简历管理器

概览

这项技能将 Claude 转变为一个全面的简历管理系统，维护您的职业档案的数据库，并为特定的工作申请生成量身定制的、专业风格化的 PDF 简历。这项技能智能选择并突出显示与目标职位最相关的经历、项目和技能。

何时使用此技能

调用此技能进行简历相关任务：

为工作申请创建量身定制的简历
更新职业经历和项目
管理技能和认证
跟踪职业发展
生成针对特定角色的简历
维护全面的职业档案
为 ATS 系统优化简历内容

工作流程

第 1 步：检查现有数据

在任何简历操作之前，检查数据库是否已初始化：

python3 scripts/resume_db.py is_initialized

如果输出是 “false”，请进行第 2 步（初始设置）。如果是 “true”，请进行第 3 步（简历操作）。

第 2 步：初始设置 - 从现有简历中提取

当没有数据时，要求用户提供他们现有的简历。

提示用户：

为了帮助您创建量身定制的简历，我需要构建您的职业档案数据库。请以以下方式之一提供您的现有简历：

1. 上传您的简历文件（PDF、DOCX 或 TXT）
2. 粘贴简历内容
3. 提供您的在线简历/LinkedIn 个人资料链接

我将提取所有信息并将其组织在结构化数据库中，以便我可以用来为不同的工作申请生成定制的简历。

从简历中提取数据：

一旦用户提供他们的简历，提取以下信息：

1. 个人信息：

姓名
电子邮件地址
电话号码
地点（城市，州/国家）
LinkedIn 个人资料 URL
GitHub 个人资料 URL
个人网站
专业总结/目标

2. 工作经历： 对于每个角色，提取：

职位/工作头衔
公司名称
地点
开始日期（格式：“Mon YYYY” 如 “Jan 2022”）
结束日期（或 “Present”）
简短描述
关键亮点/成就（项目符号点）
使用的技术/工具

3. 项目： 对于每个项目，提取：

项目名称
日期或时间段
描述
关键亮点/成就
使用的技术
链接（如果有）

4. 教育： 对于每个学位，提取：

学位名称（例如，“计算机科学学士”）
学校/大学名称
地点
毕业日期
平均绩点（如果提到）
荣誉（如果有）
相关课程

5. 技能： 提取并分类技能：

编程语言
框架和库
工具和技术
实践和方法
软技能

6. 其他部分：

认证（名称，发行者，日期）
奖项和荣誉
出版物
志愿工作
语言能力

保存提取的数据：

提取后，使用 Python 保存到数据库：

import sys
import json
sys.path.append('[SKILL_DIR]/scripts')
from resume_db import initialize_from_data

resume_data = {
    "personal_info": {
        "name": "姓名",
        "email": "email@example.com",
        "phone": "+1 (555) 123-4567",
        "location": "城市，州",
        "linkedin": "linkedin.com/in/username",
        "github": "github.com/username",
        "website": "website.com",
        "summary": "专业总结..."
    },
    "experiences": [
        {
            "position": "高级软件工程师",
            "company": "公司名称",
            "location": "城市，州",
            "start_date": "Jan 2022",
            "end_date": "Present",
            "description": "简短描述",
            "highlights": [
                "成就 1 与量化结果",
                "成就 2 与影响指标",
                "成就 3 与使用的技术"
            ],
            "technologies": ["Python", "AWS", "Docker"]
        }
    ],
    "projects": [
        {
            "name": "项目名称",
            "date": "2023",
            "description": "项目描述",
            "highlights": [
                "关键成就或特性",
                "影响或结果"
            ],
            "technologies": ["React", "Node.js", "PostgreSQL"],
            "link": "github.com/username/project"
        }
    ],
    "education": [
        {
            "degree": "计算机科学学士",
            "school": "大学名称",
            "location": "城市，州",
            "graduation_date": "May 2019",
            "gpa": "3.8/4.0",
            "honors": "Magna Cum Laude",
            "relevant_coursework": ["数据结构", "算法", "机器学习"]
        }
    ],
    "skills": {
        "Languages": ["Python", "JavaScript", "Java"],
        "Frameworks": ["React", "Django", "Spring"],
        "Tools": ["Docker", "AWS", "Git"],
        "Practices": ["敏捷", "CI/CD", "TDD"]
    },
    "certifications": [
        {
            "name": "AWS 认证解决方案架构师",
            "issuer": "亚马逊网络服务",
            "date": "2023"
        }
    ],
    "awards": [],
    "publications": [],
    "volunteer": [],
    "languages": ["英语（母语）", "西班牙语（流利）"],
    "interests": []
}

initialize_from_data(resume_data)

