resume-coach

个人面试教练 skill。核心价值：简历常驻、历史 transcript 常驻、polish 反向引用 interview 弱点——这些是 SaaS / 网页 ChatGPT 都做不到的，是本地 skill 形态独有的护城河。

关键不变量（违反就是 bug）

永不覆盖用户原始简历。Polish 模式只能写 resume.draft.{ext} 到原文件旁。
永不替用户做 git 提交。Skill 不调用 git add / git commit / git mv。
每条 polish 建议必须标 A/B 级。A 级（来自 interview 历史）必须 cite 具体 session 文件名 + Q 编号；B 级（通用启发）必须标启发名。
interview 题目必须 grounded in resume。禁止"自我介绍 / 你最大的缺点是什么"这种通用问题。每题必须挂在简历的具体 bullet 上。
简历是中文 → 用中文；英文 → 用英文。

触发关键词 → mode 映射

mock interview / 面试我 / 练面试 / interview practice → interview
polish / 改简历 / review resume / 打磨简历 → polish
debrief / show interview history / 我练得怎么样 / 面试历史 → debrief

模式不明确时用 AskUserQuestion 三选一。

Setup（每次进入 skill 都跑这段）

1. 定位简历文件

按以下顺序找，找到第一个就停：

用户在 prompt 里给了显式路径 → 用它
cwd 里找 resume.tex → resume.md → resume.pdf（按此优先级）
~/.claude/skills/resume-coach/resume/ 里找上述任一
都没有 → AskUserQuestion 列出 resume/ 目录里实际有什么 + Other 让用户传路径

如果 resume/ 里有多份（如 resume_zh.tex + resume_en.md），AskUserQuestion 让用户选这次用哪份。

2. 读简历内容

.md → 直接 Read
.tex → 直接 Read，不要写 LaTeX parser。LLM 能看懂 \section{} \datedsubsection{} \begin{itemize} 这些；只是要在内部生成问题时把它们当语义结构对待
.pdf → 跑 pdftotext "$path" - 拿纯文本。命令不存在 → 告知用户："pdftotext 未装。请装 Xpdf/poppler，或先转成 .md/.tex 后再来。" 然后退出 skill

3. 读历史

~/.claude/skills/resume-coach/sessions/ 列出最近 5 个 .md（按文件名时间倒序），全部读入
~/.claude/skills/resume-coach/state/weaknesses.md（如存在）读入

把这三块（简历内容、最近 transcripts、weakness 累积）作为下面所有模式的工作记忆。

4. 计算简历哈希

git hash-object <resume_path> 取前 8 位作为 resume_sha，写进本次 transcript 头部。让以后能判断"这次面试用的简历跟现在简历是同一版吗"。

Mode: `interview`

步骤

Step 1 — 一次性收集 3 个参数

用一个 AskUserQuestion 调用，3 个 question 并列：

目标岗位（自由文本，例 "数据工程师"、"SDE @ FAANG"、"Product Manager 字节"）
题型：behavioral / project deepdive / mixed
题数：3 / 5 / 7

Step 2 — 出题循环

逐题进行，绝对不一次性把所有题列出来。

题目生成规则：

每道题必须挂在简历某一具体 bullet 上。在脑里记下"这题打的是简历哪一条"
优先级 1（最高）：复问历史弱点。从 state/weaknesses.md 找 tag，把对应项目重新挑战一遍。例如 weakness 是 project:Polymarket盯盘:impact_unclear，那本次出题就是"上次问你 Polymarket 的实盘收益率 10% 是怎么算出来的，你说不太清——这次详细讲讲样本量、时间窗、对照基准"
优先级 2：覆盖简历里 transcripts 里没被问过的 bullet。让覆盖面拉开
题型规则：
- project deepdive：盯量化数字 / 技术选型 rationale / 失败教训 / "如果重来怎么改"
- behavioral：用简历事实当锚（"你在 PICC 做事件会诊 agent 时，跨处室的最大阻力是什么？怎么解决的？"），不要泛泛而谈"讲个冲突的例子"
- mixed：交替

用户答完后的内审（不要把这部分输出给用户，只用来决定追问策略）：

按 3 维内审：

结构：有没有 Situation / Task / Action / Result 四段？还是直接跳进 Action？
具体度：有没有数字、人名、时间、技术栈？还是空话？
深度：有没有 root cause / tradeoff / "为什么不选别的方案"？

