resume-matcher

name	resume-matcher
description	简历深度分析与优化。当用户需要分析简历、优化简历匹配岗位、HRBP 视角审计简历、获取简历修改建议、简历批评、简历与 JD 匹配度评估时使用。涵盖简历解析、JD 匹配、HR 审计报告生成、简历重写等场景。即使用户只说"帮我看看这个简历"也应该触发。

Resume Matcher – 简历深度分析与优化 Skill

基于 HR批评简历 项目的核心方法论，使用运行时 agent 推理能力对简历进行深度 HRBP 视角审计，无需外部 LLM API。

工作流总览

用户输入（简历 + JD） → 文本提取 → 结构化分析 → 5 步 HRBP 审计 → 输出完整报告
                                                                              │
                                                                              ▼
                                                                   导出到 a4cv 编辑器
                                                                   （提取 markdown →
                                                                    规范化 → 保存文件）

---

第一步：获取输入

输入形式

用户可能会以以下几种方式提供输入，需要灵活处理：

1. 简历文件：PDF 或 DOCX 文件路径 + JD 文本
2. 简历文本：直接粘贴的简历文本 + JD 文本
3. 仅简历：只有简历，需要询问目标岗位/JD
4. 仅 JD：只有岗位描述，需要询问简历
5. 参考文件：项目中已有的示例文件（文件名仅作参考，实际使用时请替换为真实文件）
   • 示例简历（DOCX）：苏明远2-简历-20260615.docx
   • 示例 JD（文本）：AI Agent 工程师岗位要求（JD）.txt

文件解析

如果用户提供的是 PDF/DOCX 文件路径，使用以下命令提取文本：

python ".agents/skills/resume-matcher/scripts/extract-text.py" "<文件路径>"

输出为纯文本，直接用作简历内容。

输入校验

• 简历内容不能为空（至少 50 字）
• JD 内容不能为空（至少 30 字）
• 如果缺少 JD，主动询问用户目标岗位的 JD 是什么
• 如果缺少简历，请用户提供简历文件或粘贴文本

---

第二步：结构化分析（Agent 推理）

在获取简历文本和 JD 文本后，不要直接输出审计报告。先进行结构化推理，将非结构化文本转化为结构化认知。

推理简历结构

从简历文本中提取以下信息（参考 references/resume-schema.md）：

• 个人信息：姓名、联系方式、位置
• 工作经历：公司、职位、时间、职责描述、技术栈
• 项目经历：项目名称、描述、技术栈
• 技能清单：按类别归类
• 教育背景：学校、学位、专业、时间
• 成就/证书：如有

推理 JD 结构

从 JD 文本中提取以下信息（参考 references/resume-schema.md）：

• 职位名称 & 公司
• 核心职责
• 必备要求 vs 优先要求
• 技术栈要求
• 关键词

输出结构认知

将结构化结果以清晰的形式呈现给用户，让用户确认理解是否正确。例如：

📋 简历概览
- 姓名：苏明远
- 目标岗位：AI Agent 工程师
- 核心技能：Python, LangChain, RAG, LLM
- 最新经历：星河智能科技 · AI Agent 工程师 (2022.06 — 至今)
- 教育背景：XX大学 · 计算机科学 · 硕士

📋 JD 概览
- 目标岗位：AI Agent 工程师 / LLM Agent 应用开发
- 核心要求：Python工程、Agent框架、RAG、Eval体系
- 必备/NICE：3年以上AI工程经验 / 有LLM论文发表优先

---

第三步：执行 HRBP 深度审计

这是核心步骤。严格遵循 references/analysis-framework.md 中的框架，输出 5 步审计报告。

审计前要点

1. 阅读 references/analysis-framework.md 了解完整的审计框架和方法论
2. 阅读 references/output-examples.md 了解输出格式和风格
3. 以 FAANG 级别 HRBP + 技术 Leader + 成长教练 的身份进行审计
4. 审计要具体、有建设性，避免空泛评价

