSS 直聘、拉勾、猎聘、前程无忧、智联招聘 | 牛客、脉脉、小红书、看准、offershow | 公司官网、公众号/新闻稿、36氪/晚点/行业报告 |
- | 美国 | Company careers、Greenhouse、Lever、LinkedIn Jobs、Indeed | Glassdoor、Blind、Reddit、Levels.fyi、校友/用户提供面经 | 公司官网、产品文档、SEC/投资者材料、TechCrunch/主流媒体 |
- | 其他市场 | 公司官网 + 当地头部 job board + LinkedIn | 当地论坛/Glassdoor/校友面经/用户提供材料 | 公司官网、当地媒体、行业报告 |
- 搜这几个维度:
- - **核心能力关键词(3-5 个)**:从 JD、招聘页反推这个岗位真正考的能力 → 这是简历要对齐的靶心
- - **业务 / 产品线 / 竞品**:这条业务做什么、给谁用、最近发布了什么、竞品怎么打(二面常问"你了解我们吗")
- - **隐性门槛 / 轮次流程**:这家公司/岗位通常几轮、每轮谁面、各轮侧重什么;没有证据就标"未知/待确认",不要写死一面二面三面 HR 面
- - **行业 / 竞品 / 最新动态**:行业判断题、"你怎么看我们最近的 X"
- > ⚠️ 抓**最新**信息,不要凭训练语料编公司近况,过时就是硬伤。不要被搜索结果前排软文带着走;关键结论尽量用 A/B 级来源互证,互证不了就写成假设。跨国公司要区分全球岗位和当地岗位,同名岗位在中国/美国可能能力模型不同。
- 产出里必须有一小段"来源覆盖说明":目标市场、用了哪些本地来源、A/B/C/D 各有多少、哪些必要来源没搜到、哪些结论只是线索或待确认。产出格式见 `examples/*/岗位调研.md`。
- ---
- ## Stage 2: 改简历(简历没投出去时做)
- 完整方法见 `references/resume-playbook.md`。五步:
- 1. **目标定位**:用 Stage 1 的能力关键词当靶心。
- 2. **盘点真实经历**:每段问"真做了什么 + 有什么证据/细节能讲清 + 哪部分能对应靶心",建立"真实经历→目标能力→证据置信度"的映射。
- 3. **写求职意向头**:简历顶部加一段目标导向定位句,让面试官 5 秒看到"这人冲我们岗位来的"。
- 4. **能力迁移翻译(最核心)**:逐条改写 = 真事 → 用目标岗位语言重述 → 必要时自然点明可迁移性。迁移表达要克制,优先揉进 bullet,不要每条都机械挂一句,更不要输出"迁移句:"这个标签词。
- 5. **重排序 + 量化 + 砍无关**:最对口的提到最前;讲不清来源的数字模糊化;与岗位无关的删掉。
- 定稿后用 `scripts/generate_resume.py` 生成统一模板 docx(用法见 `scripts/README.md`)。
- > ✅ **检查点**:把定位、关键迁移叙事和高风险 claim 给用户确认——是否真实、有没有证据、有没有过度拔高。用户不能确认的内容,降级、模糊化或删除。
- ---
- ## Stage 3: 准备面试
- 完整方法见 `references/interview-playbook.md`。产出 `面试准备/` 文件夹。六步:
- 1. **建题库 + 发现轮次地图**:根据 JD、产品线、竞品、面经、公司流程和用户邀请,确定实际需要准备几轮;每轮标置信度和依据。
- 2. **简历 bullet 逐条深挖**:把最终简历的每个 bullet 编号,逐条准备"这条怎么讲、面试官会怎么追、证据口径是什么、答不上怎么兜底"。没有覆盖完每个 bullet,Stage 3 不算完成。
- 3. **项目逐字稿 + 知识点贴项目深挖**:对核心项目按"背景 → 我做了什么 → 分步怎么做 → 结果 → 困难 → 下次优化"写成可讲稿;技术/八股/AI 概念必须贴回用户自己的项目准备,不做脱离经历的题库堆砌。
- 4. **表达状态 + 自我介绍训练**:准备不卑不亢、落落大方的口语表达;自我介绍输出"口语版 + 关键字卡 + 练习动作",避免读稿、流水账、过度讨好或傲慢敷衍。
- 5. **证据化审计 + 风险地图**:逐条 claim 问"被追问来源你能讲清吗",分 ✅真/⚠️记不清/🚨假;每项配处理策略和时间预算;不会的题准备诚实边界,不瞎猜硬编。
- 6. **按实际轮次出文件 + 面后复盘题库**:必产 `00-总览.md`、`01-简历bullet逐条深挖.md`、`02-表达状态与自我介绍.md` 和 `99-面后复盘题库.md`;其余文件只为"用户确认"或"调研高置信"的轮次生成,例如 `03-业务一面-简历深挖.md`、`04-产品二面-业务判断.md`。搜索不到 HR 面就不要生成 HR 面文件。
