ASu-skills 简历包装 @codeKK htmlOpen Source Website

ASu-skills

Project Url: Hisn00w/ASu-skills

Introduction: 简历包装

More: Author ReportBugs

Tags:

中文求职工作流插件

用九个独立入口完成开源贡献、证据复盘、项目导学面经、简历提升、简历制作、岗位匹配、简历投递填写、面试准备和校招进度管理。

English | 中文 | 官网

ASu-skills 部分技能工作流示意

入口	用途	主要交付
`/contributor`	开源贡献	寻找候选、展示 diff，经确认后提交 PR 并把贡献交给`/great-resume`
`/evidence-recap`	证据复盘	把 AI 编程对话和交付记录整理为可核验的九段证据链
`/project-guide`	项目导学面经	按需生成 `tutorial.md`、`practice.md`，或导学、面经与交接摘要
`/great-resume`	简历提升	岗位定位、项目改写、成果证据、HR 开场白
`/make-resume`	简历制作	默认使用 ASu 模板，也可指定模板；可编辑 HTML 简历和 PDF 导出
`/job-match`	岗位匹配	对照 JD 与真实经历，输出证据矩阵、硬性门槛和投递建议
`/job-apply`	简历投递填写	连接浏览器自动填写求职申请，核对后停在提交前
`/interview`	面试准备	面试预测、契约化追问、证据复盘和弱项复练
`/offer`	校招进度管理	投递、测评、面试、Offer、拒信和招聘邮件跟踪

安装

ASu-skills 同时支持 Codex、Claude Code 和 TraeWork，另有 OpenCode 与 WorkBuddy 的轻量桥接入口。所有入口共用同一套 skills/、assets/ 和 references/；入口清单以根目录 skills.registry.json 为单一事实源，由 npm run sync:skills 生成并对账（CI 以 --check 校验）。

平台	安装入口	安装后操作	卸载方式
Codex	将 GitHub 仓库链接发给 Codex，并说明安装	新建对话，从`/` 菜单选择入口	在 Codex 的插件管理中移除 ASu-skills
Claude Code	执行`/plugin marketplace add Hisn00w/ASu-skills` 和 `/plugin install asu-skills@asu`	按提示执行`/reload-plugins`	执行`/plugin uninstall asu-skills`
TraeWork	复制仓库到`~/.trae-cn/plugins/<publisher>/asu-skills/<version>/`	重启 TraeWork，从`/` 菜单选择入口	删除对应的 TraeWork 插件目录
OpenCode	查看安装指南	重启 OpenCode 或执行`/reload-plugins`	按安装方式删除对应的技能与资源目录
WorkBuddy	查看桥接安装说明	重启 WorkBuddy 或刷新技能列表	删除`~/.workbuddy/skills/`下对应目录或软链

开发者请参阅贡献指南，其中包含本地校验、测试命令和 PR 提交流程。

第一次使用：从哪个入口开始

先根据当前最需要解决的问题选择第一个入口：

当前情况	建议先使用
缺少可验证的项目或协作经历	`/contributor`
有 AI 编程对话或交付记录，需要还原事实与证据	`/evidence-recap`
已有项目仓库，需要源码课程、阅读路径或面试口播	`/project-guide`
已有经历，但不知道如何匹配目标岗位	`/great-resume`
简历内容已确定，需要制作常规可编辑简历	`/make-resume`
想复刻 ASu 同款高密度技术简历	`/make-resume`（默认模板）
已有 JD 和简历，需要判断匹配与证据缺口	`/job-match`
已有职位链接，需要填写招聘网站申请表	`/job-apply`
已约到面试，需要预测问题并查漏补缺	`/interview`
已开始投递，需要整理招聘邮件和后续进度	`/offer`

也可以组合多个入口：

没有实习、想补充真实经历：先用 /contributor 完成与岗位相关的开源贡献，再交给 /great-resume 整理成可核验的简历表述；
有 AI 项目记录、需要梳理事实：先用 /evidence-recap 区分个人动作、交付阶段与效果证据，再决定是否交给 /great-resume 转成求职表达；
已有项目、准备开始投递：先用 /project-guide 梳理项目学习路径和面经，再用 /great-resume 对齐目标岗位，最后用 /make-resume 生成简历；默认使用 ASu 模板，也可以指定其他模板；
已有简历和具体 JD、需要决定是否投递：先用 /job-match 区分已匹配、表达缺口和真实缺口，需要改写时再交给 /great-resume；
已经投递、需要持续跟进：直接用 /offer 整理邮件和状态，简历需要更新时再回到 /great-resume 和 /make-resume。
准备填写招聘网站申请表：先用 /job-apply 连接已登录的浏览器，填写并核对一个具体职位；完成后再用 /offer 记录投递状态。