输出格式要求

## Step 1 · 第一印象
...
## Step 2 · 地毯式审计（精选 N 条）
...
## Step 3 · 修改蓝图
...
## Step 4 · 修改后的完整简历

```md
[优化后的简历 markdown]

Step 5 · 最终裁决

...

### 关键约束
- Step 1-3 总计 ≤ 800 中文字（诊断+建议）
- Step 4 ≤ 1000 中文字（简历重写）
- Step 5 ≤ 200 中文字
- 每条审计使用三段式：批判 ❓ / 解析 🤔 / 建议 💡
- 优化后简历放在 ````md` 代码块内
- 缺失信息使用 `[量化指标：...]` 占位符

---

## 第四步：输出与后续

### 输出完整报告
将完整的 5 步审计报告输出给用户。

### 后续建议
根据情况，可以主动提供以下增值服务：
- 询问是否需要针对特定 JD 再优化
- 建议修改简历中的关键薄弱点
- 提供面试准备建议（基于审计发现的短板）
- **主动询问是否要将优化后的简历导出到 a4cv 可视化编辑器**（见第五步）

---

## 第五步：导出到 a4cv 可视化编辑器（可选）

a4cv 是一个独立的中文可视化简历编辑器，已经内置于本 skill 中（`a4cv/` 目录）。优化后的简历可以从 Step 4 的 ````md` 代码块中提取，规范化后通过 a4cv 编辑器进行可视化微调。

### 提取流程

**先阅读 `references/a4cv-integration.md` 了解完整流程。**

1. 从 Step 4 的 ````md` 代码块中提取优化后的简历 markdown
2. 使用 `scripts/normalize-markdown.py` 进行规范化处理

```bash
# 将分析报告保存为文件后提取
python ".agents/skills/resume-matcher/scripts/normalize-markdown.py" \
    --input 分析报告文件路径.md \
    --output 优化简历输出路径.md

规范化说明

脚本会自动执行以下转换：

• 加粗标题转 ## 标题：**工作经历** → ## 工作经历
• 首行姓名补 #：苏明远 → # 苏明远

启动 a4cv 编辑器

# 启动自带的 HTTP 服务（默认端口 8765）
python ".agents/skills/resume-matcher/scripts/serve.py"

# 指定端口并自动打开浏览器
python ".agents/skills/resume-matcher/scripts/serve.py" --port 8888 --open

启动后访问 http://localhost:8765/a4cv/ 即可打开编辑器。

在编辑器中加载简历

方式一：导入文件

1. 启动服务后，在浏览器中打开 http://localhost:8765/a4cv/
2. 点击工具栏的 "导入文档" 按钮
3. 选择刚才保存的 .md 文件
4. 在可视化界面中调整布局、样式，最终导出为 PDF

方式二：URL 直接载入

# 将 markdown 内容 URL 编码后拼接到 URL
# 使用 normalize-markdown.py 处理后的文件
# 直接访问：http://localhost:8765/a4cv/index.html?md=<urlencoded_markdown>

输出文件建议

<姓名>-优化简历-<日期>.md

---

本 Skill 包含的脚本与参考

依赖安装

pip install -r ".agents/skills/resume-matcher/requirements.txt"

脚本

脚本	用途
scripts/extract-text.py	从 PDF/DOCX 提取纯文本
scripts/parser.py	文档解析核心（PDF/DOCX 文本提取）
scripts/normalize-markdown.py	从分析报告提取简历 markdown 并规范化为 a4cv 兼容格式
scripts/serve.py	启动自带的 HTTP 服务，提供 a4cv 可视化编辑器访问

参考文件

文件	用途
references/resume-schema.md	简历 & JD 结构化 JSON Schema
references/analysis-framework.md	5 步 HRBP 审计框架
references/output-examples.md	输出格式参考示例
references/a4cv-integration.md	a4cv 可视化编辑器集成指南

---

已知简历与 JD 文件（参考）

项目中已有的示例文件（文件名仅作参考）：

• 示例简历（DOCX）：苏明远2-简历-20260615.docx
• 示例 JD（文本）：AI Agent 工程师岗位要求（JD）.txt

---

限制与说明

• 本 skill 使用 agent 运行时推理，不依赖外部 LLM API
• PDF/DOCX 解析依赖 scripts/parser.py（需安装 pdfminer.six，见 requirements.txt）
• 无法处理加密或受保护的 PDF 文件
• 超大文件（>10MB）可能解析缓慢
• 对于图片格式的简历（如扫描件/JPG/PNG），无法提取文本，请用户提供文本版本
• a4cv 编辑器已内置于本 skill 中，使用 scripts/serve.py 启动 HTTP 服务即可访问
• 本 skill 完全自包含，不依赖外部项目文件