# 生成求职文档

> 产品经理（及泛求职）面试场景，根据模板风格 + 经历库，生成简历、面试逐字稿，并支持按目标岗位 JD 定制。借鉴 Karpathy 的 LLM Wiki 模式：原始素材先整理成完善的「经历库」，生成时先查索引定位、再只读相关档案，以节省 token 并保证质量。经历库是生成的主来源。

- **Type:** Skill
- **Install:** `agentstack add skill-shilren-interview-doc-agent-interview-doc-agent`
- **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior
- **Seller:** [Shilren](https://agentstack.voostack.com/s/shilren)
- **Installs:** 0
- **Category:** [AI & ML](https://agentstack.voostack.com/c/ai-and-ml)
- **Latest version:** 0.1.0
- **License:** MIT
- **Upstream author:** [Shilren](https://github.com/Shilren)
- **Source:** https://github.com/Shilren/interview-doc-agent

## Install

```sh
agentstack add skill-shilren-interview-doc-agent-interview-doc-agent
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

# 生成求职文档（面试 / 求职）

帮用户生成求职文档。三个能力：①写简历 ②写面试逐字稿 ③按 JD 定制简历/逐字稿。

> 路径说明：以下所有路径都相对于本 skill 所在的 agent 根目录（即包含本 SKILL.md 的文件夹）。
> 在 Obsidian 中通常是 `/doc-agent/`；在飞书中是云文档/Base 中的对应结构。

## 目录分工

```
/
├── templates/          模板库（学写作风格，按产出类型分）
│   ├── 简历/           简历模板（.tex 排版 / .md 改写）
│   └── 逐字稿/         面试话术模板 + 范文
├── 经历库/             ✨ 完善经历（生成主来源，每项目一份完整档案）
│   └── 00-个人档案.md  基础信息 + 索引 + 人设关键词
├── materials/          原始素材（粘贴的原始 dump，经历库的原料 / 细节回查）
├── jd/                 目标岗位 JD（按 JD 定制时放这里）
├── output/             生成的文档
└── wiki/index.md       检索索引（生成时先读这张表定位）
```

**三层数据架构（Karpathy LLM Wiki 思路）**：
```
原始素材 materials/ ──整理──▶ 完善经历 经历库/ ──生成──▶ output/
（粘贴的 dump）              （面试就绪，主来源）        （简历/逐字稿）
                                  ▲
                          目标岗位 jd/ ──匹配定制──┘
```
- **经历库**是核心：每篇档案已整理成「一句话 + 三段式 + 关键数据速取 + 人设亮点」，面试就绪
- 生成时**先读 `wiki/index.md`** 这张轻量索引表定位，再只读相关经历库档案 + 模板，不必全读（省 token）
- materials 仅在经历库细节不足时回查

## 运行模式
由读到本 skill 的 AI 直接执行（Obsidian Claudian / 飞书智能伙伴 / Claude Code 均可），直接读写文件。无需 API key。

## 首次使用：自动初始化（重要）
本 skill 只需要 `SKILL.md` 这一个文件即可工作——其余目录会按需自建。
当用户首次调用、且当前目录缺少 `templates/`、`经历库/`、`materials/`、`jd/`、`output/`、`wiki/` 时，**先自动创建这套目录结构**，并在 `经历库/00-个人档案.md` 写入空白模板、在 `wiki/index.md` 写入空索引表，然后告诉用户：「已初始化目录，请把简历模板放进 templates/简历/、把项目经历粘进 materials/」。无需用户 clone 任何仓库。

---

## 能力一：写简历
1. 读 `经历库/00-个人档案.md`（基础信息 + 索引）+ 相关经历档案
2. 读 `templates/简历/` 模板，学结构和加粗主题式 bullet 写法
3. 生成：高度浓缩，每条 bullet = 加粗主题 + 动作 + 量化结果（不展开 why）
4. 保存到 `output/`；如需正式 PDF，同步更新 `.tex` 内容

## 能力二：写面试逐字稿
1. 读 `经历库/` 里相关项目档案（按需求定位，不必全读）
2. 读 `templates/逐字稿/产品面试话术模版.md` 学三段式骨架和句式
3. 生成：走「背景思考 → 定义问题 → 手段&成果」三段式，复用固定句式，保留追问钩子
4. 通常产出简单版（~2 分钟）+ 复杂版（~4-5 分钟）两版，附可抽讲子模块
5. 保存到 `output/`

## 能力三：按 JD 定制
1. 读 `jd/` 里的目标岗位 JD
2. 从 `经历库/00-个人档案.md` 的人设关键词 + 各经历中，匹配 JD 要求的能力点
3. 重排/裁剪经历，突出与 JD 最相关的项目和数据，弱化无关项
4. 生成定制版简历或逐字稿，保存到 `output/`

---

## 面试方法论（生成逐字稿时遵守）
- 项目逐字稿走三段式：**背景思考 → 定义问题 → 手段&成果**
- 复用固定句式：「我判断发力重点在 X」「逻辑是…具体动作是…（含触发时机/面向谁/展示什么）」「我对 X 指标负责」
- **必须用经历库里的真实量化数据**，缺数据处留 `___` 占位，**绝不编造**
- 体现判断力叙事：讲「为什么这样判断」，不只讲「做了什么」
- 保留追问留白钩子（「您看对哪段感兴趣」「可在追问时展开」）
- 简历则相反：高度浓缩，只留结论和数字，不展开推理

## 更新经历库
用户新增/修改 materials/ 原始素材后：读新文件 → 提炼整合进 `经历库/` 对应档案 → 更新 `00-个人档案.md` 索引和 `wiki/index.md` 检索表。

### 提炼标准（materials → 经历库）
- **量化数据全部保留**，一个数字都不漏
- 三段式拆解：背景判断 / 关键问题 / 手段成果
- 手段的 why + how（逻辑 + 具体动作：触发时机/面向谁/展示什么）
- 判断力与人设亮点

## 注意事项
- 经历库是主来源；materials 是原料，仅在细节不足时回查
- 生成需求尽量写清楚：文档类型、目标项目/岗位、用途、篇幅
- 绝不编造数据；真实数据缺失时用 `___` 占位并提醒用户补充

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [Shilren](https://github.com/Shilren)
- **Source:** [Shilren/interview-doc-agent](https://github.com/Shilren/interview-doc-agent)
- **License:** MIT

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** no
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** no
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: passed — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/skill-shilren-interview-doc-agent-interview-doc-agent
- Seller: https://agentstack.voostack.com/s/shilren
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.