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。

26 starsAI, LLMs & Agents

Install

skills CLI (Claude Code, Cursor, Codex and more)

npx skills add Shilren/interview-doc-agent --skill 生成求职文档

Manual install

git clone --depth 1 https://github.com/Shilren/interview-doc-agent.git /tmp/interview-doc-agent
mkdir -p ~/.claude/skills
cp -r /tmp/interview-doc-agent/. ~/.claude/skills/-

Personal skills live in ~/.claude/skills. Use .claude/skills in a project folder to share a skill with your team.

From the SKILL.md

# 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 `<vault>/doc-agent/`；在飞书中是云文档/Base 中的对应结构。

## 目录分工

```
<agent 根目录>/
├── 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）

Read the full skill on GitHub

Details

Skill name: 生成求职文档
Repository: Shilren/interview-doc-agent
License: MIT
Repo updated: 8 June 2026

FAQ

What does the 生成求职文档 skill do?

How do I install the 生成求职文档 skill?

skills CLI (Claude Code, Cursor, Codex and more): npx skills add Shilren/interview-doc-agent --skill 生成求职文档. Skills go in ~/.claude/skills (personal) or .claude/skills (project), and Claude loads them automatically when a task matches the description.

Is 生成求职文档 popular?

It lives in Shilren/interview-doc-agent, which has 26 GitHub stars and 0 forks.

Related skills

Bulus Amazon Skill

buluslan/bulus-amazon-skill

由buluslan（公众号:新西楼.AI）研发的亚马逊运营全流程 Skill：13 个场景提示词覆盖市场调研、选品、竞品拆解、关键词库、Listing 生成、图片规划、广告打法、复盘诊断、竞品监控全链路，数据源中立（接任意数据 MCP），每步产出分档结论+可执行动作清单，不是数据罗列。 13 prompt workflows covering the full Amazon operating lifecycle — market research, product selection, competitor teardown, keyword library, listing generation, image planning, ad strategy and review — data-source agnostic, each ending with tiered conclusions and action checklists. Trigger whenever the user mentions 亚马逊运营、选品、市场调研、类目分析、竞品分析、关键词库、Listing 生成、图片规划、广告打法、广告复盘、评论复盘、竞品监控、从零到一跑全流程 — in any language; 中文用户说"帮我做市场体检/验证趋势/挖细分/拆竞品/建词库/写 Listing/开广告/

AI, LLMs & Agents

Xianyu Monitor

LENKIN233/xianyu-monitor-skill

Search and monitor Xianyu/Goofish listings with filters, deduplication, and optional AI ranking. Use for searches, login, item analysis, and recurring alerts on 闲鱼 / Goofish.

AI, LLMs & Agents

Nsfw Prompt

haremank/nsfw-prompt

Explicit-only local skill. Invoke with $nsfw-prompt. Compile adult NSFW image prompts for online generators (Grok Imagine first) and local stacks (Flux, Pony, Illustrious, SDXL, Z-Image); Chinese briefing, English prompts.

AI, LLMs & Agents

Skill Everything

sordi-ai/skill-everything

Git-versioned agent memory — agents that never make the same mistake twice.

AI, LLMs & Agents

LLM Council

gestordeaudiencia/llm-council-skill-ptbr

Passa qualquer pergunta, ideia ou decisão por um conselho de 5 conselheiros de IA que analisam de forma independente, fazem revisão por pares anonimamente, e sintetizam um veredito final. Baseado na metodologia LLM Council do Karpathy. GATILHOS OBRIGATÓRIOS (PT-BR): 'convoca o conselho', 'roda o conselho', 'leva pro conselho', 'submete ao conselho', 'war room isto', 'stress-test isto', 'pressure-test isto', 'debate isto'. GATILHOS OBRIGATÓRIOS (inglês): 'council this', 'run the council', 'war room this', 'pressure-test this', 'stress-test this', 'debate this'. GATILHOS FORTES (use quando combi

AI, LLMs & Agents

Harness Engineering Playbook

broomva/harness-engineering

Implement OpenAI Harness Engineering practices in any repository — AGENTS.md, PLANS.md, deterministic smoke/test/lint harness commands, strict architecture boundaries, observability from day 1, and entropy-control audits for reliable autonomous agent runs.

AI, LLMs & Agents

Browse the most popular Claude skills, all ai, llms & agents skills, or write your own with the skills generator.