tailor
Skill0 starsChanged 3 months agoMITView on GitHub
输入一条 JD(文本/文件/URL)+ facts/ 素材库,产出投递级单页简历 PDF、打分卡与待确认清单。当用户说 /tailor、"定制简历"、"针对这个 JD 改简历"时使用。
10 other projects use a version of this.
Adopted by
Most recently taken up by
- rafaym1/scholarship-desktheir own version, first seen Nov 16, 2026
- qbeka/jev-job-searchtheir own version, first seen Nov 12, 2026
- askoulwassim/perfect-placementtheir own version, first seen Oct 15, 2026
- lecegues/hitapply-plugintheir own version, first seen Oct 11, 2026
- leoleolro/career-ostheir own version, first seen Sep 22, 2026
- Tdeniz1/resume-engine-startertheir own version, first seen Sep 2, 2026
Used with
Projects with it also use inbox and apply.
Other files people use alongside this one.
Files found in the same public projects as a version of this one, more often than they turn up anywhere else. Each project counts once, large collections count for less, and this file's own repository is left out.
lamb92009Skillinbox
Use when the user runs /inbox or asks to process the inbox folder in the RDL vault. Reads unprocessed files, routes content to correct vault locations, creates or updates notes with wikilinks, and deletes processed originals.
Also in 3 projects that use this
rhowardstoneSkillapply
Research-backed job application workflow emphasizing relationship-building over mass applications
Also in 3 projects that use this
Other versions10 projects use a version of this.
Word for word · 0
None found.
Edited · 0
None found.
Wrote their own version · 10
- qbeka/jev-job-search★ 368same name
- dralgorhythm/claude-agentic-framework★ 118same name
- rafaym1/scholarship-desk★ 18same name
- askoulwassim/perfect-placement★ 3same name
- leakyhose/resumekit★ 1same name
- ledq/resumery★ 1same name
- donsamoylov/tailor-skill★ 0same name
- lecegues/hitapply-plugin★ 0same name
- leoleolro/career-os★ 0same name
- Tdeniz1/resume-engine-starter★ 0same name
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
In this repositoryOne other file it gives its agents.
- interview-prepSkill
The file
Files
/tailor —— JD 定制简历流水线
⚠️ 本文件是脱敏后的公开版本:所有具体业务数字、公司名、人名均已替换为虚构示例, 用于展示方法论本身;判据与流程结构与本地私用版一致。