- > ✅ **检查点**:把逐 bullet 深挖表、表达状态/自我介绍、轮次地图、风险地图、面后复盘题库和已确认轮次的话术给用户确认。用户讲不清的 bullet,如果简历还没投就回到 Stage 2 改写/删除;如果已经投了,就准备诚实降级和转场话术。
- ---
- ## 品味守则(速查)
- | 原则 | 一句话 |
- |------|--------|
- | 先调研,再动手 | 不搞清岗位要什么就改简历 = 瞎改 |
- | 翻译 > 堆砌 | 把真实经历翻译成岗位语言,胜过堆关键词 |
- | 迁移要有锚 | 每个"可迁移能力"都对应一件真做过的事 |
- | 真实 > 完美 | 1-2 件真做过的小事,胜过 3 件编得天衣无缝的事 |
- | 模糊 > 撒谎 | "记不准精度了"永远比硬报一个被追问就崩的假数字安全 |
- | 主动 > 被动 | 主动把节奏带到王牌,别等面试官在你心虚处深挖 |
- | 讲明白 > 背话术 | 面试不是朗读稿子,是把真实经历讲得清楚、稳住姿态 |
- | 先验收再交付 | 没跑质量闸门的产物,不算完成 |
- ### 绝不做的事
- - 编造不存在的经历或数据,或迁移一个根本没有的能力
- - 动学历/在职/职位名这类背调硬信息
- - 教用户假装资深工程师然后被追问到崩
- - 不调研岗位就闷头改简历
- ---
- ## 创建者归属
- > 本 Skill 由「实习.skill / get-job.skill」提供。
- > 创建者:[agentenatalie](https://github.com/agentenatalie)
README.md · README · 216 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- <div align="center">
- # 实习.skill
- <img src="assets/hero.png" alt="实习.skill / get-job.skill" width="100%" />
- <h3>从岗位调研、简历改写到分轮次面试准备,把真实背景翻译成面试官想要的语言。</h3>
- [](LICENSE)
- [](https://github.com/agentenatalie/get-job.skill/actions/workflows/quality.yml)
- [](https://agentskills.io)
- [](#安装)
- **你的全流程求职 skill**
- **简体中文** · [English](README_EN.md)
- [它能做什么](#它能做什么) · [效果示例](#效果示例) · [怎么用](#怎么用) · [示例成品](#示例成品) · [工作原理](#工作原理) · [安装](#安装)
- </div>
- ---
- ## 它能做什么
- 求职最难的不是没经历,是**经历跟目标岗位看起来没关系**,或者**简历改得再花面试一追问就崩**。这个 skill 把整条链路走完,缺一不可:
- | 阶段 | 做什么 | 产出 |
- | -------------- | ---------------------------------------------------------------------------------- | --------------- |
- | **① 调研岗位** | 按目标市场选择本地来源,用 WebSearch + 来源分级摸清岗位要什么:核心能力关键词、隐性门槛、最新动态 | `岗位调研.md` |
- | **② 改简历** | 目标岗位反向定位 + 把真实经历翻译成岗位语言,克制使用迁移叙事,一键生成 docx | `改后简历.docx` |
- | **③ 准备面试** | 根据调研发现真实轮次 + 每个 bullet 逐条讲解 + 自我介绍/表达训练 + 面后复盘题库,让你被追问也不崩 | `面试准备/` |
- 开工前会先做一次**输入体检**:目标岗位、目标市场、JD、简历、投递状态、面试轮次哪些完整,哪些能自动补齐,哪些只能低置信降级。缺 JD 会先找官方招聘页/同岗 JD;轮次不明就只做总览和 bullet 深挖;简历片段不完整就输出素材缺口清单,不编不存在的信息。
