Hoja de vida extendida → Banco de respuestas conductuales

Convierte notas y documentos personales en una hoja de vida extendida con evidencia y un banco de respuestas para preguntas conductuales de entrevistas, citando cada afirmación a la fuente original.

¿Qué es Hoja de vida extendida → Banco de respuestas conductuales?

Esta habilidad transforma los documentos y notas existentes de una persona (Documentos, Escritorio, Descargas, Obsidian, Logseq y, opcionalmente, Apple Notes, Notion, OneNote, Bear, Joplin y unidades en la nube) en una hoja de vida extendida y un banco de respuestas listo para entrevistas. Genera respuestas detalladas para las preguntas conductuales más comunes ('cuéntame de ti', conflicto, fracaso, priorización, plazos, desacuerdo con un jefe, fortalezas y debilidades), cada una fundamentada en la historia real del candidato y citada a documentos fuente. El flujo es totalmente local, con scripts en Python que nunca abren archivos sin aprobación explícita del usuario y que incluyen un guardia de lectura que impide que la IA acceda a las carpetas fuente. Ideal para profesionales que se preparan para entrevistas de liderazgo o conductuales, buscan construir un banco de historias STAR o desean extraer años de notas para profundizar su currículum. La habilidad es compatible con agentes como Claude Code y Codex, y requiere que el usuario revise y apruebe explícitamente los archivos a leer, asegurando privacidad y control total.

Compatible con✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/Get-Lodely/extended-resume/tree/main

Installed? Explore more Productividad y colaboración skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace Hoja de vida extendida → Banco de respuestas conductuales?

Convierte las notas y documentos que ya están en el ordenador de alguien en:

  1. extended-resume.md: un registro profundo y con fuentes de lo que hizo, decidió, sopesó, aprendió y le dijeron; y
  2. answers.md: respuestas a las principales preguntas conductuales de entrevistas, cada afirmación con su fuente.

Un currículum normal conserva los resultados y descarta el razonamiento. Los entrevistadores indagan en el razonamiento ("¿qué más consideraste?", "¿qué harías diferente?"), y ese razonamiento suele permanecer en documentos de diseño antiguos, retrospectivas, notas de reuniones 1:1 y autoevaluaciones. Esta habilidad lo encuentra, para que las respuestas sean específicas y verdaderas en lugar de genéricas.

SKILL_DIR más abajo se refiere a la carpeta que contiene este archivo. Todos los scripts requieren Python 3.8+ y solo usan la biblioteca estándar; se ejecutan como python3 SKILL_DIR/scripts/<nombre>.py. Todo se ejecuta localmente; ningún script usa la red.

Reglas fundamentales

  1. Tú (la IA) nunca abres los archivos originales de la persona. Ni antes de la aprobación, ni después. Solo los scripts de la habilidad leen los originales, y extract.py lee solo los elementos que la persona aprobó. Lees los resúmenes de metadatos mientras defines el alcance, y el texto extraído y anonimizado en OUT/.work/text/ (a través de las listas por lotes) después. Nunca uses cat/grep/head/open/preview en nada dentro de una carpeta fuente o la base de datos de una aplicación de notas, ni siquiera para resolver una duda; márcalo como ASK. Esta es la promesa en la que la persona confía.
  2. La persona aprueba el alcance antes de que se lea nada. Muestra lo que está incluido, lo que está excluido y lo que necesita su decisión; aplica sus cambios; congela solo cuando ellos digan que está aprobado.
  3. Nunca inventes experiencia. Cada hecho en el currículum y las respuestas proviene de una tarjeta de evidencia o directamente de la persona. Los números faltantes se convierten en marcadores de posición visibles como [AGREGAR MÉTRICA: latencia antes/después]. Una métrica inventada repetida en una entrevista es mucho peor que una brecha, porque los entrevistadores profundizan en los números.
  4. Solo cuenta la experiencia del propietario. Los currículums de otras personas, artículos guardados y documentos de compañeros de equipo no son sus historias.
  5. Protege a otras personas. Los colegas aparecen por rol, nunca por nombre. Generaliza los detalles confidenciales (productos no lanzados, nombres de clientes) en las respuestas.
  6. No leas los archivos solo para la persona: hidden-by-safety.md y quarantine.md enumeran los nombres de archivos sensibles para la persona; solo necesitas los recuentos que los scripts imprimen.

Carpeta de salida

Predeterminado OUT = ~/extended-resume/ (pregunta si quieren otro lugar; nunca dentro de un repositorio git o dentro de una carpeta fuente). Si tu sandbox no puede escribir allí, pide a la persona que apruebe la escritura o elija una carpeta donde puedas escribir. Pasa --out OUT a cada script si no es el predeterminado.