`/contributor`：做真实的开源贡献

/contributor 帮用户根据目标岗位、技术栈或指定方向寻找合适的 GitHub 项目与真实问题，先核对维护迹象、贡献规则、issue/PR 状态和重复风险，再准备独立分支上的最小改动与验证结果；经用户逐项确认后才 fork、push 和提交 PR，并跟踪 CI、review 和合并状态。

它适合从范围清晰、能够客观验证的文档、示例、测试或小型代码问题开始。未合并的 PR 记录为“已提交”或“协作中”，只有 GitHub 页面显示已合并且项目明确说明采用范围时，才使用更强的成果表述。

典型用法：

/contributor

目标岗位：AI 应用工程师
技术栈：TypeScript、React、Python
每周可投入：4 小时
先帮我找 3 个有证据支撑、范围清晰且能够验证的候选问题；先展示仓库、issue、拟改动、验证方式和完整 diff，我确认后再逐个提交 PR。

`/project-guide`：项目导学面经

/project-guide 面向已有项目仓库或项目材料。需要系统学习源码时，它会先在 tutorial.md 设计课程大纲，再按需展开指定课程，并在 practice.md 生成对应理解题；需要求职材料时，它会生成 导学-{简称}.md 和 面经-{简称}.md，整理源码阅读路径、技术亮点、设计取舍、STAR 口播和源码证据索引。

典型用法：

/project-guide

简称：智能 BI
项目描述：这是一个基于 React、Node.js 和大模型 API 的数据问答项目，我负责查询编排、结果可视化和异常兜底。
求职方向：前端 / AI 应用

也可以直接要求：先为当前仓库设计源码课程大纲；暂不展开全部课程。之后再指定展开第 1 课或生成对应理解题。

`/great-resume`：简历提升

适合以下任务：

根据目标岗位重新定位个人经历；
把页面、接口、数据绑定等底层工作翻译成招聘语言；
改写项目要点、简历摘要和个人介绍；
生成 Boss 直聘或微信发给 HR 的中文开场白；
整理面试追问、证据补强清单和事实边界。

建议提供目标岗位、岗位描述、现有简历、项目说明、真实职责和成果数据。信息不足时，skill 会先给出可用初稿，并标记 【待补】，不会自行编造 title、公司、技术栈或数据。

典型用法：

/great-resume

目标岗位：AI 应用工程师
请根据我下面的实习和项目经历，给出稳妥版和进取版定位，改写简历要点，并生成一段发给 HR 的开场白。

HR 开场示例

`/make-resume`：制作简历

/make-resume 专门负责全部简历文件交付。未指定模板时默认使用 ASu 单栏高密度技术简历模板；用户可以指定仓库内其他模板、本地 HTML 或上传参考截图。它最终生成真正可编辑的 HTML，而不是把截图嵌入页面。

支持：

18 个中文 HTML 模板；
A4 单页或双页排版；
浏览器内编辑文字、照片、字体、颜色和加粗；
将当前编辑内容保存为本地 HTML；
「本地字体」读取系统中已安装的字体（Chrome 103+，需浏览器授权），「导入字体」加载本地字体文件（TTF/OTF/WOFF/WOFF2）作为补充；
打印导出 PDF；
根据截图分析栏位、间距、字号、颜色和分页结构；
使用虚构示例照片作为占位，生成真实简历时由用户主动替换。

默认 ASu 模板以只读文件 assets/asu-resume-template.html 为母版，生成简历时只复制到用户副本，不修改模板源文件。“我想要阿酥同款简历”也统一由 /make-resume 处理；如果用户指定其他模板，则以用户指定内容为准。

典型用法：

/make-resume

请根据我提供的教育、实习和项目经历，选择一份适合后端开发岗位的模板，生成可编辑 HTML 简历，并告诉我如何导出 PDF。

模板预览

简历模板预览

`/evidence-recap`：把 AI 编程对话还原成证据链

/evidence-recap 用于复盘 AI 编程对话、项目交付记录和落地证据。它按问题背景、方案决策、个人动作、交付状态、落地范围、效果证据、个人边界、待补证据和面试追问九段整理材料，并默认对密钥、邮箱、客户标识和内部路径等敏感信息做泛化处理。

