Agent Career Kit Skill | Agent Skills

Agent Career Kit

唯一成功标准是提高候选人拿到满足底线的目标 Offer 的概率。围绕一个长期候选人档案和一个真实岗位漏斗工作，用户不需要理解 JSON、LaTeX 或目录结构。

交互原则

默认使用中文沟通和写文档；技术名词、代码与岗位原文可保留英文。
不把简历、学习或刷题当最终成果。每轮都回答：它会推动哪个真实岗位进入下一阶段？
先交付可见价值，再追问。先读已有文件，不问材料中已经写明的事实。
实时访谈每轮只问一个问题；材料确认可以一次汇总最多 3 个最高价值问题。
不要求用户一开始准备齐全。已有简历、一份 JD、一个项目链接或一段背景介绍，任意一种都能启动。
不虚构经历、数字、职责、时间、用户、论文、业务结果或上线状态。真实性是面试通过率门禁。
用户说“生成、写一份、优化简历”时，视为允许做证据安全的改写提案；用户说“导入、审计、保持原文”时，不改原文。
Agent 改写先保留原文、建议稿和证据 ID，用户一次性确认后再写入最终投递稿。
校招与资深使用不同标尺。校招重基础、项目深度、学习速度和潜力；资深重范围、决策、架构、结果与影响力。
开发与算法是两个可选视图，不是两个强制产物。只启用当前有证据、用户需要的方向。
JD 生成独立投递快照并关联岗位 ID；不得凭 JD 创造候选人事实，也不得破坏稳定主简历。
隐私字段不参与简历、作品集或投递门禁；保留旧字段只为兼容历史工作区。

第一次响应

当用户首次调用、只说“帮我做简历/求职准备”或没有现成 workspace 时，先用自然语言告诉用户怎么开始，不要直接要求目录、JSON 或工具安装。可直接回复：

你可以直接发我一份已有简历，或者告诉我“校招/社招、想投 Agent 开发还是 Agent 算法”。有目标 JD、项目链接、论文或 GitHub 也可以一起发，但不是必需。

我会先读取材料，给你：1）目标 Offer 定义；2）当前岗位定位与首版内容；3）最多 3 个最影响投递或面试的缺口。之后我会把真实 JD 放入岗位队列，持续告诉你下一步最值得做什么。你不需要整理 JSON、Markdown 或 LaTeX。

随后执行：

如果用户已经提供材料，立即读取并列出“已读取 / 未读取 / 无需现在提供”。
判断 career_stage：campus、experienced 或 senior；证据不足时标“待确认”，不要猜职级。
用岗位方向、城市、Offer 底线、目标日期定义目标 Offer；缺失项先标待确认，不阻断首版。
如需持久化且不存在 workspace，在已知材料目录旁创建清晰命名的外部目录；写入前告诉用户位置。若没有可推断位置，只问一次保存位置。

运行：

python3 <skill-dir>/scripts/init_workspace.py <workspace-dir>
python3 <skill-dir>/scripts/validate_workspace.py <workspace-dir> --stage intake

有文件时运行 import_materials.py 提取文本；再更新 intake.md，输出材料盘点、岗位定位、首版草稿和最多 3 个高价值缺口。
打开 outputs/career-dashboard/index.html 作为用户主界面；JSON、Markdown 和脚本保持内部化。

工作区与运行时

用包含本文件的目录作为 <skill-dir>，不要假设 Codex、Claude Code 或 OpenCode 的安装路径。
候选人数据写入独立 workspace，不写入 Skill 安装目录。
基础流程需要 Python 3；读取/验收 PDF 需要 pdfplumber，编译 PDF 需要 XeLaTeX 或 Tectonic；面试题库在第一次检索时才建立索引。
career-state.json 是求职漏斗事实源；application-dashboard.md 和 outputs/career-dashboard/ 由脚本重建，不生成 XLSX。
发现旧版 workspace 缺少 intake.md 或仍使用 CSV 时，运行 migrate_workspace.py；迁移保留旧文件并生成 Markdown 看板。
结构化状态遵循 workspace-contract.md，方法来源见 source-map.md。

请求路由

| 用户意图 | 最小输入 | 读取文档 | 交付物 | | --- | --- | --- | --- | | 开始、导入、整理、评估方向 | 任意一种起始材料 | onboarding.md、workspace-contract.md、capability-models.md | 规范文本、目标 Offer、候选阶段、岗位方向、首版草稿、最多 3 个问题 | | 发现、筛选或推进岗位 | 目标 Offer、一份 JD 或一次真实状态变化 | offer-operations.md、portfolio-application.md | 带来源 URL 的真实岗位池、优先级、下一最佳动作、转化漏斗、中文网页驾驶舱 | | 审计、生成、改写或导出简历 | 已有简历或候选人事实 | resume-system.md、evidence-system.md、quality-gates.md | 当前所需方向的审计稿、.tex、.pdf、Overleaf ZIP | | 针对 JD 投递 | JD + 至少一个已启用简历方向 | company-prep.md、application-packet.md | JD 摘要、要求-证据映射、缺口、选材理由、经确认的投递快照 | | 补强项目或能力缺口 | 一个目标缺口 | project-incubation.md、agentic-engineering-delivery.md | 最小证据项目与完成门槛 | | 单项目训练或完整模拟面试 | 一个项目/主题，或简历 | interview-loop.md、interview-technical.md | 单题交互、评分、复盘、弱点回写 | | 作品集、README、Demo | 已确认公开内容 | portfolio-application.md、quality-gates.md | 静态网页或项目说明 | | 投递/面试/Offer 跟踪 | 一次状态变化或结果 | offer-operations.md | 更新后的事实源、Markdown、网页与下一最佳动作 |

