jd-tailorer
Skill43 starsChanged 46 days agoMITView on GitHub
根据职位描述(JD)进行结构化分析、岗位匹配度诊断、ATS 可读性审计与定向简历定制的完整工作站。当用户提到「JD」「职位描述」「岗位匹配」「分析这个 JD」「我是否适合」「针对...改简历」「投递」「招聘要求」「Job Description」「ATS 筛选」或保存不同投递版本时使用。支持仅分析 JD 输出诊断报告,或一站式生成针对该岗位的定制版 HTML/PDF、匹配报告与版本记录。
In this repository4 other files it gives its agents.
- AGENTS.mdAGENTS.md
- resume-builderSkill
- resume-canvasSkill
- resume-workflowSkill
The file
Files
JD 简历定制器 (JD Tailorer)
一站式完成 JD 结构化分析、岗位匹配度评估、简历定向定制、ATS 质量门禁与投递版本归档。不编造经历,以事实契约与已确认事实为唯一边界。
前置条件
需已有基础简历和已确认事实。优先读取私有 resume-facts.yaml;若只有旧简历内容或 HTML,先通过 resume-builder 或 resume-workflow 提取、确认并建立事实文件,不能把未确认的解析内容直接用于定制。
核心职责与模式分支
本技能承接两类使用场景,无需跨技能跳转:
- 仅分析诊断模式:当用户仅提供 JD 并询问“我是否适合”、“帮我分析这个 JD”、“岗位匹配度”时,输出要求地图、匹配证据与缺口分析,不生成简历;
- 完整定制模式:在分析基础上向用户展示变更预览,用户确认后一站式生成定制 HTML/PDF、执行 ATS 质量审计、生成版本记录并提供 Canvas 微调。
协作流转与出口:
- 排版微调:视觉定制版生成并完成 PDF 验证后,若用户需要交互式微调,路由至
resume-canvas; - 微调重验:Canvas 微调保存后,必须回到 Agent 工作流重新核验事实与渲染验证 PDF,并更新版本记录。
参考文件解析
- 所有相对路径都以本
SKILL.md所在目录为基准,不以当前工作目录为基准。 - 命令示例中的
skills/...是完整运行时根目录下的路径;首次执行时读取 渲染环境与命令路径,将脚本和私有产物解析为实际绝对路径。 - 本 skill 必须与
resume-builder一起安装;开始工作前,必须先读取并遵循../resume-builder/references/resume-contract.md、../resume-builder/references/content-writing.md、../resume-builder/references/design-system.md和对应的 CSS 文件。共享参考文档优先于本入口中的示例、版式偏好和流程提示。缺少共享参考文件时,要求用户安装完整 skill 集后再继续,不猜测契约规则,也不承诺 DOCX 生成。
工作流程
第一步:获取与解构 JD
- 让用户粘贴 JD 文本、上传文件或提供职位链接。
- 结构化解构 JD 要求并分类:
must_have:硬性门槛(专业、年限、核心技术栈);preferred:加分项与优势项;responsibility:核心岗位职责;context:业务场景、团队文化或工作方式信号。 每项尽量保留 JD 原文关键词或段落作为依据。
第二步:对照事实库进行匹配分析
将 JD 要求与用户已确认的 resume-facts.yaml(或母版事实)逐一比对:
- 直接匹配:已有经历/技能中具备强相关证据;
- 相关证据:有相似或可迁移经验,但术语未对齐或表达偏弱;
- 真实缺口:JD 要求但候选人不具备(如实记录,绝不编造技能或虚构指标);
- 待确认:需要向候选人进一步核实的事项(不进入最终简历成稿)。
若用户仅需要投递可行性评估,此时直接交付包含《要求地图》与《匹配度建议》的诊断报告,结束流程。
第三步:变更预览与用户确认(门禁)
在生成定制简历前,必须向用户展示变更预览并取得确认:
- 经历重排与前置:说明哪些强相关项目或经历会前置;
- 术语与表达对齐:说明哪些措辞或技能标签会对齐 JD 术语;
- 保留的缺口与弱化项:明确说明哪些 JD 要求属于未匹配缺口(如实保留缺口,不硬加关键词)。 用户明确同意变更预览后,才进入定制成稿生成。
第四步:内容定制规范
遵循已先读取的事实契约与写作规范(../resume-builder/references/resume-contract.md、../resume-builder/references/content-writing.md):
