name: chat-to-resume description: 极简中英双栏简历生成器。通过对话采集信息，联网搜索匹配技能，生成可打印为 PDF 的 HTML 简历。当用户需要制作/修改/更新简历、生成中英文求职简历、或提到"简历/resume/CV"时使用此 skill。 version: 1.2.0

Chat-to-Resume

对话式极简中英双栏简历生成器。基于用户真实经验生成 HTML 简历，支持一键打印 PDF。

硬约束（必须遵守）

1. 严禁编造：只润色/重组/格式化用户提供的真实信息。缺失字段用 [占位符] 替代并提示用户补充。
2. 年限匹配：联网搜索到的技能关键词，权重必须与用户年限正相关（1 年 → CRUD，3 年 → 调优，5 年 → 架构）。
3. 增量修改：确认草稿后，修改指令仅替换指定字段，不重新联网搜索。

状态机工作流

S_pre: 导入现有简历（可选）

• 触发：用户说"导入现有简历"/"我有一份简历"/"更新简历"，并提供了文件路径或目录
• 支持格式：HTML（.html）、纯文本 PDF（.pdf）、Word 文档（.docx）、Markdown（.md）、纯文本（.txt）
• 动作：
• 读取文件内容。对 PDF 使用 pdftotext 或类似工具提取文字；对 Word 使用 python3 -m docx2txt 提取文字；HTML/MD/TXT 直接读取
• 分析提取的内容，解析出已有字段：姓名、职业、年限、技能列表、项目经历、教育背景、联系方式
• 将解析结果填充到 S0 数据模型中，缺失字段留空待问
• 将提取到的文案作为上下文，进入 S1（联网搜索时结合现有内容一起优化）
• 注意：导入后仍需用户确认关键字段（姓名、职业、年限），不能跳过 S0 直接进入 S1

S0: 信息采集

• 触发：用户缺少 <职业> 或 <年限>（缺一不可）
• 动作：反问缺失项，可选追问项目描述
• 必填：职业、年限、姓名
• 选填：项目经验（至少 1 个）、教育背景、联系方式

S1: 联网生成草稿

• 前置：职业 + 年限均已提供
• 动作：
• 联网搜索（定向来源 + 交叉验证）： 至少搜索 3 个不同来源方向，综合多源结果：
  • 方向 1 — 大厂招聘官网：site:zhipin.com {职业} {年限}年 或 site:linkedin.com {职业} {年限} years 或 {大厂名} 招聘 {职业} JD
  • 方向 2 — 真实个人简历：{职业} 简历 项目经验 site:github.io 或 {职业} resume portfolio 个人博客 或 {职业} 在线简历 个人主页
  • 方向 3 — 招聘平台 JD：{职业} 招聘 JD 任职要求 BOSS直聘 或 {职业} job description requirements 2025 2026 或 {职业} {年限}年经验 岗位职责
  • 交叉验证：同一技能关键词至少在 2 个来源出现才纳入；来源权威性排序：大厂官网 > 招聘平台 > 个人简历
• 分析搜索结果，提取：
  • 技能关键词：该职业/年限对应的核心技能（Top 5-8 项），按年限过滤权重
  • 典型项目描述：该职业真实简历中常见的项目类型、工作内容表述方式、行业术语
  • JD关键词：招聘需求中高频出现的技能词和业务场景词
• 项目描述按 STAR 框架组织（每个项目拆分为 S/T/A/R 四个维度，最后合并为一段流畅文字）：
  • S (Situation) — 一句话交代项目背景/业务场景：为什么做这个项目？业务规模多大？面临什么问题？
  • T (Task) — 一句话概括你的职责：你在这个项目里担任什么角色？负责核心模块/从0搭建/主导重构？
  • A (Action) — 2-3 个技术动作：用了什么方案？选了哪些技术栈？怎么设计架构？遇到难点怎么解决的？
  • R (Result) — 一句话结果（无数据则定性描述）：性能改善/用户增长/交付上线/得到复用/团队认可等
  • 合并示例："主导某电商平台订单系统重构（S），作为后端负责人（T），将单体应用拆分为微服务，引入 Redis 缓存层优化查询链路，设计幂等机制防止重复扣款（A），系统上线后支撑日均 50W+ 订单量，核心接口 RT 从 2s 降至 200ms（R）。"

