菜单
管理本地 Markdown 简历素材库。帮用户在工作目录下收集、更新、整理简历原始材料（工作经历、项目、教育、技能、亮点）。使用场景：当用户提到「简历」「CV」「resume」「求职」「工作经历」「我在 X 公司做过」「我做过一个项目」「整理我的素材」等；或者用户希望把零散的职业信息结构化地存到本地 Markdown 以便后续生成不同版本的简历。**第一次在一个项目里被调用时会自动检测并引导用户初始化目录结构，用户无需显式调用 init**。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
针对某个目标岗位，从本地素材库生成一份定制化的简历 Markdown，落到 `versions/` 下。使用场景：用户说「帮我针对这个岗位写简历」「给 Google SWE 生成一版」「根据这份 JD 定制简历」「基于 targets/xxx 生成」「做一版投递用的简历」等。前置依赖 `muicv-core` 维护的素材库；如果还没有素材或 target，应该先提示用户去 muicv-core 初始化 / 添加素材。
对 `versions/` 下已生成的简历版本做质量评审，从 STAR 完整度、量化比例、关键词对齐、长度、结构等维度给出具体、可操作的改进建议。使用场景：用户说「评审我的简历」「帮我看看这份简历」「这份还能怎么优化」「跟 JD 对照检查一下」「为什么这个简历一般」等。评审不直接改文件，只产出建议清单，由用户决定是否应用。
把 `versions/` 下的简历 Markdown 渲染成 PDF，调 Mui简历后端 API 完成渲染（后端跑 Cloudflare Container + Puppeteer）。使用场景：用户说「把简历导出 PDF」「渲染简历」「把这份版本变成 PDF」「下载一版投递用的 PDF」等。依赖 `muicv-generate` 生成的 version 文件；依赖网络（要调 HTTP API）。
把简历素材库放到用户自己的 git 仓库（GitHub / GitLab / 自建均可），用 git workflow 多端同步、留版本史、可分享。四个子任务：`init`（首次给素材库加 .git + .gitignore + 远程关联，**会问用户 public/private**）、`sync`（commit 当前改动并 push 到远程）、`clone`（换机器场景，把已有 repo 克隆到工作目录）、`status`（看本地状态）。使用场景：用户说「推到 GitHub」「git push 我的简历」「sync 到 GitLab」「从 GitHub 克隆我的素材」「换机器拉 git」「commit 一下」「git status」「我想用 git 管简历」「用 GitHub 当作品集」等。和 muicv-sync 是平行选项——后者是 muicv 平台 D1 黑盒（可加密）备份，本 skill 是用户掌控的 git workflow，可以同时用。
MuiCV 平台云同步——把本地素材库整体推到云端（push）或从云端拉回来覆盖本地（pull），默认走 zip 加密路径。两个子任务：`push` 把本地素材打包成 zip（用户给密码就 PKZip 加密、不给就明文）上传到 muicv 云端；`pull` 从云端把活动版下载到本地（自动备份冲突文件）。使用场景：用户说「同步到云端」「上传简历素材」「云同步」「备份到云端」「换了新机器，把素材拉回来」「从云端恢复」「下载我的简历」「pull 远程素材」等。需要在 https://muicv.com/dashboard 创建 mui_ API key 并 export 到 `MUICV_API_KEY`；需要网络；需要本地装有 `zip` / `unzip`（三大系统通常自带）。
录音复盘。用户拖一段已有录音（自己面试 / 客户沟通 / 演讲 / 答辩等）进 muicv，skill 调 STT 转写后按场景分析（STAR 完整度 / 表达冗余 / 填充词 / 时长 / 互动），把转写全文 + 分析写到 `audio-reviews/<source>-<date>.md`。触发词：录音复盘、分析这段录音、拖了一段音频、复盘音频、analyze recording、transcribe and review、聊天录音、客户沟通录音、演讲录音、答辩录音。仅 muicv 桌面 app 可用（需要本地文件读取）。
| name | muicv-core |
| description | 管理本地 Markdown 简历素材库。帮用户在工作目录下收集、更新、整理简历原始材料（工作经历、项目、教育、技能、亮点）。使用场景：当用户提到「简历」「CV」「resume」「求职」「工作经历」「我在 X 公司做过」「我做过一个项目」「整理我的素材」等；或者用户希望把零散的职业信息结构化地存到本地 Markdown 以便后续生成不同版本的简历。**第一次在一个项目里被调用时会自动检测并引导用户初始化目录结构，用户无需显式调用 init**。 |
这个 skill 帮用户在工作目录下维护一个简历素材库，所有数据以 Markdown + YAML frontmatter 的形式直接存在工作目录里（profile.md、experience/、projects/ 等顶层），由用户用 git 自己管理。Skill 只做"引导收集 / 追加 / 整理"，不替用户管版本。
路径约定（重要）：本文档里所有
profile.md/experience//versions/等路径，都是相对素材库根的。素材库根 = prelude 探查到的profile.md父目录；新建项目时 = 工作目录本身。不要凭空在.claude/muicv/或muicv/下面再嵌一层。
配套的生成、评审、渲染、抓 JD、云同步等工作由以下 skills 完成：