- 交付前还会跑一层**质量闸门**:检查 source 覆盖、JD 到简历的匹配、简历 bullet 到面试准备的覆盖、每个 claim 的证据等级、轮次依据和公开文件里的标签泄漏。没过红线就不交付,能降级的降级,不能验证的标低置信。
- 每段的产出都是下一段的输入。**方向错了,简历改得再漂亮也没用。**
- 教育学能投金融、心理学能进 AI、文科生能做互联网运营——靠的不是编经历,是翻译。
- ---
- ## 效果示例
- 同一个人的简历,改之前 vs 改之后。经历一个字没编,只是翻译成了目标方向听得懂的语言。
- <table>
- <tr>
- <td width="50%" align="center"><b>❌ 改之前</b><br/><sub>语言堆动作、格式无定位、内容看不出和岗位的关系</sub></td>
- <td width="50%" align="center"><b>✅ 改之后</b><br/><sub>定位头 + 痛点→产品决策→可演示 Demo + 统一专业排版</sub></td>
- </tr>
- <tr>
- <td><img src="assets/resume-before.png" alt="改之前的简历" /></td>
- <td><img src="assets/resume-after.png" alt="改之后的简历" /></td>
- </tr>
- </table>
- > 上面这对前后简历示例在 [`examples/文科投AICoding/`](examples/文科投AICoding/)(内容全部泛化,仅作演示)。
- 再往后,它会基于改后的简历反推岗位、生成一套**分轮次 + 逐 bullet 面试准备**(节选):
- <div align="center">
- <img src="assets/interview-prep.png" alt="面试准备示例:分轮次准备、逐 bullet 深挖、表达状态、自我介绍、核心项目讲解和面后复盘题库" width="78%" />
- </div>
- > 完整面试准备示例在 [`examples/文科投AICoding/`](examples/文科投AICoding/)。
- **这就是这个 skill 做的事:不编经历,把你已经有的东西翻译到位,再帮你准备到面试不崩。**
- ---
- ## 怎么用
- <div align="center">
- <img src="assets/how-to-use.png" alt="怎么用:一句话丢简历 + 岗位 → 调研岗位 → 改简历 → 准备面试,全程自动产出文件" width="100%" />
- </div>
- 装好 skill 后,把简历和目标岗位**直接 copy-paste 丢给它**,一句话就行:
- > 这是我的简历 `[贴上简历内容 / 拖入 PDF/Word]`,我想申请 `[公司]` 的 `[岗位]`,JD 如下 `[贴上 JD]`,帮我准备。
- 然后它会自动走三步,全程产出文件:
- 1. **调研岗位** — 先判断目标国家/地区,再用本地招聘源、面经源和官方源搜索岗位能力、隐性门槛和最新动态,并标注来源覆盖 → `岗位调研.md`
- 2. **改简历** — 按调研结论反向定位,把你的真实经历翻译成岗位语言,生成一份排版好的简历 → `改后简历.docx`
- 3. **准备面试** — 基于调研和改后简历发现实际有几轮、每轮看什么,先把每个 bullet 的讲解、追问、证据和兜底准备好,再补自我介绍、表达训练和面后复盘题库 → `面试准备/`
- 信息不完整时不会直接乱编:能自动搜索/推断的先补齐,补不齐的会标成"低置信/待确认"并降级产出。中间会有关键确认点(简历定稿前、逐 bullet 深挖表、表达状态/自我介绍、分轮次话术前),你过一眼对不对再继续。交付前会做质量闸门和覆盖矩阵检查;简历已经投出去改不了,就直接说"按我简历准备面试",跳过第 2 步。
- ---
- ## 示例成品
- `examples/` 下每个文件夹就是**一次完整成品**——以岗位命名,含完整交付物(全部虚构,看不出真实背景):
- | 示例 | 跨度 | 看点 |
- | ------------------------------------------ | --------------------- | ------------------------------------------------------------ |
- | [文科投AICoding](examples/文科投AICoding/) | 文科/Care → AI Coding | **含改前/改后简历截图 + 面试准备**,一眼看懂怎么改、什么格式 |