    7w4.net小葱技能。

  • 如用户没有提供数据，R 写定性描述如"系统平稳上线运行至今"而非编造数字
• 参照搜索结果中的真实表述风格，结合 STAR 框架产出润色后的项目描述。写作要求（重要）：
  • ❌ 禁止编造精确数字（"提升 25%""转化率提高 32%"等假数据）
  • ❌ 禁止空洞的形容词堆砌（"卓越""杰出""显著"）
  • ✅ 用真实简历的写法：描述做了什么、用了什么方法、解决了什么问题
  • ✅ STAR 的 R 部分，用户有真实数据就写，没有就用定性描述
  • ✅ 缺失细节用 [待补充: 具体内容] 标注
• 输出中文 Markdown 简历全文，再输出英文 Markdown 简历全文（两份独立草稿）

S2: 用户确认

• 触发：S1 输出后
• 动作：追加 请确认内容，或提出修改（如：将 Spring Boot 改为 Django，删除 MySQL 等）。回复"确认"或"OK"进入 HTML 生成。

S3: 增量修改

• 触发：用户在 S2 状态提出修改
• 动作：精准替换指定字段，重新输出完整 Markdown，再次进入 S2

S4: 选择模板

• 触发：用户确认内容后（S2 回复"确认"/"OK"）
• 动作：提供模板选项，让用户选择布局风格：

  请选择简历模板： A. 双栏 — 左侧个人信息+技能，右侧经历（经典互联网风格） B. 单列 — 自上而下通栏布局，简洁流畅

• 用户选择后进入 S_photo。如用户未明确选择，默认使用双栏模板。

S_photo: 导入照片（可选）

• 触发：用户选择模板后（S4）自动进入
• 动作：

  是否需要添加照片？如需添加，请提供照片文件路径（支持 JPG/PNG/WebP）。 如不需要，将生成无照片的纯文字简历。

• 用户提供路径 → 将路径写入 data.photo，进入 S5
• 用户跳过/拒绝 → data.photo 留空，进入 S5，简历不包含照片区域
• 注意：此步骤为可选，无照片时简历中不显示占位图

S5: 生成 HTML

• 触发：S_photo 完成（用户添加照片或跳过）
• 动作：使用 scripts/generate.py --data <json> --lang cn|en --template double|single -o <output> 生成 HTML 文件，输出路径 + 打印指引
• 有照片：data.photo 非空时注入 <img> 标签
• 无照片：data.photo 为空时不渲染照片区域
• 无用户确认时仍强制输出草稿，但附注"已跳过确认环节，如需修改请告知"

S6: 结束

• HTML 生成后，在对话中输出免责声明（仅在对话中输出，不出现在 HTML 文件中）。

数据模型

{
  "name": "[姓名]",
  "photo": "[照片路径，可选，缺省不显示照片区域]",
  "phone": "[电话]",
  "email": "[邮箱]",
  "job_title": "后端开发工程师",
  "years": 3,
  "skills": ["Java", "Spring Boot", "MySQL"],
  "projects": [
    {
      "name": "[项目名称]",
      "role": "核心开发",
      "star_s": "某电商平台日均订单量激增，原有单体架构性能瓶颈明显",
      "star_t": "作为后端负责人主导订单系统微服务化重构",
      "star_a": "将单体拆分为订单/支付/库存三个微服务，引入 Redis 缓存层优化查询链路，设计幂等机制防止重复扣款",
      "star_r": "系统上线后支撑日均 50W+ 订单，核心接口 RT 从 2s 降至 200ms",
      "description_cn": "主导某电商平台订单系统重构（S），作为后端负责人（T），将单体应用拆分为微服务，引入 Redis 缓存层优化查询链路，设计幂等机制防止重复扣款（A），系统上线后支撑日均 50W+ 订单量，核心接口 RT 从 2s 降至 200ms（R）。",
      "description_en": "Led order system refactoring for an e-commerce platform (S). As backend lead (T), decomposed monolith into microservices, optimized query chain with Redis caching, designed idempotent anti-duplicate mechanism (A). Achieved 500K+ daily orders with core API RT reduced from 2s to 200ms (R)."
    }
  ],
  "education": "[毕业院校 / 专业 / 时间]",
  "summary_cn": "[个人简介，2-3 句]",
  "summary_en": "[Professional summary, 2-3 sentences]",
  "work_experience": [
    {
      "company": "[公司名]",
      "period": "[YYYY.MM - YYYY.MM]",
      "title": "[职位]",
      "points_cn": ["要点1", "要点2"],
      "points_en": ["Point 1", "Point 2"]
    }
  ]
}