muicv-generate — 针对某个目标岗位生成特定版本简历muicv-critique — 对已生成的版本做 STAR / 关键词 / 长度评审muicv-render — 调服务端 API 把 markdown 渲染成 PDFmuicv-jobs — 抓 JD、匹配、辅助投递muicv-sync — 把整个素材库同步到 muicv 云端 / 从云端拉回来（黑盒、自动化）muicv-git — 把素材库放进自己的 git repo（GitHub / GitLab / 自建），白盒版本管理；可以和 muicv-sync 并用muicv-interview — 模拟面试（面试前练习）：题目按 JD × 简历 × 轮次 × 级别 × 类别 × 输入方式动态推导。支持同对话串多轮（hiring-manager → hr）+ 即时复盘 + review 子模式。语音输入（client）走完整反馈维度，打字（skill）走降级反馈muicv-debrief — 真实面试复盘（面试后回顾，写到 debriefs/<company>-<date>.md）muicv-coaching — 就业辅导：跳槽 / offer / 转方向 / 薪资谈判等开放式咨询新对话第一次工具调用一定是 glob_files("**/profile.md") 探查素材库。
按 prelude 的分支处理：
当探查到没有任何 profile.md 时：
告诉用户："看起来这是你第一次在这个项目里维护简历素材。我会在工作目录下建立一份本地简历素材库，数据就是 Markdown 文件，你可以用 git 自己管。"
用一轮问话收集：
不要追问次要字段。用户提供多少就用多少。
生成以下核心文件（用 Write 工具，路径都相对工作目录根——不要嵌 muicv/ 或 .claude/muicv/ 子目录）：
注意：不要为了占位写
.gitkeep。桌面端write_file会自动创建父目录；Claude Code / Codex 等环境也应在真正有产物时再创建对应目录。.gitkeep会制造大量无意义工具调用，不利于稳定性。
<工作目录>/
├── profile.md # 用第 2 步收集的信息填 frontmatter + summary 占位
├── experience/ # 工作经历素材；有内容时写 experience/<company-slug>-<year>.md
├── projects/ # 项目素材；有内容时写 projects/<slug>.md
├── targets/ # muicv-jobs:fetch 或手工粘贴的 JD
├── versions/ # muicv-generate 产出的简历版本（.md + 同名 .pdf）
├── applications/ # muicv-jobs:apply 产出的 cover letter
├── critiques/ # muicv-critique 产出的评审报告
├── debriefs/ # muicv-debrief 产出的真实面试复盘
├── interviews/ # muicv-interview 产出的模拟面试题目反馈（👍/👎 题库迭代）
├── audio-reviews/ # muicv-audio-review 产出的录音复盘（STT 转写 + 分析）
├── match/ # muicv-jobs:match 产出的匹配度报告
├── education.md # 带占位说明的骨架
├── skills.md # 带占位说明的骨架
└── achievements.md # 带占位说明的骨架
profile.md 模板（示例，实际字段由用户输入决定）：
---
type: profile
name: 张三
title: 资深前端工程师
location: 北京
email:
phone:
links: []
---
## Summary
<2~4 句自我介绍，后续可以随时让 muicv-core 帮你补。>
education.md / skills.md / achievements.md 骨架示例：
---
type: education
---
## 学历
- 学校 / 专业 / 学位 / 起止
---
type: skills
---
## 技能
- 编程语言：
- 框架/工具：
- 领域专长：
---
type: achievements
---
## 亮点 / 作品 / 奖项
- （每一条 1~2 行，后面在生成简历时会挑选使用。）
告诉用户："骨架已就绪。接下来你可以这样继续：
experience/x-xxxx.mdprojects/z.mdmuicv-jobs）、「针对这个 JD 生成简历」（muicv-generate）muicv-sync，黑盒）；或「推到 GitHub」/「git clone 我的简历」（muicv-git，白盒）或者你也可以直接打开工作目录里的 profile.md 自己编辑，我会读最新内容。"
如果工作目录里有 .gitignore，问一次："这些素材文件（profile.md 等）要入仓库还是 ignore？"然后按用户选择处理（入仓库 = 什么都不做；ignore = 追加相关条目到 .gitignore）。不强求用户现在回答。
触发：
[附件] block 且至少一个附件是 PDF / DOCX / Markdown / 文本 / 图像（路径在 inbox/ 下），或流程：
read_file 那个 .txt sidecar（路径就在 [附件] block 里写明了）read_file 原文件input_image 直接附在 user message 里，你 vision 直接看图，不要 read_file 图像文件——内容就在你眼前。把图里看到的人名 / 公司 / 时间 / 经历明确摘出来。按下面这个 schema 在心里把简历内容拆开：
绝不编造：解析不出来的字段宁可空着或在 frontmatter 里写 ?，等用户后面补。日期解析模糊（比如只有 "2023" 没月份）就保留原值并标记 start: 2023-?。
glob_files("**/profile.md") 已经在 prelude 跑过，知道有没有素材库glob_files("experience/*.md") / glob_files("projects/*.md") 看看有没有同名/同公司同年份的条目，避免覆盖这一步是硬规则：没拿到用户明确确认前，禁止 write_file。
清单格式示例：
准备改这些（请确认 / 调整 / 跳过）：
新建：
✚ profile.md
✚ experience/acme-2023.md（ACME Corp · Senior Frontend · 2023-03 ~ present）