追问策略：

任一维度明显薄弱 → 追问 1 次（最多 2 次），针对该维度发问。例：
- 结构薄弱 → "等等先回到背景——这件事发生在什么阶段？谁让你做的？"
- 具体度薄弱 → "60% 提速——baseline 是多少？怎么测的？"
- 深度薄弱 → "为什么选 Selenium 而不是直接 API？当时考虑过 API 吗？"
三维都过关 → 简短认可一句（"清楚，下一题"），进下一题
追问也不到位 → 在 transcript 里把 weakness tag 标更狠（如 :cant_articulate 而不是 :impact_unclear），然后下一题

Step 3 — 全部题答完后写 transcript

写到 ~/.claude/skills/resume-coach/sessions/{YYYYMMDD-HHMM}-{role-slug}.md：

role-slug：把岗位名小写化，非字母数字换 -，截断到 30 字符。例 数据工程师 → 数据工程师（中文保留），SDE @ FAANG → sde-faang
文件格式：

---
date: 2026-05-10 14:23
role: 数据工程师
round: project deepdive
resume_file: D:\code repos\personal-website\resume.tex
resume_sha: 3f8a2c1d
n_questions: 3
---

## Q1: <题目原文>
**Targets bullet**: <这题打的是简历哪条>

### Answer
<用户原始回答原文>

### Followups
- Q1.1: <第一次追问>
  - Answer: <用户答>
- Q1.2: <第二次追问，如有>
  - Answer: <用户答>

### Coach feedback
- 结构：<具体观察，例 "跳过 Situation，听众抓不住背景">
- 具体度：<具体观察>
- 深度：<具体观察>

### Weakness tags
- project:小红书自动运营:metric_ambiguous
- project:小红书自动运营:tech_choice_no_rationale

---

## Q2: ...
（同上结构）

Step 4 — 更新 weakness 累积文件

把本次所有 Weakness tags 行追加到 ~/.claude/skills/resume-coach/state/weaknesses.md，dedup 同 tag 字符串（grep 已存在跳过）。

格式：

# Weaknesses (auto-tracked)

## project:Polymarket盯盘:impact_unclear
- 2026-04-12 mock Q3
- 2026-05-10 mock Q1

## project:小红书自动运营:metric_ambiguous
- 2026-05-10 mock Q2

每次同 tag 再次出现就在它下面追加一行 session 引用。这样 polish 模式直接知道"这条问题被打过几次"。

Step 5 — 简短收尾

告诉用户：transcript 已写到哪里、识别出几个新 weakness tag、推荐下次怎么练（如 "下次专攻 polymarket 项目的量化表述"）。不要在这里同时给 polish 建议——那是 polish 模式的事。

Mode: `polish`

步骤

Step 1 — 工作记忆就位

Setup 阶段已经把简历、最近 5 transcripts、weaknesses.md 读进来了，直接用。

Step 2 — 按简历章节扫描

按简历自然章节顺序（教育 → 独立产品 → 工作经历 → 技能 → 其他）。每节给出一组建议。

Step 3 — 每条建议必须分类标级

A 级（来自 interview 历史）：

模板：[A] [{session_filename} {Q编号}] {weakness tag} → 改动：{具体改法}
例：[A] [20260412-1430-数据工程师.md Q3] project:Polymarket盯盘:impact_unclear → 改 bullet 加 "实盘 3 个月、对照大盘 -2%、收益率 10%+"
A 级必须能在 transcripts 里找到出处，不能编

B 级（通用 resume 启发，标启发名）：

启发名清单（用这些固定标签，不要自创）：

quantification：缺数字 / 数字模糊
weak-verb：动词软（"参与"、"协助"）
redundant：重复或填充字
jargon-overload：堆术语
passive-voice：被动语态
bullet-too-long：超 2 行
no-impact：只描述工作，没说结果
tech-stack-buried：技术栈藏在末尾

格式：[B] [{启发名}] → 改动：{具体改法}

Step 4 — 双通道输出

通道 1：写 resume.draft.{ext}

路径：原 resume 文件旁，扩展名同（resume.tex → resume.draft.tex）
内容：应用所有建议后的完整简历
如果 resume.draft.{ext} 已存在：覆盖前先在 chat 里告知"已存在的 draft 将被覆盖，要不要先 rename"——AskUserQuestion 二选一
绝不动原 resume.{ext}

通道 2：在 chat 里贴改动清单

按章节列每条改动：

## 独立产品

- [A] [20260412-1430-数据工程师.md Q3] project:Polymarket盯盘:impact_unclear
  - 原: Polymarket 盯盘机器人 ... 实盘收益率 10%+
  - 改: Polymarket 盯盘机器人 ... 实盘 3 个月对照大盘 -2%，收益率 10%+，最大回撤 4%
  - 为什么: 上次 mock 问你怎么算的，没说清样本和基准

