Communitygithub.com

Lebenslauf-Ersteller

Erstellt professionelle Lebensläufe mittels First-Principles-Denken, Google-XYZ-Format, Unternehmensrecherche, LaTeX-Harvard-Formatierung und iterativer visueller Verfeinerung. Verwenden Sie diese Fähigkeit, wenn der Benutzer einen Lebenslauf/CV für eine bestimmte Stelle, ein Unternehmen oder ein Karriereziel erstellen, aktualisieren oder optimieren möchte.

Was ist Lebenslauf-Ersteller?

Diese Fähigkeit erstellt professionelle, auf eine bestimmte Stelle zugeschnittene Lebensläufe, indem sie einen systematischen, sechsphasigen Prozess anwendet. Zunächst werden Informationen über den Benutzer und die Zielposition gesammelt, einschließlich vorhandener Lebensläufe, LinkedIn-Informationen und Unternehmensrecherchen über Websuche. Anschließend werden alle Erfahrungen im Google-XYZ-Format („Erreichte [X], gemessen an [Y], indem [Z]“) analysiert, um sicherzustellen, dass jeder Aufzählungspunkt quantifizierbar und wirkungsvoll ist. Eine First-Principles-Analyse prüft, was Personalverantwortliche wirklich suchen, und vermeidet Buzzwords und Redundanzen. Die eigentliche Erstellung erfolgt mit einer Harvard-LaTeX-Vorlage, die eine saubere, professionelle Typografie mit Navy-Blau-Abschnitten und Helvetica Neue-Schriftart bietet. Nach der Erstellung wird die PDF-Datei iterativ visuell verfeinert: Der Benutzer kompiliert das LaTeX-Dokument, überprüft, ob es exakt eine Seite einnimmt, und passt Abstände und Text an, bis alles perfekt sitzt. Die Fähigkeit unterstützt alle Plattformen, auf denen LaTeX (xelatex) und Websuche verfügbar sind, und ist für die Erstellung von Lebensläufen für Tech-, Startup- und Finanzrollen optimiert.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/majiayu000/claude-skill-registry/tree/HEAD/skills/devops/resume-creator

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Lebenslauf-Ersteller?

Eine umfassende Fähigkeit zur Erstellung von Lebensläufen, die First-Principles-Denken, Google-XYZ-Format, Websuche und iterative visuelle Verfeinerung nutzt, um maßgeschneiderte, professionelle Lebensläufe zu erstellen.

Wann diese Fähigkeit verwendet werden sollte

  • Benutzer möchte einen neuen Lebenslauf erstellen
  • Benutzer möchte einen vorhandenen Lebenslauf aktualisieren/optimieren
  • Benutzer erwähnt eine Bewerbung, Stellenausschreibung oder ein Zielunternehmen
  • Benutzer fragt nach Lebenslauf-Formatierung oder CV-Erstellung
  • Benutzer möchte seinen Lebenslauf für eine bestimmte Rolle anpassen

Prozessübersicht

Phase 1: Informationssammlung

  1. Vorhandene Materialien lesen (falls verfügbar):

    • Vorhandener Lebenslauf (PDF, Word oder Text)
    • LinkedIn-Profil-Screenshots (Claude kann nicht direkt auf LinkedIn-URLs zugreifen)
    • LinkedIn-Beiträge für Erfolge und Vorträge
    • Portfolio oder persönliche Website
  2. Das Ziel verstehen:

    • Stellenbeschreibung (falls angegeben)
    • Zielunternehmen und Rolle
    • Branche/Rollentyp
    • Karriereziele
  3. Das Zielunternehmen recherchieren mittels Websuche:

    • Unternehmenskultur und -werte
    • Tech-Stack und Engineering-Praktiken
    • Aktuelle Nachrichten, Finanzierung, Produkte
    • Was sie bei Kandidaten suchen
    • Unternehmens-AUM/Größe/Kennzahlen für Kontext
    • Beispielsuchen:
      • "{Unternehmen} Engineering Blog Einstellung"
      • "{Unternehmen} Karriere Kultur Werte"
      • "{Rolle} bei {Unternehmen} Vorstellungsgespräch worauf sie achten"
      • "{Unternehmen} AUM Assets under Management" (für Finanzen)
  4. Fehlende Informationen durch Nachfragen sammeln:

