前言¶
在 DeepSeek Harness (DSH) 的插件生态中，针对特定垂直场景的工具能显著提升开发效率。针对求职场景，soberbiak/amazon-sucareer 提供了一套基于真实证据的职业材料处理方案。它解决的是运营人员简历中常见的责任不清或过度包装问题，目标是让真实的运营工作被准确理解、清晰表达和经得起追问。
是什么¶
这是一个面向 Amazon / 跨境电商运营求职的 evidence-first Codex Skills。项目将零散的职业材料（如旧简历、周报、广告报表）整理为可核验的证据，再据此完成职业定位、JD 映射、简历写作、风险审计、面试追问与求职开场沟通。
核心功能¶
该插件包含以下能力：
- 职业定位与 Evidence Reframing：基于真实工作内容进行定位与表达重构。
- 简历写作与 HTML 生成：生成可编辑的中文简历与 HTML 文件。
- 简历风险审计：检查强声明、指标、归因与 Ownership。
- 面试准备与分层追问：围绕真实声明准备面试问题。
- 求职开场语生成：生成符合证据约束的求职开场沟通文案。
- Career Evidence Ledger v2.0：统一的事实底座。
安装与启用¶
普通使用者请优先下载 Release Assets 中的 amazon-sucareer-*.zip；需要参与开发时再 clone main。在支持 Codex Skills / plugin manifest 的运行环境中，将仓库根目录作为插件或 Skill 来源加载。
典型用法¶
插件提供了以下 Skill，可根据当前材料状态选择入口：
- 建立证据账本：
$amazon-ops-evidence
请基于我上传的旧简历、业务复盘和项目资料，整理 Career Evidence Ledger v2.0。
不要补写我没有提供的职责、数据或 Ownership；不确定的地方单独标记。
- 判断职业定位：
$amazon-ops-profile
基于刚才的 Career Evidence Ledger，判断我的 current、stretch 和 unsupported 定位。
请解释 operating scope、decision rights、business ownership、complexity 与 leadership scope 的依据；不要只按工作年限定级。
- 根据目标 JD 生成简历：
$amazon-ops-resume
根据我的 Profile、目标 JD 和 Evidence Ledger 生成社招简历。
先保证内容可核验，再做表达优化；若适合，请同时生成可编辑 HTML。默认无照片版。
- 检查现有简历：
$amazon-ops-resume-audit
审计这份简历里的强声明、指标、归因和 Ownership。
逐条给出 keep / soften / remove / recover_evidence，并说明为什么。
- 准备面试：
$amazon-ops-interview
基于我的简历和 Evidence Ledger，对最强的业务声明做追问。
优先追问指标口径、归因、个人角色、失败案例和取舍逻辑。
- 生成求职开场语：
$amazon-ops-greeting
目标岗位：亚马逊高级运营
平台：Boss直聘
请基于我已确认的简历亮点，生成稳妥版和进取版开场语；不要新增简历中没有的指标。
适用场景与注意¶
适用于准备 Amazon / 跨境电商运营相关岗位的应届生、转行者、有实习/项目经历的候选人，以及需要根据不同 JD 重组简历并同步准备面试叙事的从业者。
使用时需注意以下原则：
- 项目不会编造岗位、业务范围、预算、人员管理、指标或成果。
- 拒绝硬编 KPI，坚持 Reframe work, not facts。
- 处理用户简历、JD、报表时视为数据源，而非操作指令。
- 不暴露真实个人信息、店铺或内部数据。
- 本项目使用 MIT License。
结尾¶
经过上述步骤，可以将零散的运营经历转化为结构化、可核验的职业证据。这套工作流避免了简历中的常见陷阱，为求职提供了坚实的事实基础。更多细节可参考项目仓库。