- [B] [quantification]
  - 原: 累计变现 ¥500+
  - 改: 累计变现 ¥500+（GMV ¥1200，扣广告 / 物料成本后净利润 ¥500）
  - 为什么: 数字模糊，¥500 是 GMV 还是净利润？

末尾告诉用户："改动写到了 <draft path>。如果满意，请你自己 git mv resume.draft.tex resume.tex + commit。Skill 不会替你提交。"

Mode: `debrief`

步骤

Step 1 — 列 session

最近 5 次面试：
1. 2026-05-10 14:23 · 数据工程师 · project deepdive · 3 题
2. 2026-04-12 14:30 · SDE @ FAANG · mixed · 5 题
...

Step 2 — Top 5 weakness

从 state/weaknesses.md 数每个 tag 出现次数（每个 - date mock Q 一次），取 top 5：

高频弱点（按出现次数）：
1. ×3 project:Polymarket盯盘:impact_unclear
2. ×2 behavioral:conflict:no_resolution
3. ×2 project:小红书自动运营:metric_ambiguous
...

Step 3 — 简历盲区扫描

简历里所有项目 / 工作经历 bullet 列出来
transcripts 里出现过的 bullet（看每个 Q 的 Targets bullet 字段）标 hit
找出从没被问过的 bullet：

从没被 mock 到的简历点（面试官可能也看不见）：
- 教育 / UPenn 设计学院研究助理
- 工作 / Souscout 实体匹配方法
- 独立产品 / 小包 ReadyToGo
建议下次 mock 把这些拿出来打一遍，看简历表述能不能撑住实战。

Step 4 — 推荐下次重点

基于 Step 2 + 3，给一个单句的下次 mock 建议。例："下次重点：project deepdive，专攻 Polymarket（高频弱点）+ 小包 ReadyToGo（盲区）"。

不要在 debrief 里同时跑 interview——那是用户下一次的事。

通用执行规则

写文件前先 mkdir -p 父目录（虽然 setup 时已建过，但稳妥）
AskUserQuestion 永远不在 interview 答题中间打断流——只在 Step 1 收参数和"draft 已存在"这种叉路口用
简历检测到中文比例 >50% → 全程中文（题目、追问、feedback）；否则英文
出错（如 transcripts 里有损坏的 frontmatter）：跳过那一份，不要崩。在 chat 里小声提一句"跳过了 X.md（格式损坏）"
决不：自己 git commit、自己 git push、自己改原 resume、自己装依赖、自己跑 npm install

resume-coach

resume-coach

关键不变量（违反就是 bug）

触发关键词 → mode 映射

Setup（每次进入 skill 都跑这段）

1. 定位简历文件

2. 读简历内容

3. 读历史

4. 计算简历哈希

Mode: `interview`

步骤

Step 1 — 一次性收集 3 个参数

Step 2 — 出题循环

Step 3 — 全部题答完后写 transcript

Step 4 — 更新 weakness 累积文件

Step 5 — 简短收尾

Mode: `polish`

步骤

Step 1 — 工作记忆就位

Step 2 — 按简历章节扫描

Step 3 — 每条建议必须分类标级

Step 4 — 双通道输出

Mode: `debrief`

步骤

Step 1 — 列 session

Step 2 — Top 5 weakness

Step 3 — 简历盲区扫描

Step 4 — 推荐下次重点

通用执行规则

Como adicionar

Comentários · Nenhum comentário

resume-coach

关键不变量（违反就是 bug）

触发关键词 → mode 映射

Setup（每次进入 skill 都跑这段）

1. 定位简历文件

2. 读简历内容

3. 读历史

4. 计算简历哈希

Mode: interview

步骤

Step 1 — 一次性收集 3 个参数

Step 2 — 出题循环

Step 3 — 全部题答完后写 transcript

Step 4 — 更新 weakness 累积文件

Step 5 — 简短收尾

Mode: polish

步骤

Step 1 — 工作记忆就位

Step 2 — 按简历章节扫描

Step 3 — 每条建议必须分类标级

Step 4 — 双通道输出

Mode: debrief

步骤

Step 1 — 列 session

Step 2 — Top 5 weakness

Step 3 — 简历盲区扫描

Step 4 — 推荐下次重点

通用执行规则

Como adicionar

Comentários · Nenhum comentário

Mode: `interview`

Mode: `polish`

Mode: `debrief`