    • Aktuelle Erfahrungen, die nicht im Lebenslauf stehen
    • Konkrete Erfolge mit Kennzahlen
    • Fähigkeiten und verwendete Technologien
    • Projekte und Vorträge
    • Für Projekte aufgewendete Zeit (für Geschwindigkeitskennzahlen)
    • Kundendetails (AUM, Größe, Branche)

Phase 2: Google-XYZ-Format-Analyse

Die XYZ-Formel: „Erreichte [X], gemessen an [Y], indem [Z]“

  • X = Erfolg/Ergebnis (Aktionsverb: Gebaut, Konzipiert, Ausgeliefert, Geleitet)
  • Y = Quantifizierbare Kennzahl (%, Zeit, Geld, Benutzer, Genauigkeit)
  • Z = Wie Sie es gemacht haben (Methode, Technologie, Ansatz)

Analysieren Sie vor dem Schreiben jeden Aufzählungspunkt:

AufzählungspunktX (Was)Y (Metrik)Z (Wie)Punktzahl
BeispielKonnektor gebaut2 Wochen, 1000e DokumenteDelta API, Redis3/3 ✓

Ziel: 100 % der Aufzählungspunkte sollten 3/3 erreichen

Häufige Kennzahlen, die vom Benutzer zu extrahieren sind:

  • Bauzeit ("in 2 Wochen", "in 1 Woche")
  • Genauigkeitsverbesserungen ("125 % Verbesserung", "90 % Genauigkeit", "<3 % Fehlerrate")
  • Umfang ("1000e Dokumente", "400+ Runden", "90+ Unternehmen")
  • Kosteneinsparungen ("Reduzierung der Zeit von Stunden auf Minuten", "50 % schneller")
  • Kundenkontext ("$100B+ AUM-Kunde", "Fortune 500")
  • Zielgruppengröße ("150+ Entwickler", "100+ Teilnehmer")

Phase 3: First-Principles-Analyse

Vor dem Schreiben aus ersten Prinzipien analysieren:

  1. Recherchieren, worauf Personalverantwortliche achten:

    • Websuche: "{Rolle} Lebenslauf worauf Personalverantwortliche achten 2024"
    • Websuche: "Google XYZ Lebenslauf Format"
    • Die Realität des <8 Sekunden Lebenslauf-Scans verstehen
  2. Abgleichsanalyse: Erstellen Sie eine Tabelle mit der Zuordnung: | Stellenanforderung | Erfahrung des Benutzers | Lücke/Stärke |

  3. Paul-Graham-/YC-Stil-Überlegungen (für Startup-Rollen):

    • Voranstellen mit dem, was Sie GEBAUT haben, nicht mit Jobtiteln
    • Ausführungsgeschwindigkeit zeigen ("In X Wochen ausgeliefert", "In 2 Wochen gebaut")
    • Alles quantifizieren (%, Zahlen, Umfang)
    • Aufbau-Ton: "Gebaut", "Ausgeliefert", "Konzipiert", "Gewonnen", nicht "Verantwortlich für"
    • Unternehmensbuzzwords entfernen
  4. Redundanz vermeiden:

    • Prüfen, ob Kennzahlen in Aufzählungspunkten die Kopfzeilen-/Unterkopfzeileninformationen duplizieren
    • Beispiel: Nicht "Fortune-500-Kunden" im Aufzählungspunkt sagen, wenn die Kopfzeile "Betreuung von Fortune-500-Kunden" lautet

Phase 4: LaTeX-Lebenslauferstellung

Verwenden Sie die Harvard-LaTeX-Vorlage mit:

  • Sauberer Kopfzeile (Name, Standort, Kontakt, Links)
  • Keinen farbigen Kopfzeilenbalken – sauberer weißer Hintergrund
  • Abschnittsreihenfolge: Erfahrung → Projekte & Vorträge → Fähigkeiten → Bildung → Führung
  • €-Symbol für Währungen
  • Maximal 1 Seite (entscheidend)