- | [文科生投运营](examples/文科生投运营/) | 文科 → 互联网运营 | 把"学生工作"翻译成运营能力 |
- | [非科班投AI产品](examples/非科班投AI产品/) | 非科班 → AI 产品 | 简历有水分时,面试怎么拆雷不崩 |
- 每个文件夹里:
- ```
- 文科生投运营/
- ├── 岗位调研.md # ① WebSearch 调研结果
- ├── 改后简历.md # ② 改写后的简历成品
- └── 面试准备/ # ③ 总览 + 按真实轮次生成的准备文件
- ├── 00-总览.md
- ├── 01-简历bullet逐条深挖.md
- ├── 02-表达状态与自我介绍.md
- ├── 03-{已确认或高置信轮次名}.md
- └── 99-面后复盘题库.md
- ```
- ---
- ## 仓库结构
- ```
- get-job/
- ├── SKILL.md # 三段链路主流程(skill runtime 读这个)
- ├── references/
- │ ├── reliability-playbook.md # 可靠性方法:输入体检 + 自动补齐 + 降级策略
- │ ├── resume-playbook.md # 改简历方法:目标定位 + 能力迁移翻译
- │ ├── interview-playbook.md # 面试方法:轮次地图 + 逐 bullet 深挖 + 表达训练 + 证据化审计 + 复盘题库
- │ ├── quality-gates.md # 交付前质量闸门:P0/P1/P2 + 覆盖矩阵
- │ └── regression-evals.md # 回归测试场景:跨市场、缺 JD、已投递、注水 claim 等
- ├── scripts/
- │ ├── generate_resume.py # 把改好的内容渲染成统一模板 docx
- │ ├── quality_check.py # 扫描公开交付物的结构和红线词
- │ ├── sample_resume.json # 输入示例
- │ └── README.md # 脚本用法
- ├── assets/ # README 用的图(hero / 怎么用 / 前后简历 / 面试准备截图)
- └── examples/ # 完整成品(虚构)
- ├── 文科投AICoding/ # 含改前/改后简历截图 + 面试准备文件
- ├── 文科生投运营/
- └── 非科班投AI产品/
- ```
- ---
- ## 工作原理
- ### 核心信念:翻译,不是造假
- 大多数人改简历的误区是**堆关键词**或**照时间平铺**,让招聘的人自己去找匹配点——他不会找。这个 skill 的内核是:
- 1. **目标岗位反向定位**——先从 JD 反推这个岗位要的 3-5 个核心能力,当作靶心。
- 2. **能力迁移翻译**——把真实经历用目标岗位的语言重述;跨行明显时,少量、自然地点明可迁移性,而不是每段都贴"迁移句"。
- 3. **按真实轮次逐 bullet 面试准备**——面试官会顺着简历追问两三层,提前把每个 bullet 的对应讲解、背景、角色、动作、数据口径、二三层追问和兜底都准备好;同时准备不卑不亢的自我介绍、项目逐字稿和面后复盘题库;轮次文件只为用户已确认或 Web Search 高置信发现的轮次生成。
- 4. **输入不完整也能降级处理**——缺 JD、缺市场、缺轮次、搜索源不足、简历片段不完整时,先自动补齐或降级,不把所有异常都丢给人工确认。
- 5. **交付前质量闸门**——用 P0/P1/P2 标准和覆盖矩阵检查 source、JD 匹配、bullet 覆盖、claim 证据、轮次依据和公开文件红线词;没过不交付。
- ### 诚实底线(不可逾越)
- - **翻译 ≠ 造假**:换角度讲做过的真事是翻译;写没做过的事是造假,一追问就崩。
- - **迁移要有真实锚点**:每个"可迁移能力"都对应一件真做过的事。
- - **Rail 不是保证**:skill 会追问证据和标注风险,但不能替用户证明输入一定诚实;没有细节支撑的 claim 不能当强事实写。
- - **模糊化 ≠ 撒谎**:"测算方式记不准了"是诚实承认记不清,不是编新谎。
- - **背调红线绝不碰**:学历、在职时间、职位名一个字不能动。
- - **"AI 辅助完成"是加分项**:诚实讲,比假装资深工程师被追问到崩强一百倍。
- ---
- ## 安装
- 基于开放的 [Agent Skills 协议](https://agentskills.io),可在 Claude Code、Codex、Cursor、OpenClaw 等兼容 runtime 中运行。
