简历优化助手:把简历写作、排版、导出和面试问答串成一条流水线

前言

做 Agent Skill 的同行经常遇到一个重复劳动:用户丢过来一句「帮我改下简历」,模型要么直接吐出一大段文字,要么生成一份排版崩掉的 HTML。等用户再提「导出成 PDF」「顺便帮我准备面试」时,又得从头再来一遍。

下面介绍的这个 Skill 就是针对这个场景的。它把简历相关的几件事——写、改、排版、导出 PDF、准备面试问答——写成了一套固定的工作流程,让模型按步骤执行,而不是每次临时发挥。

这是什么

简历优化助手,一个基于通用 SKILL.md 格式的 Agent Skill。

  • 出品方:ClawHub 上的发布者 beikeliu
  • 坐标:@beikeliu/resume-helper(SkillHub 镜像页显示为 @clawhub_beikeliu/resume-helper)
  • 版本:1.0.0
  • 分类:content-creation
  • 许可:MIT-0
  • 上游仓库:https://clawhub.ai/beikeliu/resume-helper
  • 官方地址:https://api.skillhub.cn/org-0ll53pt7/resume-helper

它解决的问题很集中:用户有一份简历需要更新、补充项目经验、调整排版、导出 PDF,或者根据简历内容准备面试问答。Skill 把这些需求映射成可复用的步骤,减少来回返工。

核心功能

按官方 SKILL.md,这个 Skill 的能力覆盖下面几块。

1、收集信息。向用户索取原始简历(PDF 或文字)或者新的项目经验,并确认用户想补充什么内容。

2、写或改简历。用 HTML 写简历,理由是方便排版和后续导出;保持简约现代风格,蓝白配色;每句话后面加句号。

3、调整格式。用户说「收紧」就缩小边距和行间距,说「放宽」就加大边距;打印样式要加 print-color-adjust: exact 来保留背景色。

4、导出 PDF。用浏览器打开生成的 HTML,由用户手动导出 PDF。

5、面试问答。根据简历内容预测面试官可能提出的问题,给出回答思路,并保存到 workspace 目录。

文件落盘位置统一:简历文件和问答文档都保存在用户 workspace 目录。

安装与启用

官方给出的安装命令是:

$ openclaw skills install @beikeliu/resume-helper

这条命令面向 OpenClaw 生态的 skills CLI。SkillHub 镜像页上同样提供了安装入口,以及 Prompt 形式的调用方式。

需要注意,这个 Skill 的标签是 requires_api_key=false,也就是说它不依赖外部付费 API Key,装完就能用。没有文档说明 Cursor、Codex CLI 或 Claude Code 各自的差异,这里不做推测。

典型用法

Skill 里列出了几个常见需求和对应的动作,可以直接复现:

  • 「帮我写简历」→ 从头开始写 HTML 简历
  • 「改简历」→ 读取现有简历,修改内容或格式
  • 「导出 PDF」→ 打开 HTML 让用户导出
  • 「准备面试」→ 根据简历内容整理面试问答

执行顺序是固定的:先收集信息,再写或改,再调格式,再导出,最后做面试问答。走完前面几步,后面的导出和问答才有可用的输入。

适用场景与注意

适合这几类人:需要定期更新简历的开发者、要补充项目经验描述的人、想在投递前做一轮面试自测的人。

几个限制要注意。

一是导出 PDF 这一步不是自动化的,Skill 只是生成 HTML 并让用户在浏览器里手动导出。如果需要命令行直接产出 PDF,得自己再接一层工具。

二是排版规则写死在 SKILL.md 里,比如蓝白配色、每句加句号。风格不符合个人需求时,需要改 Skill 定义或者在对话里额外说明。

三是面试问答的质量取决于简历内容的完整度,输入信息太少时预测出的问题会比较泛。

四是页面显示最后更新时间为 5 个月前,当前版本仍是 v1.0.0,后续迭代情况需要自行关注上游仓库。

结尾

简历优化助手的价值在于把分散的简历操作收进一套固定流程,让模型少临时发挥、用户少反复提要求。它不依赖外部 API Key,安装成本低。如果你正在做简历相关的 Agent 功能,可以从官方地址入手看看:

https://api.skillhub.cn/org-0ll53pt7/resume-helper

羽毛球分组比赛记分
小程序二维码

欢迎使用《羽毛球分组比赛记分》微信小程序

Xiaoye