Wichtige Formatierung:

  • Schriftart: Helvetica Neue (oder ähnliche serifenlose Schrift)
  • Farben: Marineblau (#14-2D-4B / RGB 20,45,75) für Abschnitte
  • Ränder: ~0,5 Zoll
  • Zeilenabstand: 1,05
  • \setstretch{1.05} für Lesbarkeit verwenden

Zeichensetzungsrichtlinien:

  • Kommas oder Semikolons verwenden, um Satzteile zu verbinden, NICHT Gedankenstriche (--)
  • Gedankenstriche (--) nur für Datumsbereiche in Kopfzeilen (z. B. "Sept. 2025 -- Heute")
  • Semikolons verwenden, um verschiedene Erfolge in einem Aufzählungspunkt zu trennen

Link-Formatierung:

  • Neben Elementen mit LinkedIn-/externem Nachweis [Link] in kleiner marineblauer Schrift hinzufügen
  • Format: {\color{sectioncolor}\footnotesize[\href{URL}{link}]}

Phase 5: Iterative visuelle Verfeinerung

Entscheidend: Nach der Erstellung der LaTeX-Datei visuell iterieren:

  1. Zu PDF kompilieren:

    xelatex -interaction=nonstopmode lebenslauf.tex
    
  2. Seitenzahl prüfen: Muss exakt 1 Seite sein

    • Bei 2 Seiten: Abstände verringern, Text straffen, Aufzählungspunkte kombinieren
    • Bei Bedarf \titlespacing*{\section}{0pt}{6pt}{2pt} anpassen
    • Bei Bedarf \setlist[itemize]{itemsep=1pt, parsep=0pt, topsep=1pt} anpassen
  3. Auf Probleme prüfen:

    • Passt es auf 1 Seite?
    • Sind die Abstände ausgewogen?
    • Gibt es Überlaufprobleme?
    • Ist die Typografie sauber?
    • Irgendwelche redundanten Informationen?
  4. Iterieren, bis es perfekt ist

Phase 6: Endgültige Lieferung

  1. Endgültige PDF speichern: Lebenslauf_[Name]_[Rolle]_[Jahr].pdf
  2. .tex-Quelldatei mit demselben Namen aufbewahren
  3. Temporäre Dateien bereinigen (.aux, .log, .out)
  4. PDF für Benutzer öffnen

Inhaltsrichtlinien

Erfahrungs-Aufzählungspunkte – XYZ-Beispiele

Starke XYZ-Aufzählungspunkte:

  • SharePoint-Konnektor in 2 Wochen gebaut, der die automatische Indexierung von 1000en Unternehmensdokumenten ermöglicht und die Admin-Einrichtung von Stunden auf Minuten reduziert
  • Snowflake-Subagenten für NL-to-SQL konzipiert, Abfragegenauigkeit um 125 % verbessert; bei einem Kunden mit $100B+ AUM eingesetzt, 4+ Validierungszyklen durchgeführt
  • Agentische Finanzierungsextraktion mit <3 % Fehlerrate bei 400+ Runden gebaut, validiert gegen handannotierte Daten und proprietäre Anbieter
  • DSPy-Live-Optimierungsvortrag für 150+ Entwickler gehalten, vorgestellt im globalen Newsletter (50K+ Abonnenten)

Schwache Aufzählungspunkte, die vermieden werden sollten:

  • Verantwortlich für die Plattformentwicklung (keine Metrik, kein Wie)
  • An verschiedenen Projekten gearbeitet (vage)
  • Konnektor mit Redis gebaut (keine Metrik, kein Ergebnis)

Kombinieren verwandter Aufzählungspunkte

Wenn zwei Aufzählungspunkte verwandt sind, kombinieren Sie sie:

  • Vorher: „Snowflake-Agent konzipiert" + „Als Field Engineer beim Kunden eingesetzt"
  • Nachher: „Snowflake-Subagenten für NL-to-SQL konzipiert, Genauigkeit um 125 % verbessert; bei einem Kunden mit $100B+ AUM eingesetzt, 4+ Validierungszyklen durchgeführt"