✚ experience/foobar-2021.md（FooBar · Frontend · 2021-08 ~ 2023-02）
✚ projects/mui-cms.md（Mui CMS · Tech Lead）
✚ education.md
✚ skills.md
✚ achievements.md
可能冲突（已存在，需要你决定）：
⚠ experience/acme-2023.md 已存在，要 [覆盖] / [合并] / [跳过]？
把待写文件路径 + 关键字段（公司 / 职位 / 时间）一起列，让用户能一眼看明白。
write_file触发：用户说"加一段工作经历"、"我在 X 公司做过"、"我 2023 年在 Y 做前端"等。
company（必填）title（必填，例如 "Senior Frontend Engineer"）start（ISO 年月，例如 "2023-03"）end（ISO 年月 或 'present'）location（可选）stack（技术栈数组，可选）「量化」= Action 之后产出的 outcome 指标（成果/效率/收益变化），不是 scope/编制/时长/件数。 ✅ 转化率 +12% · 退货率 8%→3% · P75 800ms→320ms · GMV ¥80k→¥260k · 排名 #1（绑结果） ❌ "覆盖 3 个站点" · "带 4 人团队" · "维护 30+ 仓库" · "做了 3 年"——这些是 scope，写进 Action，不要单独标"量化" 素材里没有 outcome 数字时，保留定性描述，不要为了凑量化而编数字、也不要把 scope 升格成量化。 完整定义见 docs/quantification-guideline.md。
生成文件名：experience/<company-slug>-<start-year>.md
ACME Corp + 2023-03 → experience/acme-2023.md文件内容：
---
type: experience
company: ACME Corp
title: Senior Frontend Engineer
start: 2023-03
end: present
location: 北京 (Remote)
stack: [TypeScript, React, Next.js]
---
## 职责
- ...
## 亮点
- ...（STAR：情境/任务/动作/结果；R 优先写 outcome 量化（成果/效率/收益变化），没有就保留定性描述，不要把 scope 数字升格成"量化"）
告诉用户文件路径，问要不要继续加下一段。
触发：用户说"我做过一个项目叫 Z"、"加个项目"等。
类似 add-experience。文件路径 projects/<slug>.md，frontmatter：
---
type: project
name: Mui CMS
role: Tech Lead
start: 2024-01
end: 2024-06
stack: [Node.js, PostgreSQL]
url: https://example.com
---
正文结构：
## 背景 / 问题
## 我的角色与动作
## 结果 / 影响
触发：用户说"改下 X 的经历"、"把 acme 那段里的 ... 改成 ..."。
**/*.md（在素材库根范围内），用 Grep 搜 frontmatter 的 company / name 字段找到目标文件。触发：用户说"整理一下素材"、"帮我去重"，或执行 generate 前发现素材凌乱。
原则（摘自 references/organize-prompt.md，迁移后填充）：
执行步骤：
完整 TypeScript 类型见 @muicv/shared 里的 MuiCvFrontmatter（在 packages/shared/src/schemas/resume-md.ts）。这里列关键字段。
| 文件 | type | 必填字段 | 可选字段 |
|---|---|---|---|
profile.md | profile | name | title, email, phone, location, links[] |
experience/*.md | experience | company, title, start, end | location, stack[] |
projects/*.md | project | name | role, start, end, stack[], url |
education.md | education | — | — |
skills.md | skills | — | — |
achievements.md | achievements | — | — |
targets/*.md | target | company, title | source_url, fetched_at |
versions/*.md | version | generated_at | target |
applications/*.md | application | target, company, title, prepared_at | — |
debriefs/*.md | debrief | company, title, date | round, round_label, interviewer, outcome, duration_min |
interviews/*.md | interview_feedback | company, title, round, level, category, date, mode | round_label, target, version |
audio-reviews/*.md | audio_review | scenario, source, duration_min, date | language, related_target, related_version |
日期格式：start / end 用 YYYY-MM，end 也可以是 'present'。其他时间戳用 ISO-8601。
git add/commit