输入:JD(粘贴文本 / 文件路径 / jd/ 存档)+ facts/ 素材库
输出:resumes/YYYY-MM-公司-岗位/ 目录,含 JD 副本、简历 md、单页 PDF、打分卡、待确认清单
开工前必读的三条铁律
- 防编造:只许写
facts/里存在的事实。JD 要求但素材库没有的 → 进待确认清单标「缺口」,绝不编造,也不为凑关键词覆盖率而写。 - 单页是硬约束:超页只能从内容里出(删条目/消重复),不许改字号、行距、页边距——那是把问题藏起来不是解决。
- 背调可核实项不覆盖:职级、绩效、司龄、学历,用户口述与 facts 冲突时标注冲突、保留原值,等用户拍板。写高一级的代价不是简历不好看,是 offer 作废。
Step 0 · JD 语域分析(最容易跳过,但决定全篇措辞)
先统计 JD 里哪些词高频、哪些词一次都不出现。
为什么这步不能省:同一家公司同一岗位族的 JD 批量看下来,某几个词会高频复现, 于是人很容易照着"这家公司的通用语感"去写。但具体到某一个岗位,公司层面的高频词 可能一次都不出现——它 JD 里密集出现的是另一批词(例如反馈、调研、访谈、渗透率、 活跃度、培训)。照通用语感写,开头结尾全在说这个岗位不考核的东西。 判据只有一个:以本岗 JD 自己的词频为准,不以公司印象为准。
产出两张表:
- 高频词 → 必须在简历里有对应落点
- 零频词 → 即便是你的强项,也不该在本岗简历里反复强调(让位给高频词)
判定岗位镜头:产品经理 / 用户运营 / 电商运营 /(其他就近选),后面选 angles 用。
Step 1 · JD 归档
存 jd/YYYY-MM-公司-岗位.md,保留「职位描述」「任职要求」「工作职责」等小节的原文标题(自检脚本按标题定位正文)。
并在文末写一张「加权关键词表」(×2 硬技能 / ×1.5 职能 / ×1 背景),格式:
## 加权关键词表(/tailor Step 1)
- ×2 硬技能:投放、广告、商业化、电商、冷启动、分层、复投、投放诊断
- ×1.5 职能:策略设计与迭代、机制建设、产品抽象、跨团队协作
- ×1 背景:直播间/短视频经营场景、3年左右经验⚠️ 这张表不是给人看的,resume_check.py 会优先用它算覆盖率。
内置领域词表是按用户运营岗建的,换到广告/策略产品岗几乎匹配不上——
实测某些垂类岗位分母只剩 4 个词,覆盖率数字完全失真,需要人工核实。
Step 2 · 素材检索
读全部 facts/*.yaml,按 tags 与 Step 0 的高频词匹配打分。每条选与岗位镜头对应的 angles 版本;无对应 angle 用 star 原文改写。
注意 facts 里的口径注释:带 ⚠️ 的行往往记着"哪个口径已作废""哪个数字是区间下限",直接取数会出错。
Step 3 · 骨架与取舍(母本五段,已锁定,不要再发明结构)
这一步不是「生成一份简历」,是「在母版上改」。 从零生成会把母版里已经打磨掉的毛病 重新长回来(实测:全自动生成版被判「数据很虚、逻辑不对」,而它每一条单看都合规)。 正确动作:复制母版 → 换 ≤2 条成果 → 换词 → 调三个旋钮。你要向用户交付的是一份 diff, 不是一篇新作文——他读十来处改动就能验收,读全篇则要重新赌一遍。
三个旋钮(只有这三个随 JD 动):①个人简介第 3 句 ②工作经历首条 bullet ③「其他」段的作品集链接。 项目经历的项目名/【背景】/角色/部门/时间五项不动,只在项目内部置换成果条。
# 姓名
应聘:岗位 | 电话 | 邮箱 | 城市 | 年龄 | 在职
## 个人简介 —— 1 段,3 行以内
## 教育经历 —— 每条一个 ### 标题行
## 工作经历 —— 每家:### 公司行 + 1 行职责概要 + 3~4 条【标签】bullet
## 项目经历 —— 每个:### 项目行 + 【背景】+【成果】+ 4 条编号成果
## 其他 —— 技能 / 业余 / 参赛- 公司行格式:
### **公司全称**-部门 <span class="level">职级:P6</span> · 2023.01–至今(· 日期会被 render.sh 自动拆成右对齐;span.level让职级不加粗) - 工作经历要放带数字的 bullet,不是只放概要行
- JD 权重最高的项目放最前;弱相关压一行;无关删除
Step 4 · 约束式改写(判据零 + 三条判据,逐条过)
判据零:取料顺序——先锁数字,再回头配做法(写成果条的唯一正确姿势)
先从 facts 的 result 字段挑 4 个业务数字,再回 action 字段找对应做法。
顺序反了(先想「这个项目讲哪四点」再去凑数字),必然写出下面这种东西:
以下正反两例均为虚构演示(设定:某在线教育平台的学员运营岗), 用来说明结构差异,与任何真实项目无关。
✗ 1. 观测口径:先把三层指标体系搭起来,作为后续判断的统一基准 ← 无数字