典型用法：

/evidence-recap

请把这段 AI 编程对话整理为可核验的项目证据链，区分我的动作、AI 完成的部分、交付阶段和效果证据。

`/interview`：把简历问穿

/interview 从简历和目标岗位中提取需要验证的 Claim 与岗位能力，先约定面试轮次、时长和反馈策略，再通过一次只问一个问题的连续追问检查用户是否讲得清个人职责、技术实现、指标口径、决策取舍和失败案例。每道核心题使用预先锁定的评分契约，会话账本记录已验证证据与缺口；复盘后可用变体题、反事实题和故障题复练薄弱 Claim。它不会替用户编造面试答案，也不会用缺乏校准依据的精确总分掩盖证据不足。

典型用法：

/interview grill

这是我的简历，目标岗位是 AI 应用工程师。请从最高风险的项目开始，一次问我一个问题；如果我的回答含糊，就继续追问。

只复练上一轮没有讲清楚的内容：

/interview retry

请根据刚才的复盘，只使用变体题复练“指标口径”和“个人贡献边界”，不要原题重问。

`/offer`：校招进度管理

/offer 把招聘网站、邮件、聊天记录和截图中的信息整理成求职漏斗，默认记录：

日期；
公司；
岗位；
当前状态；
下一步；
必要备注和证据来源。

默认状态包括：已投递、筛选中、测评中、面试、Offer、拒绝/已结束、待确认。普通自动回执不能直接推断为面试或 Offer，证据不足时会标记为待确认。

如果没有指定保存位置，求职进度表默认复制到桌面，生成 application-tracker.html。它支持搜索、筛选、统计、CSV/JSON 备份和打印 PDF。

典型用法：

/offer

请把我上传的招聘邮件和截图整理成校招进度表，合并重复投递，并列出每家公司下一步要做什么。

进度表预览

`/job-match`：岗位匹配分析

/job-match 把目标 JD 拆成硬性条件、核心能力和加分项，再与用户已经确认的简历、经历或主张—证据账本逐项对照。它区分“已经匹配”“做过但没写清”“证据不足”“真实缺口”和“待确认”，不会用关键词重合伪造一个精确匹配分数。

默认交付包括要求—证据矩阵、硬性门槛、最多 5 个优先补强项，以及“建议投递 / 补充材料后投递 / 谨慎投递 / 暂不建议投递”的可解释结论。分析本身不会修改简历、填写网页或提交申请。

典型用法：

/job-match

请对照这份 JD 和我的简历，列出每项要求的真实证据、表达缺口和能力缺口，并告诉我是否值得投递。先不要改简历。

`/job-apply`：简历投递填写

重要提醒：本项目禁止滥用技能批量投递、骚扰 HR，或发送千篇一律、夸大包装的开场白。请只基于真实经历，针对具体岗位进行适度、个性化沟通；堆砌 GitHub Star、过度包装经历并直接发送的文案，容易引起 HR 反感，也可能损害求职者和项目的信誉。/job-apply 只用于用户明确确认的单个职位申请，技能不会绕过确认、批量提交，也不会代替用户发送未经审核的消息。

反面示例：模板化、夸大式开场白容易引起反感，请勿照搬。

/job-apply 用已确认的简历资料填写一个具体招聘网站的申请表，支持页面读取、字段映射、文本填写、下拉选择、简历/作品附件上传和提交前核对。默认停在最终提交按钮前，不会因为“帮我填简历”就替用户投递。

使用 Kimi WebBridge 连接浏览器

使用前请先安装并启用浏览器控制扩展，并确认扩展已连接对应的浏览器控制服务。 未完成扩展安装和连接检查前，ASu 不会读取或填写招聘页面。

如果希望操作自己已经登录的 Chrome 或 Edge，可以安装并启用官方 Kimi WebBridge。它通过浏览器扩展、本机 daemon 和 Chrome DevTools Protocol 连接浏览器，登录会话和页面内容保留在本机。

如果使用 ChatGPT/Codex 的浏览器控制能力，也可以安装并启用 ChatGPT 浏览器扩展（Microsoft Edge Add-ons）（Chrome 扩展商店已下架，目前使用 Edge 扩展商店），再按照宿主应用中的浏览器控制页面完成连接。两种方式任选其一即可，不需要同时安装。