替换 [SKILL_DIR] 为实际的技能目录路径。

确认：

完美！我已经提取并保存了您的职业档案：

• 个人信息：✓
• 工作经历：X 职位
• 项目：X 项目
• 教育：X 学位
• 技能：X 类别
• 认证：X 认证

您的简历数据库现已准备好。我可以为您申请的任何工作生成定制的简历。只需告诉我工作头衔或描述，我将创建一个突出显示您最相关经验和技能的量身定制的单页 PDF。

第 3 步：为工作申请生成量身定制的简历

当用户请求特定角色的简历时：

第 3.1 步：了解目标角色

询问用户关于角色的信息：

为了为这个职位创建完美的简历，我需要更好地了解这个职位。

1. 工作头衔是什么？
2. 您能分享工作描述或关键要求吗？
3. 必须具备的技能或技术有哪些？

第 3.2 步：提取关键词和要求

从工作描述中识别：

所需的技术技能
首选技术
关键职责
重要的关键词用于 ATS
行业特定术语
经验水平指标

第 3.3 步：生成量身定制的简历

使用 PDF 生成器创建定制的简历：

import sys
sys.path.append('[SKILL_DIR]/scripts')
from pdf_generator import generate_resume

# 从工作描述中提取的关键词
job_keywords = [
    "python", "aws", "kubernetes", "microservices",
    "agile", "rest api", "postgresql", "docker"
]

job_title = "高级后端工程师"

# 输出路径
output_path = f"~/Downloads/{job_title.replace(' ', '_')}_Resume.pdf"

# 生成简历
generate_resume(
    output_path=output_path,
    job_title=job_title,
    job_keywords=job_keywords
)

生成器将：

筛选与关键词相关的经验
选择与角色匹配的项目
突出适用的技能
保持单页
使用专业风格
优化 ATS 解析

第 3.4 步：审查和迭代

生成后：

通知用户 PDF 保存位置
提供调整建议
如果空间允许，建议额外的亮点
推荐针对特定要求的定制

第 4 步：更新简历数据库

当用户想要添加或更新信息时：

添加新经验：

from resume_db import add_experience

new_exp = {
    "position": "首席软件工程师",
    "company": "新公司",
    "location": "远程",
    "start_date": "Mar 2024",
    "end_date": "Present",
    "description": "领导后端基础设施团队",
    "highlights": [
        "扩展服务以处理超过 50M+ 日请求",
        "通过优化降低基础设施成本 30%",
        "构建 CI/CD 管道提高部署速度 10 倍"
    ],
    "technologies": ["Go", "Kubernetes", "PostgreSQL", "AWS"]
}

add_experience(new_exp)

添加新项目：

from resume_db import add_project

new_project = {
    "name": "实时分析仪表板",
    "date": "2024",
    "description": "构建实时分析平台处理 1M+ 事件/分钟",
    "highlights": [
        "使用 Kafka 和 Redis 的流式架构实现",
        "使用 React 和 D3.js 创建交互式可视化",
        "在复杂聚合上实现亚秒级查询延迟"
    ],
    "technologies": ["React", "Kafka", "Redis", "Python", "TimescaleDB"],
    "link": "github.com/username/analytics-dashboard"
}

add_project(new_project)

更新技能：

from resume_db import add_skill, update_skills

# 添加单个技能
add_skill("Languages", "Rust")
add_skill("Tools", "Terraform")

# 或更新整个技能字典
skills = {
    "Languages": ["Python", "Go", "JavaScript", "Rust", "SQL"],
    "Frameworks": ["Django", "FastAPI", "React", "Next.js"],
    "Cloud & DevOps": ["AWS", "Kubernetes", "Docker", "Terraform", "CI/CD"],
    "Databases": ["PostgreSQL", "MongoDB", "Redis", "Elasticsearch"],
    "Practices": ["微服务", "TDD", "敏捷", "系统设计"]
}

update_skills(skills)

添加认证：

from resume_db import add_certification

cert = {
    "name": "谷歌云专业架构师",
    "issuer": "谷歌云",
    "date": "2024",
    "credential_id": "ABC123",
    "link": "credentials.google.com/..."
}

add_certification(cert)

第 5 步：查看和管理简历数据

查看摘要：

python3 scripts/resume_db.py summary

查看特定部分：

# 个人信息
python3 scripts/resume_db.py get_personal_info

# 所有经历
python3 scripts/resume_db.py get_experiences

# 所有项目
python3 scripts/resume_db.py get_projects

# 教育
python3 scripts/resume_db.py get_education

# 技能
python3 scripts/resume_db.py get_skills

跨所有数据搜索：

python3 scripts/resume_db.py search "机器学习"