- 清晰表达:遵循其强动词表达结构、结果证据与 ATS 表达指南;没有数字时使用已确认的非数字证据,不强行编造指标;
- 关键词自然对齐:将已确认事实中的技术表达对齐 JD 常用词,严禁 keyword stuffing;
- 板块与重点重排:按 JD 相关性调整板块与经历顺序;
- 区分度说明:定制完成后向用户清晰说明相较于母版的改动点。
第五步:生成定制文件与目录隔离
先让用户在视觉 HTML/PDF 与 ATS-safe HTML/PDF 中选择输出模式,统一输出到专用的岗位目录 tailored/<公司名>-<岗位>/ 中,绝对不覆盖母版:
- 视觉模式:
resume_visual.html与resume_visual.pdf,沿用基础简历 CSS 风格; - ATS-safe 模式:
resume_ats.html与resume_ats.pdf,采用单栏标准正文结构; matching-analysis.md:岗位匹配分析报告(模板见references/matching-analysis.md);version-notes.md:版本与投递记录(记录父版本、JD 来源与日期、变更摘要、关键词来源、保留缺口与验证结果)。
若沿用内置视觉样式,根节点声明 data-resume-layout="full-page",保留 data-resume-editor-template、data-resume-editor-version="1" 和稳定、唯一、语义化的叶子级 data-resume-editor-id(禁止整页或板块容器加 ID)。
第六步:PDF 验证与质量审计
交付前必须执行质量审计与 PDF 验证,统一遵循 交付门禁与验证契约:
- ATS-safe 模式验证:
- 遵循门禁中的单栏结构、正文阅读顺序与纯文本可提取标准,运行:
python skills/resume-builder/scripts/validate_resume.py --html "<tailored目录中的html路径>" --mode ats
- 遵循门禁中的单栏结构、正文阅读顺序与纯文本可提取标准,运行:
- 视觉模式验证:
- 协议校验:运行
resume-skills validate确认编辑协议通过; - 渲染与单页验证:运行
render_resume.ps1渲染真实 PDF 并生成 preview 与 manifest; - 整页截图视觉复核(定制特有重点):AI 必须打开渲染生成的整页截图,遵循 整页截图视觉复核。特别注意:岗位定制删减内容后尤其要检查底部是否明显偏空;即使自动校验全部通过,留白失衡也不得交付,须调整排版后重新渲染、校验并查看新截图。
- 协议校验:运行
第七步:交付与 Canvas 预览
- Canvas 预览(可选):
视觉模式完成验证后,按 交付门禁与验证契约 询问用户是否需要本地 Canvas 预览微调。用户需要排版微调时,路由至
resume-canvas;Canvas 保存后 manifest 失效,必须回到工作流执行重验闭环。ATS-safe 模式不启动 Canvas。 - 版本记录与 Git 提交建议:
- 更新本次定制的
version-notes.md,记录版本摘要与验证结果; - 遵循 交付门禁与验证契约,给出本地私有 Git 仓库语义化提交建议,例如:
git add resume-facts.yaml tailored/<公司名>-<岗位>/ git commit -m "定制:<公司名> - <岗位>" - 约束:不自动执行 Git 初始化、提交、推送或覆盖,必须由用户确认或自行执行。
- 更新本次定制的
硬约束
- 绝不编造经历,修改仅限于措辞、重排和对齐真实证据;
- 待确认字段只能出现在分析报告,不能进入最终成稿;
- 定制版本独立存放于
tailored/<公司名>-<岗位>/,绝不静默覆盖母版; - 视觉模式沿用基础简历 CSS 风格,ATS-safe 模式严格遵守单栏与纯文本可提取标准。
参考文档
../resume-builder/references/resume-contract.md— 事实契约(每次工作前先读取)../resume-builder/references/content-writing.md— 写作规范(每次工作前先读取)../resume-builder/references/design-system.md— 设计系统与规范指南../resume-builder/references/delivery-gate.md— 交付门禁与验证契约../resume-builder/references/css/<style>.md— 对应风格 CSS 变量与布局references/matching-analysis.md— 匹配分析报告模板
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