star_s/t/a/r 为源字段用于内部整理；description_cn/en 是将 STAR 合并后的最终展示文本，由 generate.py 直接注入模板。

技能过滤规则（按年限）

HTML 模板

共两个模板，位于 assets/：

双栏模板 (template.html)

• 布局：左栏 31% + 右栏 69%（CSS Grid）
• 左栏（暖灰底 #f5f3f0 + 黑字）：照片（圆形 88px）、姓名、职位、联系方式、技能标签、教育背景、语言
• 右栏（白底）：个人简介、项目经历、工作经历
• 照片预留位：无照片时自动使用 SVG 人物剪影占位；有照片时显示 <img> 标签
• 极简黑白互联网风格

单列模板 (template_single.html)

• 布局：顶部暖灰头部栏（照片 80px 圆形 + 姓名 + 职位 + 联系方式），下方白色内容区
• 依次排列：个人简介 → 技能（黑边框标签） → 项目经历 → 工作经历 → 教育背景 → 语言
• 技能以黑色轮廓标签（border: 1px solid #d4d4d4）横向排列

通用规范

• 字体：System UI 栈（-apple-system, BlinkMacSystemFont, "Segoe UI", Roboto, "PingFang SC", "Noto Sans SC", "Microsoft YaHei"），正文 9-10pt，姓名 21-24pt，标题 9pt 大写
• 配色：暖灰白体系 — 侧边栏 #f5f3f0（暖灰），主内容区 #fff（纯白），灰色层级 #fafafa / #f5f5f5 / #e5e5e5 / #d4d4d4 / #a3a3a3 / #737373 / #525252 / #404040
• 照片：data.photo 字段指定图片路径；缺省时自动渲染内联 SVG 人物剪影占位符（深灰底 + 浅灰轮廓）
• 打印（@media print）：
• A4 尺寸（210mm × 297mm），无边距
• page-break-inside: avoid 防止区块跨页
• 按钮：右下角悬浮黑色按钮，大写字母 保存为 PDF / Save as PDF
• 编码：UTF-8
• 注意：HTML 中不包含免责声明

模板注入

使用 scripts/generate.py 生成 HTML：

python3 scripts/generate.py --data <json> --lang cn|en --template double|single -o <output>

• --template double：使用双栏模板 assets/template.html
• --template single：使用单列模板 assets/template_single.html
• 默认 double

JSON 数据结构见上方数据模型。generate.py 自动处理中/英字段选择。

输出文件

• /var/minis/workspace/resume_{timestamp}.html — 最终 HTML 简历
• /var/minis/workspace/resume_{timestamp}.md — Markdown 草稿备份

免责声明（对话输出用，不写入 HTML）

每次 HTML 生成后，必须在对话中输出以下内容：

🤖 AI 生成内容仅供参考。请务必核对并替换所有 [占位符] 为本人真实、准确的信息后，再用于正式求职。

边界处理

这个简历生成器质量不错，能通过对话快速生成专业美观的 HTML 简历，支持中英双语和双模板切换，打印效果干净整洁。它有完整的对话流程引导，生成速度快，输出格式规范。不足之处是缺少示例参考，选择模板时无法预览效果，修改内容后也不能局部更新，需要重新生成整个文件。这些小缺陷影响了使用体验，但整体功能可用性较好。