导出所有数据：

python3 scripts/resume_db.py export > resume_backup.json

第 6 步：简历优化技巧

在生成简历时，提供这些优化技巧：

内容优化：

使用行为动词（领导，构建，架构，改进，减少）
包含可量化的指标（X% 改进，Y 用户，Z 收入）
根据工作要求量身定制亮点
保持项目符号点简洁（最多 1-2 行）
专注于影响，不仅仅是职责

ATS 优化：

使用标准部分标题（经验，教育，技能）
自然地包含工作描述中的关键词
避免表格，列，页眉/页脚
使用标准字体（PDF 生成器这样做）
首次拼写出缩写词：“应用程序编程接口（API）”

单页策略：

优先考虑最近和相关的经历（过去 5-7 年）
每个角色包括 3-4 个项目符号点
最多限制 2-3 个项目
压缩旧的或不太相关的经历
除非特别要求，否则删除过时的技术

最佳实践

保持数据更新
- 项目完成后更新经历
- 学习新技能时添加
- 保持量化成就
- 立即记录认证
编写有效的项目符号点
- 以行为动词开始
- 包含指标和结果
- 显示进展和影响
- 使用 STAR 方法（情况，任务，行动，结果）
战略性地组织技能
- 按类别分组以清晰
- 将最相关技能放在首位
- 删除过时的技术
- 诚实地说明熟练程度
量身定制每份简历
- 将关键词与工作描述匹配
- 强调相关经历
- 根据相关性重新排序项目符号点
- 调整技术技能部分
保持专业语调
- 使用第三人称暗示（无 “I”）
- 保持语言简洁明了
- 除非是行业标准，否则避免行话
- 校对错误

示例互动

示例 1：初始设置

用户："帮助我为工作申请创建简历"

Claude：[检查数据库 - 未初始化]

为了帮助您创建量身定制的简历，我需要构建您的职业档案数据库。请以以下方式之一提供您的现有简历：

1. 上传您的简历文件（PDF，DOCX 或 TXT）
2. 粘贴简历内容
3. 提供您的在线简历/LinkedIn 个人资料链接

[用户提供简历]

Claude：[提取数据并初始化数据库]

完美！我已经提取并保存了您的职业档案：
• 个人信息：✓
• 工作经历：3 职位
• 项目：2 项目
• 教育：1 学位
• 技能：4 类别
• 认证：2 认证

您的简历数据库已准备好！告诉我您申请的工作，我将为您生成一个量身定制的单页 PDF 简历。

示例 2：为特定角色生成简历

用户："我需要为一家金融科技公司的高级后端工程师职位制作简历"

Claude：[数据库已初始化]

太好了！为了为这个高级后端工程师角色创建完美的简历，你能分享工作描述或告诉我关键要求吗？

用户：[分享工作描述，提到 Python，AWS，微服务，PostgreSQL 等]

Claude：[提取关键词：python, aws, microservices, postgresql, fintech, api]

[使用相关经历和项目生成 PDF]

我为您创建了量身定制的简历：~/Downloads/Senior_Backend_Engineer_Resume.pdf

简历突出显示：
✓ 您 5 年的后端经验，使用 Python 和微服务
✓ 您当前角色中的 AWS 和 Kubernetes 专业知识
✓ PostgreSQL 和数据库优化成就
✓ 您与金融科技相关的支付处理项目
✓ 所有与工作要求匹配的技术技能

简历针对 ATS 系统进行了优化，并保持在恰好一页。您想要我调整任何东西吗？

示例 3：更新经历

用户："我刚刚完成了一个重大项目 - 构建了一个实时分析系统，使用 Kafka 处理每分钟 100 万事件"

Claude：[加载简历数据]

了不起的成就！让我将这个添加到您的个人资料中。几个问题：

1. 我应该将这个添加到您当前角色的新项目符号点，还是作为单独的项目？
2. 除了 Kafka，您还使用了哪些技术？
3. 商业影响或结果是什么？

用户："将其添加到我当前的角色。使用了 Kafka，Redis，Python 和 TimescaleDB。将报告生成时间从小时缩短到秒。"

Claude：[更新经历]

✓ 更新了您当前角色的这一成就：

"构建实时分析系统，每分钟处理 100 万+ 事件，使用 Kafka，Redis 和 TimescaleDB，将报告生成时间从小时缩短到秒"

这将出现在未来的简历中，特别是对于需要流数据，Kafka 或分析经验的角色。

示例 4：多个简历版本

用户："我正在申请后端和全栈职位。你能为两者都创建简历吗？"