- **方式一:一行命令(推荐)**
- ```bash
- npx skills add agentenatalie/get-job.skill
- ```
- **方式二:手动安装**——把整个 `get-job/` 目录放进你的 skills 目录:
- ```bash
- # Claude Code
- git clone https://github.com/agentenatalie/get-job.skill ~/.claude/skills/get-job
- # Codex / 其他 runtime:放进对应的 skills 目录即可
- ```
- **方式三:作为参考资料**——不想装也行,直接把 `references/` 下的 playbook 丢给任何 AI,让它按这套方法帮你改简历、准备面试。
- **使用**——装好后直接说:
- > "帮我调研 [公司][岗位] 并按这份简历改投"(把简历 PDF/Word 丢进来)
- > 或 "按我简历准备 [公司] 的面试"(简历已交也能用)
- 它会从调研岗位开始,带你走完全流程,产出岗位调研、改后简历和面试准备文件夹。
- ---
- ## 许可证
- [CC BY-NC-ND 4.0](LICENSE):可自由分享,但**禁止商用、禁止修改后再分发,且必须署名作者**。需要商业使用授权请联系作者。
- ---
- ## Star History
- <div align="center">
- <a href="https://www.star-history.com/?repos=agentenatalie%2Fget-job.skill&type=date&legend=top-left">
- <picture>
- <source media="(prefers-color-scheme: dark)" srcset="https://api.star-history.com/chart?repos=agentenatalie/get-job.skill&type=date&theme=dark&legend=top-left&sealed_token=IPQNwoGbipyXKiJOjhGyK6SrdFcSKjaoKamjrvnnvHCSB6MNzeqTQ6OBaX0Lfte5UtF7EDmsBr1nxfw5uzQCCdk8LlnPO8dfNsWPQEiCR8oIspVcaHHqIuAt28UyvoavKQAUSXAJ_n-McpeVM2-Z-vHo2hN0ogJINhKw5ujB8uKl9PfUexEyXnKsSZqL" />
- <source media="(prefers-color-scheme: light)" srcset="https://api.star-history.com/chart?repos=agentenatalie/get-job.skill&type=date&legend=top-left&sealed_token=IPQNwoGbipyXKiJOjhGyK6SrdFcSKjaoKamjrvnnvHCSB6MNzeqTQ6OBaX0Lfte5UtF7EDmsBr1nxfw5uzQCCdk8LlnPO8dfNsWPQEiCR8oIspVcaHHqIuAt28UyvoavKQAUSXAJ_n-McpeVM2-Z-vHo2hN0ogJINhKw5ujB8uKl9PfUexEyXnKsSZqL" />
- <img alt="Star History Chart" src="https://api.star-history.com/chart?repos=agentenatalie/get-job.skill&type=date&legend=top-left&sealed_token=IPQNwoGbipyXKiJOjhGyK6SrdFcSKjaoKamjrvnnvHCSB6MNzeqTQ6OBaX0Lfte5UtF7EDmsBr1nxfw5uzQCCdk8LlnPO8dfNsWPQEiCR8oIspVcaHHqIuAt28UyvoavKQAUSXAJ_n-McpeVM2-Z-vHo2hN0ogJINhKw5ujB8uKl9PfUexEyXnKsSZqL" width="80%" />
- </picture>
- </a>
- **觉得有用就点个 ⭐ Star,让更多在改简历、准备面试的人看到。**
- </div>
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.