resume-reviser

August 29, 2026 · View on GitHub

一个运行在 DSH（DeepSeek Harness）技能系统中的"简历修改专家"。把"资深 HR + 简历优化教练"的工作流整包做成技能：HR 级诊断 → 针对性改写 → 参考版式 Word + 一页 PDF → 岗位推荐与录取概率区间 → 提升方案 → 模拟面试，全程以 state.md 持久化，跨会话可续接。

它能做什么

  • 双模式：模式一（已有目标岗位，按岗位要求针对性修改）／模式二（没有目标岗位，按行业实时检索正在招聘的真实岗位，附匹配理由、链接与录取概率区间，再针对主攻岗位修改）。
  • HR 七维审查：真实性核查、岗位贴合度、STAR 法则、简明扼要、格式排版、信息一致性、量化成果；输出《诊断报告》（问题按严重度排序 + 可疑点 + 需补充核实清单）。
  • 参考版式：产出版式对齐主流简历模板——全字体微软雅黑、深蓝加粗小节标题、字号分层（条目 10.5pt / bullet 10pt / 明细 9.5pt）、条目行"单位/学校 + 专业/岗位"加粗左对齐 + 日期右对齐、bullet 带总结词加粗、照片右上（可选）。
  • Word 与 PDF 分开交付：Word 交付版保持参考版式（不压缩、允许超过一页）；PDF 版优先恰好一页（压缩阶梯 L0–L5 参数化压缩），仍超一页时停下询问用户：允许删减经历，还是放开一页限制。
  • 提升方案 + 自动 diff：5–8 条按 ROI 排序的建议，每条附可直接粘贴的示例改写文本和锚点；用户自行修改后用 diff_resume.py 判定"方案内改动 / 含额外改动"。
  • 模拟面试：每版 PDF 交付后可生成 12–15 题（行为/情景 + 简历深挖 + 岗位专业题），参考答案引用简历中的真实素材。
  • Word 化交付：《提升方案》《模拟面试》等产物同时输出 Markdown + Word 双格式。
  • 跨会话续接：项目目录 resume-projects/<项目ID>/ 落盘全部版本、快照、诊断与 state.md；新会话开场自动扫描并询问"检测到上次进行到…需要继续吗？"。

快速开始

1. 安装

把本目录放到 DSH 技能目录：

平台路径
WindowsC:\Users\<你的用户名>\.dsh\skills\resume-reviser\
macOS / Linux~/.dsh/skills/resume-reviser/

重启会话（或让运行时重新加载技能列表）后即可使用。技能目录中 SKILL.md 是入口，无需其他配置。

2. 安装依赖（推荐，用于自动生成 Word/PDF）

pip install python-docx pymupdf pywin32
  • python-docx / pymupdf：生成 docx、校验 PDF 页数；
  • pywin32：调用本机 Microsoft Word（Word COM）完成 docx → PDF；
  • 依赖不可用或没有 Word 时，技能自动进入三级降级（文档照常产出，仅转换方式降级并明确告知用户），核心诊断与改写功能不受影响。

3. 使用

在对话中直接说：

  • 帮我改简历（并附上简历文件路径，或直接粘贴文本 / 截图）；
  • 用 resume-reviser 技能修改简历（模型未自动唤起时）；
  • /resume-reviser（显式唤起）。

支持输入格式：docx / PDF / 图片截图 / 纯文本；回复语言跟随用户。

4. 一次典型流程

  1. 开场：环境自检 + 扫描历史项目（如："检测到上次进行到【阶段 C · 初版已交付】，需要继续吗？"）；
  2. 信息收集：渠道（日常实习 / 暑期实习 / 秋招 / 春招 / 社招，必问）、模式判定、信息卡、脱敏回显确认（对话中手机号/邮箱打码）；
  3. 诊断：七维审查 → 《诊断报告》，可疑点与待核实信息逐条询问、不静默处理；
  4. 初版：《改动摘要》→ 用户逐条确认 → 生成参考版式 Word → 转换 PDF（一页优先）；
  5. 提升方案：能力对照表 + 建议清单（含可直接粘贴的改写文本与锚点）；用户自改后自动 diff 判定；
  6. 模拟面试：12–15 题，可多次要求。

目录结构

resume-reviser/
├── SKILL.md            # 技能入口（加载规则与底线）
├── WORKFLOW.md         # 阶段状态机（含话术与产物命名）
├── ANALYSIS.md         # HR 审查维度与改写边界（事实新增零容忍）
├── RUBRICS.md          # 固定规则：触发词/渠道/行业库/概率 rubric/版式与压缩阶梯
├── README.md           # 本文件
├── scripts/
│   ├── build_resume.py # resume.json → docx（参考版式，压缩参数供 PDF 变体）
│   ├── to_pdf.py       # docx → PDF（Word COM）
│   ├── check_pages.py  # PDF 页数校验（pages=N）
│   ├── diff_resume.py  # 基准 vs 用户版 diff + 锚点命中判定
│   └── md_to_docx.py   # 提升方案/模拟面试等 Markdown → Word
├── samples/
│   └── sample_resume.md# 自测用虚构示例简历（含 6 类典型缺陷）

设计原则

  • 事实新增零容忍：任何新增数字/成果/技能/公司名必须来自原简历或用户确认，否则用 [待补充：…] 占位符并逐条询问，禁止创作代替提问。
  • 概率区间而非精确值：录取概率按固定 rubric（基准 50% + 六项调整）计算，只输出 5% 粒度区间。
  • 一页是 PDF 的硬约束，Word 不是：PDF 版 L0–L5 逐档压缩直到恰好一页；仍超一页时停下询问用户（删减经历 或 放宽一页），绝不擅自删减。
  • 话术通俗：对用户的提问与话术不出现文档章节编号、脚本名或内部术语；用户只看到问题本身。
  • 隐私：对话回显对手机号/邮箱脱敏；简历内容不发送任何第三方服务；web_search 仅用于检索岗位与 JD。
  • 可恢复：产物命名固定、快照 + sha256 留档、禁止覆盖历史版本，state.md 支持任意时刻续接。

已知限制

  • 录取概率为经验估算，非承诺；匹配度高 ≠ 必然录用。
  • 在招岗位信息以检索当时为准，投递前请以公司官网核实。
  • PDF 恰好一页的保证依赖"内容量允许"：内容明显超一页时，需用户同意删减或放宽限制。
  • 完整功能需要 Windows + 本机 Microsoft Office（Word COM）；纯诊断与改写不受影响。