Claude：当然！让我们创建两个针对性的版本。

[生成侧重于 API 开发，微服务，数据库的后端简历]
✓ 后端工程师简历：强调您的 Python/Go 后端工作，API 设计和基础设施扩展

[生成包括前端和后端项目的全栈简历]
✓ 全栈工程师简历：平衡您的后端专业知识与 React 项目和全栈成就

两份简历都是一页，针对各自的角色进行了优化。主要区别是：
- 后端版本：更多强调系统设计，性能和基础设施
- 全栈版本：包括您的 React 项目，并提到端到端所有权

您想先查看哪一个？

示例 5：简历审查和优化

用户："你能审查我的简历数据并提出改进建议吗？"

Claude：[分析简历数据库]

我已审查您的个人资料。这里有我的建议：

**优势：**
✓ 量化成就的良好组合
✓ 最近的经验与需求技术
✓ 角色和职责中的清晰进展

**改进领域：**

1. **添加指标** 到这些项目符号点：
   - "改进 API 性能" → 添加百分比改进
   - "领导工程师团队" → 指定团队规模和结果

2. **更新技能** 部分：
   - 移除过时的：jQuery，Bower（除非特别需要）
   - 添加趋势：TypeScript，Next.js（如果您使用过它们）

3. **扩展最近项目**：
   - 您最近的项目提到了 "构建身份验证系统"
   - 添加：用户数量，遵循的安全标准，或使用的技术

4. **认证**：
   - 您的 AWS 认证即将到期 - 计划续订
   - 考虑添加您提到的 Kubernetes 认证

您想让我帮助更新这些领域吗？

技术说明

数据存储：

位置：~/.claude/resume_data.json
格式：结构化 JSON
备份：使用 python3 scripts/resume_db.py export

PDF 生成：

图书馆：reportlab（需要：pip install reportlab）
页面大小：美国信纸（8.5" x 11"）
边距：所有边 0.75 英寸
字体：Helvetica 系列
优化：单页简历，ATS 兼容性

简历风格：

专业配色方案（蓝色和灰色）
清晰的部分标题，带有下划线
一致的间距和格式
项目符号点用于成就
联系信息在页眉
技术技能作为逗号分隔列表

数据库命令：

# 检查初始化
python3 scripts/resume_db.py is_initialized

# 查看数据
python3 scripts/resume_db.py summary
python3 scripts/resume_db.py get_experiences
python3 scripts/resume_db.py get_projects
python3 scripts/resume_db.py get_education
python3 scripts/resume_db.py get_skills

# 搜索
python3 scripts/resume_db.py search "关键词"

# 导出/备份
python3 scripts/resume_db.py export > backup.json

# 重置（小心！）
python3 scripts/resume_db.py reset

PDF 生成命令：

# 生成通用简历
python3 scripts/pdf_generator.py output.pdf

# 生成带有工作头衔的简历
python3 scripts/pdf_generator.py output.pdf --title "高级软件工程师"

# 生成带有关键词过滤的简历
python3 scripts/pdf_generator.py output.pdf --keywords python aws kubernetes docker

数据结构示例：

{
  "initialized": true,
  "personal_info": {
    "name": "您的姓名",
    "email": "email@example.com",
    "phone": "+1 (555) 123-4567",
    "location": "城市，州",
    "linkedin": "linkedin.com/in/username",
    "github": "github.com/username",
    "summary": "专业总结"
  },
  "experiences": [
    {
      "id": 1234567890.123,
      "position": "高级工程师",
      "company": "公司名称",
      "location": "城市，州",
      "start_date": "Jan 2022",
      "end_date": "Present",
      "highlights": ["成就 1", "成就 2"],
      "technologies": ["Python", "AWS"]
    }
  ],
  "skills": {
    "Languages": ["Python", "JavaScript"],
    "Frameworks": ["Django", "React"]
  }
}

资源

scripts/resume_db.py

完整的数据库管理系统提供：

数据初始化和持久性
所有简历部分的 CRUD 操作
基于相关性过滤经历/项目
基于关键词的技能匹配
跨所有数据的搜索功能
数据导出和备份
所有操作的 CLI 界面

scripts/pdf_generator.py

专业的 PDF 生成引擎：

ReportLab 基础的 PDF 创建
符合专业标准的自定义风格
单页优化
基于关键词的内容过滤
经历/项目的相关性评分
ATS 友好的格式
命令行界面

assets/resume_template.json

简历数据结构样本显示：

完整的数据格式
内容的最佳实践
带有指标的示例项目符号点
正确的日期格式
技能分类
所有支持的部分