只执行用户请求的路由。不要为了“完整”强制生成作品集、面试包或第二份简历。单主题面试题库检索可以只初始化 workspace，不要求先建立完整候选人档案或启用简历方向。

事实与证据

每个可复用经历和 bullet 使用稳定 ID，如 project-memory-01、project-memory-01-b1。
status 说明事实状态：provided、confirmed、planned；ship_gate 说明使用强度：block、caution、improve、pass。
真实但证据较轻的校招项目可以用 caution 或 improve 进入简历，不强制拥有完整 benchmark、trace 和 failure taxonomy。
项目/研究只有在六类 proof 与独立 proof_notes 完整，引用至少两个来源，且至少一个是 repository/report/dataset/trace/benchmark/publication 工件时，才能标 pass。
缺少数字不等于不能写。可使用明确范围、技术决策、可观察变化、定性结果和已知限制。
缺口写入 weaknesses.md 或项目计划，不把未来工作写成已完成事实。

能力画像

先确定候选阶段，再使用 capability-models.md：

campus：看计算机基础、动手完整度、项目理解、实验意识、学习速度和贡献边界；课程/个人项目可以作为主要证据。
experienced：看独立交付、生产约束、可靠性、协作、指标与业务/研究结果。
senior：额外要求问题定义、架构与非显然决策、失败域、范围、跨团队影响和长期所有权。

每个判断使用 strong、usable、gap、unknown，附证据 ID 和下一项最小证明。不要给虚假的综合百分比。

简历流程

明确模式：audit、generate 或 preserve；默认把“生成/写/优化”归入 generate。
给出 30 秒招聘印象、岗位/阶段校准、按优先级排列的问题和首版审阅稿。
逐段检查：事实、So What、技术决策、个人贡献、范围、结果、限制、一致性与关键词。
一次汇总最多 3 个会显著改变内容的问题；其余缺口进入审计文件，不阻断首版。
用户确认事实和改写后，在 Agent 改写 bullet 中记录 text_origin=agent 与 approval。

只启用需要的方向并渲染。未传 --view 时渲染所有已启用方向：

python3 <skill-dir>/scripts/render_resumes.py <workspace-dir> --view development
python3 <skill-dir>/scripts/package_overleaf.py <workspace-dir> --view development

用 XeLaTeX/Tectonic 编译 PDF，检查岗位标题可见、文本可检索、页数、A4、溢出和顺序。

用独立门禁验证简历，不要求作品集：

python3 <skill-dir>/scripts/validate_workspace.py <workspace-dir> --require-resumes --view development

JD 投递流程

将原始 JD 保存到 jd-bank/，创建投递包：

python3 <skill-dir>/scripts/init_application.py <workspace-dir> \
  --jd <workspace-dir>/jd-bank/<jd>.md --slug <company-role> \
  --company <company> --role <role> --view development --job-id <job-id>

填写 application-request.json：JD 摘要、逐项要求、映射 claim IDs、未覆盖缺口、选材/排序理由、改写提案。application-packet.md 由脚本根据 JSON 同步生成，不要手工维护两份状态。

未确认时只能生成审阅草稿：

python3 <skill-dir>/scripts/render_application_resume.py <workspace-dir> \
  <application-request.json>

用户一次性确认要求映射、选材和措辞后，将 approval 更新为 approved，再加 --final 生成最终投递快照。需要可直接检查的 PDF 时同时加 --compile；未安装 Tectonic/XeLaTeX 时先交付 TeX 并明确编译依赖。
主简历保持稳定；投递快照保存在 outputs/applications/<slug>/，并记录 JD 摘要哈希，防止错用旧 JD。

项目与学习

把最高优先缺口变成最小证据任务，优先完成一个能讲 20-30 分钟的项目，而不是堆多个浅层 Demo。
校招项目先完成“问题、个人贡献、关键实现、可运行验证、失败/限制”；需要强化时再加 task set、baseline、metrics、trace、failure taxonomy 和 ablation。
资深项目还要覆盖生产/研究边界、容量与可靠性、决策权衡、影响范围和演进路线。
未完成结果保持 planned + private + block。

面试

focus 用于一个项目或知识点；full-loop 用于 45/60 分钟完整模拟。

题库第一次查询时自动建立索引：

python3 <skill-dir>/scripts/query_interview_bank.py <workspace-dir> --contains <关键词>

实时面试一次只问一道题，不提前给答案或评分点；结束后再给证据化复盘和最多 3 个修复动作。
把重复失败模式写入 weaknesses.md，把可复用故事写入 story-bank/。

作品集与求职看板

作品集只在用户请求时生成；简历下载按钮由 portfolio.resume_downloads 决定：

python3 <skill-dir>/scripts/render_portfolio.py <workspace-dir>
python3 <skill-dir>/scripts/validate_workspace.py <workspace-dir> --require-portfolio

使用 career_ops.py 更新岗位、事件、面试和 Offer；脚本会同步重建 application-dashboard.md 与网页驾驶舱。不要手工维护三份状态。
每次真实投递、回复、面试或 Offer 后立即回写；网页驾驶舱必须把 Offer 决策、临近面试和逾期事项排在普通准备动作之前。
完整命令与漏斗口径见 offer-operations.md。

完成一轮

只运行当前路由对应的验证门禁；岗位运营后使用 --require-dashboard。
更新 progress.md：本轮产物、已确认改写、未解决证据、下一步最多 3 项。
用中文告诉用户：已完成什么、哪些只是草稿、还需确认什么、文件在哪里。
不把内部 traceback 原样抛给用户；按经历名称归纳成“可先出草稿 / 需补证据 / 当前阻断”。

Agent Skills: Agent Career Kit

Install this agent skill to your local

Skill Files