2. 自动化执行:内容包生成与推送排期改由脚本托管 ← 无数字
3. 需求洞察:访谈+行为数据交叉,定位学员流失的真实原因 ← 无数字
4. 最终收益:续报率 +N%、营收 +N% ← 数字全挤这这叫纵向拆方法论:四条是同一件事的四个阶段,删掉第 4 条前三条全部作废。 黄金标准是横向列业务动作——四条是四件事,每条自带自己的数字,遮住任意一条其余照样成立:
✓ 1. 试听转化路径优化:把转化入口从课后弹窗前移到课中挂件,试听转正课率 +2.3%
2. 分层续报策略:按完课率将学员分三档匹配不同续报权益,高完课档续报率 +5.1%
3. 排课匹配排序:按学员时段偏好与教师评分做匹配打分,排课成功率 +8%
4. 沉默用户唤醒:对停课 14 天用户推送针对性内容包,唤醒后 7 日活跃 +6.4%为什么取料顺序能根治它:先锁 4 个数字,手上就是 4 个互不相干的业务结果, 物理上写不出「观测口径/自动化执行/洞察/收益」这种阶段式四联——因为没有哪个数字叫「观测口径」。
配套三条:
- 每条数字前必须有范围限定(品类/大盘/全站/实验组/搜索场/购后场景),裸指标不算业务数字。
- 做法在前、数字在尾,永不倒置。一条读下来是「干了什么 → 换来什么」。
- 凑不满 4 个数字就少写一条,不许拿过程指标填坑,更不许编。facts 没有就是没有。
判据一:每条成果必须有「业务侧能收钱/收量的数字」
这是最容易翻车的地方。有一版曾被判「数据内容很虚」, 根因不是数字不真,是过程指标冒充了结果指标—— 「沉淀 N 项资产 / 规范文档从 A 行精简到 B 行 / 扫描 N 个会话」全是「我投入了多少」, 却摆在「成果」栏当「业务收获了多少」用。招聘方只关心后者。
检验法:把数字念出来,问一句「这个数字变好,公司账上会有什么变化」——答不上来的就是过程指标。 过程指标只能作为「怎么拿到结果」的说明依附其后,不单独成条。
判据二:同一个数字全篇只出现一次——但允许一次「总结→展开」呼应
修正记录:旧版这条写得过严,人工打磨的成品自己就违反了它(同一个数字出现了 2-3 次)。 规则与人打磨的成品打架时信成品——成品是目标,规则只是逼近它的手段。
细则:
- 同一件事在工作经历给结论、项目经历给展开,允许呼应一次。
- 数值巧合不算重复(两处指标数字相同但含义不同,如一个是转化率一个是投放优化上限)。
- 同段内不得重复;三次及以上一律改掉。
- 个人简介仍然不许复述工作/项目里的成果数字(实测初稿常见一次犯 3-4 组)。
用 resume_check.py 的③检测,但它只比数值不比指标,会把巧合也报出来——按上面三条人工判。
判据三:术语全文统一
同一个东西不许两种叫法——最常见的是自建平台/工具在简历不同段落里用了两个名字
(例如个人简介写 工作台、工作经历写 workbench),面试官会以为是两个东西。
中英混排也要统一:code agent 不写 codeagent、AI工具 不写 AI 工具。
补关键词的正确顺序
- 换词(最高投产比):同一件事改用 JD 的说法。做法是把 JD 高频词逐个对照自己的原表述, 同义就换掉——例如 JD 用「洞察」你写的是「识别」、JD 用「最佳实践」你写的是「方法沉淀」、 JD 用「培训」你写的是「分享」。不编造、不加长、不动数字,只换措辞外壳。
- 用已有素材补数字:翻 facts 找现成的(有素材、只是没用上的数字,优先用它补关键词落点)。
- 最后才考虑加内容。
- 覆盖率卡到 60–80% 就停,再堆是关键词填充、反而减分。
单页超了怎么办:等量置换,不是精简
页面已单页刚好时,「省字数」零收益(省下的变白纸)。正确动作是同宽度换内容: 把没结果的字换成有结果 + 带 JD 词的字。实战中总视觉宽度几乎不变,覆盖率却能从 40%+ 提到 80% 区间。
Step 5 · 渲染自检回环(这是循环,不是两条并列命令)
写完 ≠ 完成。 中文混排的行宽无法离线精确预测——母版有 112 宽不折行、 而 115 宽会折行,夹逼实测出的 109 只是参考值。所以必须渲染、读 PDF、回改、再渲染, 直到 ①③④c 全绿。跳过这个回环 = 交付一份可能是 2 页的简历。
# ① 渲染(有证件照时加 RESUME_PHOTO)
RESUME_CSS=src/resume-mother.css RESUME_PHOTO=data/photo.jpg \
src/render.sh resumes/<目录>/<姓名_N年经验_岗位>.md
# ② 自检——**必须带 --pdf**,否则 ①折行 与 ④c单页适配 两节都会降级成猜
python3 src/resume_check.py resumes/<目录>/<文件>.md \
--jd resumes/<目录>/JD.md --pdf resumes/<目录>/<文件>.pdf