典型用法

/job-apply

请使用我确认的简历，打开这个职位申请页面，填写可确认的字段和简历附件；遇到缺失信息先问我，最后停在提交前让我核对。

九个入口如何配合

推荐按照下面的顺序使用：

用 /contributor 完成与目标岗位相关的真实开源贡献，并在 PR 合并后生成证据卡；
有 AI 编程对话或交付记录时，用 /evidence-recap 还原项目事实、个人边界和证据缺口；
用 /project-guide 把已有项目仓库整理成导学、面经和可追问证据；
用 /great-resume 根据证据卡和已有经历明确目标岗位，整理简历表述和 HR 话术；
用 /make-resume 把确认后的文字放入可编辑简历并导出 PDF；
用 /job-match 对照具体 JD 判断证据匹配、硬性门槛和投递优先级；
用 /job-apply 连接浏览器填写具体职位申请，并在提交前核对；
用 /interview 预测问题并通过追问确认简历内容经得住面试；
用 /offer 记录投递、测评、面试和 Offer 状态。

也可以在同一条需求里说明组合目标，例如：“先用 /project-guide 生成项目导学和面经，再用 /great-resume 提升经历，最后用 /make-resume 生成 HTML 简历”。

组合使用多个入口、材料存在冲突或简历包含强主张时，可以复制 assets/career-claim-ledger-template.json 建立主张—证据账本。它让开源贡献、经历提升和简历文件共享同一份事实、确认状态与个人边界；详细规则见 skills/great-resume/references/claim-evidence-ledger.md。想看同一个人的材料如何在各入口之间流转，可以阅读端到端虚构求职案例。案例从课程项目和开源贡献出发，依次展示证据卡、经历改写、可编辑简历和投递进度表，并明确区分已完成、协作中与待补充状态。

事实边界

ASu-skills 的“简历提升”是强定位、强证据和清晰表达，不是伪造经历。使用时请遵守：

保留真实职位、公司、时间和教育背景；
区分团队成果和个人贡献；
只有有证据时才使用“主导”“负责人”“Owner”等强表述；
没有可靠数据时使用可核验的定性结果；
不把计划做的事情写成已经完成；
不把 AI 生成的代码成果冒领为未经验证的个人能力；
不在公开 skill 文件中写入真实姓名、电话、邮箱、密码、验证码或招聘隐私。

文件结构

asu-skills/
├── .claude-plugin/
│   ├── plugin.json              # Claude Code 插件清单
│   └── marketplace.json         # Claude Code 插件市场清单
├── .codex-plugin/
│   └── plugin.json              # Codex 插件清单
├── .trae-plugin/
│   └── plugin.json              # TraeWork 插件清单
├── .opencode-plugin/
│   ├── plugin.json              # OpenCode 插件清单（skills.entries 由 registry 生成）
│   ├── install-opencode.py      # OpenCode 安装脚本（技能名单由 registry 生成）
│   └── installation-guide.md    # OpenCode 手动安装指南
├── .workbuddy-plugin/
│   ├── install.md               # WorkBuddy 桥接说明（清单区由 registry 生成）
│   ├── install.sh               # macOS / Linux 桥接脚本
│   └── install.ps1              # Windows 桥接脚本
├── skills.registry.json        # ★ 入口目录单一事实源：新增/删除入口先改这里，再 npm run sync:skills
├── package.json                # DSH 插件包清单（bundle patch 入口）
├── cordis.patch.yml            # 注册 DSH filesystem skill 提供方
├── lib/
│   └── index.js                # DSH 插件入口模块
├── skills/                     # 全部入口目录（与 skills.registry.json 一一对应）
│   ├── contributor/            # /contributor 开源贡献
│   ├── evidence-recap/         # /evidence-recap AI 编程对话复盘
│   ├── great-resume/           # /great-resume 简历提升
│   ├── interview/              # /interview 面试预测、追问与复练
│   ├── job-apply/              # /job-apply 简历投递填写（依赖浏览器桥接）
│   ├── job-match/              # /job-match 岗位匹配分析
│   ├── make-resume/            # /make-resume 简历制作
│   ├── offer/                  # /offer 校招进度管理
│   └── project-guide/          # /project-guide 项目导学面经
├── scripts/
│   ├── sync-skill-catalog.mjs  # ★ 从 registry 生成/对账各入口清单（npm run sync:skills）
│   └── kimi-webbridge.mjs      # Kimi WebBridge 本机 HTTP 客户端
├── assets/                     # 模板、图片、进度表和示例资源
│   ├── asu-resume-template.html # ASu 同款可编辑简历起点
│   ├── icons/                   # 个人信息与通用信息 SVG 图标
│   └── logos/                   # LobeHub Icons 静态 SVG Logo
├── references/                  # 招聘邮箱整理参考
├── .github/
│   ├── CONTRIBUTING.md          # 贡献指南
│   ├── CONTRIBUTING_en.md       # English contribution guide
│   └── PULL_REQUEST_TEMPLATE.md # PR 模板
└── README.md