Fähigkeiten organisieren

  • KI/ML: LangChain, LangGraph, DSPy, MCP, OpenAI/Anthropic/Google APIs, RAG, Vector DBs, Embeddings
  • Full-Stack: Next.js, React, TypeScript, Tailwind, Node.js, Python, REST APIs
  • Daten & Infra: Postgres, Snowflake, Redis, Microsoft Graph, GCP, Azure, Docker
  • Sprachen: Deutsch (Muttersprache), Englisch (fließend)

Wie Benutzer diese Fähigkeit verwenden sollten

Für beste Ergebnisse bereitstellen:

  1. Ihren aktuellen Lebenslauf (PDF oder Text)
  2. LinkedIn-Screenshots (Profil, Erfahrung, Beiträge) – Claude kann nicht direkt auf LinkedIn-URLs zugreifen
  3. Die Stellenausschreibung oder das Zielunternehmen/die Zielrolle
  4. Aktuelle Erfolge, die nicht in Ihrem Lebenslauf stehen
  5. Kennzahlen: aufgewendete Zeit, Genauigkeitszahlen, Umfang, Kundendetails

Beispiel:

Helfen Sie mir, meinen Lebenslauf für die Rolle als KI-Ingenieur bei [Unternehmen] zu aktualisieren.
Hier ist mein aktueller Lebenslauf: [PDF anhängen]
LinkedIn-Beiträge: [Screenshots anhängen]

Ein paar Details:
- Den SharePoint-Konnektor in 2 Wochen gebaut
- Kunde hat $100B+ AUM
- 90 % Genauigkeit nach 4 Validierungszyklen erreicht

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

majiayu000/claude-skill-registry

Builds, edit or validate Agent Skill through conversational discovery. Use when the user requests to "Create an Agent", "Optimize an Agent" or "Edit an Agent".

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Analyzes current state and user query to answer BMad questions or recommend the next workflow or agent. Use when user says what should I do next, what do I do now, or asks a question about BMad

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Portfolio allocation and rebalancing optimizer. Manages asset allocation across stocks/cash/bonds, performs periodic rebalancing, and ensures diversification according to market regime and risk tolerance.

majiayu000/claude-skill-registry

Create a hilarious and ultra-realistic video of an anthropomorphic animal acting like a human vlogger in a real-world setting.

majiayu000/claude-skill-registry

Speech-to-text transcription and translation via OpenAI Audio API -- models, response formats, timestamps, prompting, streaming, chunking, and diarization

majiayu000/claude-skill-registry

BlockRun works with Claude Code and Google Antigravity.

majiayu000/claude-skill-registry

This skill should be used when the user asks about libraries, frameworks, API references, or needs code examples. Activates for setup questions, code generation involving libraries, or mentions of specific frameworks like React, Vue, Next.js, Prisma, Supabase, etc.

majiayu000/claude-skill-registry

小省导购员数字人带货版即梦视频提示词生成系统,基于四大智能体协同(提示词生成师、质量管控师、知识库运维师、跨环节适配师),按照"主体+运动+场景+(镜头语言+光影+氛围)"公式输出中英文双版提示词,适配5s短视频。确保人物一致性、视觉连贯性、情绪连贯性,支持知识库智能复用和跨工具适配(Suno音乐、AI绘画),为数字人带货视频提供高质量提示词生成服务。

majiayu000/claude-skill-registry

Upload and manage files using Google Gemini File API via scripts/. Use for uploading images, audio, video, PDFs, and other files for use with Gemini models. Supports file upload, status checking, and file management. Triggers on "upload file", "file API", "upload image", "upload PDF", "upload video", "file management".

majiayu000/claude-skill-registry

CRITICAL: Use for MolyKit AI chat toolkit. Triggers on: BotClient, OpenAI, SSE streaming, AI chat, molykit, PlatformSend, spawn(), ThreadToken, cross-platform async, Chat widget, Messages, PromptInput, Avatar, LLM

majiayu000/claude-skill-registry

AI and machine learning workflow covering LLM application development, RAG implementation, agent architecture, ML pipelines, and AI-powered features.

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

Verwandte Skills