# ③ 若 ④c 报超页 → 按它给的清单改 → 回到 ①。通常一轮就收敛。超页时按 ④c 的清单改,不要自己拍脑袋。它的判据是: 折行的条目要多占一整行、而第二行往往只有几个字(半行白纸),压回一行 = 直接省一行且零内容损失, 比删条目便宜得多。清单按「超出量升序」排——优先压超出最少的那条,改动字数最小、省的行数一样。
- 报
压这条→ 减够它说的宽度即可(≈N/2 个中文字),别多减,省下的宽度是浪费 - 报
无超宽条→ 没有折行可压,是内容总量超了,只能按「等量置换」删条目: 优先删与 JD 语域错位、且数字最弱的那条 - 报
仍不够→ 全压回一行仍差几行,余下靠删条目
三条禁令:不许改 CSS 字号、不许改页边距、不许缩小行距来塞下内容—— 排版硬约束是夹逼实测出来的(见下节),动它等于把问题从「超页」换成「太挤没人想读」。
自检覆盖:折行(PDF 实测)/列表语法与 emoji/数字重复/术语不一致/五段结构/ ④b 数字溯源/JD 覆盖率与语域错位/页数与裸星号。
④b 数字溯源是投前必看的一节:把工作/项目经历里每个成果数字回查 facts/,
四种报法——
无出处:facts 全库零命中 → 投前必须补进 facts 或删掉,这是背调风险不是格式问题作废口径:facts 明写该值已被取代 → 换成新口径口径存疑:同一数值在 facts 有多处出处、其中部分标作废 → 人工确认本条用的是哪个区间取值:facts 记的是区间而简历取了端点 → 留着可以, 但面试必被追问「怎么算的」,先想好答案
它是本 skill 唯一锚在素材库、而非从某一份简历反推的检查,换岗位换 JD 都成立。
排版硬约束(数值是夹逼实测,别按公式改)
| 项 | 值 | 说明 |
| 列表项一行 | ≈109 视觉宽 | 中文算 2、西文算 1 |
| 段落一行 | ≈120 视觉宽 | 个人简介按总宽算行数 |
⚠️ 「其他」段最容易超页:技能行与业余行都接近满行,业余行还带 GitHub URL(一条 URL 约 36 宽), 两条各折一次就是 2 行,往往正是超页的那一点。压缩时先看这两条。
⚠️ 宽度模型对中英混排不可靠:实测同一大致宽度,英文占比高时不折行、数字符号占比高时却折了。 所以折行一律以 PDF 实测为准,宽度只用来预判余量。曾按 CSS 公式反复调参三次才夹逼实测定案, 中间两版都导致了折行和超页。
渲染坑清单(都踩过)
1./-后必须有空格,否则 pandoc 当普通段落、**裸星号漏进 PDF- emoji 不要用(箭头符号在 Chrome headless 渲成彩色图标且撑行),箭头用
→ - 从 PDF 复制的文本可能混入部首字符(形近但非同一 Unicode 码位),字形异常且搜不到
- 证件照走
RESUME_PHOTO环境变量,不要把 base64 写进 md - ⚠️ 自检渲染必须带
RESUME_PHOTO,否则页数结论是假的(实测: 同一份 md 不带照片渲出 1 页、带照片 2 页——照片要占掉约一行的垂直预算)。 投递版一定带照片,所以判单页必须按带照片的那次算,漏带会得到一个乐观的假绿灯 - 照片版式:
position:absolute+ 手动腾高度(.resume-photo ~ h1{margin-top}), 注意 margin 折叠会推移 absolute 原点,改照片尺寸必须同步改top与h1的 margin (推导写在src/resume-mother.css注释里)
Step 6 · 待确认清单(不可省)
产出 待确认清单.md,把这三类逐条列出,等用户拍板:
- facts 没有的新事实(用户手写进来的)→ 标注「facts 首次收录」,问出处
- 与 facts 冲突的→ 标注两个口径与各自来源,不要覆盖 facts
- 背调可核实项(职级/绩效/司龄)→ 最高优先级
- 面试会被追问的数字→ 例如取自区间下限的数字,标出来让用户准备口径
同时产出 打分卡.md:关键词加权覆盖率、五维自评(内容相关度/结构顺序/量化质量/关键词覆盖/忠实性)、
缺口清单(JD 要但素材库没有的,给「补素材」或「面试口径」建议)、改动说明。
交付前最后一眼
- 自检是带
--pdf跑的(不带则 ①折行 与 ④c单页适配 全是猜的,等于没检) - PDF 1 页、零折行、零裸星号
- 每条成果都有业务侧数字
- 没有数字重复、没有术语两种写法
- 覆盖率在 60–80%
- 待确认清单里的背调项已经问过用户
- 文件名
姓名_N年经验_岗位.pdf(无空格)
其他约定
- 动
resumes/下文件前先ls全目录:见到*人修改*、*_我改*、*-v2之类旁支文件一律先读, 用户手写内容优先级高于 facts(他知道自己干过什么),但必须回填 facts 并标注来源与冲突 - 用户要在文案上反复串措辞时,用
work/定制简历_文案版_YYYY-MM-DD.md(剥掉注释头的纯正文), 改完再合并回投递版
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.