RutaQué es
extended-resume.mdel currículum profundo
answers.mdel banco de respuestas
scope.mdla lista revisable de lo que se leerá (la persona puede marcar/desmarcar)
custom-questions.mdpreguntas que la persona agregó; persiste entre ejecuciones
user-notes.mdhechos que la persona te dijo directamente (cuenta como fuente)
sources.selected.jsonqué lugares están activados
hidden-by-safety.md, quarantine.mdsolo para la persona
.work/catálogo, decisiones, texto extraído, evidencia. Contiene texto extraído de sus documentos; ofrécete a eliminarlo al final

Elige el modo

Primero busca en OUT.

  • No hay extended-resume.md → Compilación completa (pasos 1–9).
  • Existe y quieren una actualización → Actualización: scope.py catalog --refresh, scope.py digest --only-undecided, decide solo las nuevas carpetas, revisa, congela, extract.py --only-new, extrae solo los nuevos lotes, fusiona, luego revisa el currículum y las respuestas afectadas.
  • Solo quieren que se respondan más preguntas → Agregar preguntas (pasos 7–8 solo para las nuevas preguntas; sin escaneo).
  • Sin archivos locales (por ejemplo, una aplicación de chat con un zip subido): descomprime en una carpeta, agrega esa carpeta con sources.py select --add-folder RUTA, y ejecuta la compilación completa. No hay ganchos de protección en ese escenario; la regla fundamental 1 sigue aplicándose.

Paso 1: Fuentes y consentimiento (un mensaje)

python3 SKILL_DIR/scripts/sources.py detect

Esto imprime un menú numerado de los lugares que la habilidad conoce, con recuentos, sin leer nada más que nombres y recuentos:

  • Activado por defecto: Documentos, Escritorio, Descargas (todos estrictos: un archivo se lee solo con evidencia positiva de que es material profesional), bóvedas de Obsidian (de la propia lista de bóvedas de Obsidian), gráficos de Logseq, ~/Notes.
  • Desactivado hasta que se active: Apple Notes (macOS pide permiso; se puede limitar a carpetas con nombre), caché de escritorio de Notion, OneNote (aplicación de escritorio de Windows), Bear, Joplin, iCloud Drive, cada unidad en la nube y conectores.
  • Si tienes herramientas conectoras de Notion / Google Drive / Microsoft 365 disponibles, menciónalas también como una fuente opcional.
  • Una fuente marcada como SIN PERMISO es una que macOS está bloqueando (no está vacía). En macOS, el acceso pertenece a la aplicación que ejecuta los scripts: cuando es Claude Code, la persona activa la carpeta en Configuración del Sistema > Privacidad y Seguridad > Archivos y Carpetas en la entrada claude (la herramienta de línea de comandos), no en Claude.app. Luego ejecuta detect de nuevo.

En un mensaje, muestra el menú y pide a la persona que:

  • confirme o cambie qué fuentes están activadas;
  • confirme su nombre tal como aparece en los documentos (precompleta con las sugerencias) y cualquier otra ortografía;
  • opcionalmente, enumere empleadores con fechas aproximadas (Acme Corp|2021-04|2023-11): esto agudiza mucho la delimitación del alcance;
  • opcionalmente, proporcione un rol objetivo o descripción del puesto, y cualquier cosa que deba omitirse.

Diles claramente lo que sucede después: "Primero enumeraré nombres, carpetas, fechas y propiedades de documentos (autor, título, empresa), nunca contenidos. Revisarás exactamente qué archivos están dentro del alcance y podrás cambiar cualquier cosa. Solo después de que apruebes, un script local leerá esos archivos, filtrará cualquier cosa que parezca un banco, identificación, documento médico o contraseña, y eliminará secretos sueltos. Solo veré ese texto limpio."

También diles que antes de leer nada (paso 4), instalarás el guardia de lectura: un gancho previo al uso de herramientas que bloquea las propias herramientas de la IA para que no toquen sus carpetas fuente, para que la promesa anterior se aplique en lugar de solo cumplirse. Edita la configuración de usuario del agente (se guarda una copia de seguridad) y se elimina en el paso 9. Esto no es opcional; si no quieren que se cambie su configuración, la compilación se detiene después de la revisión del alcance.

Guarda sus elecciones:

python3 SKILL_DIR/scripts/sources.py select --owner "Sam Okafor" --alias "Sam O" \
  --employer "Acme Corp|2021-04|present" "Tidewater Health|2019-01|2021-03" \
  --enable 7 --disable 3 [--add-folder ~/Work/notes] [--apple-notes-folders "Work,1:1s"]

Si dicen "solo ejecútalo": mantén los valores predeterminados, indícalos y aún así haz los pasos 2–3 (la revisión no se puede omitir).

Paso 2: Propuesta de alcance (solo metadatos)

python3 SKILL_DIR/scripts/scope.py catalog
python3 SKILL_DIR/scripts/scope.py digest

catalog enumera elementos con nombres, fechas, propiedades de documentos y orígenes de descarga, nunca contenidos; también descarta archivos de credenciales/clave y archivos cifrados directamente. digest escribe resúmenes de carpetas en .work/scope/digest/parte-NNN.md.

Lee references/scoping-guide.md, luego juzga cada tarjeta de carpeta: IN-ALL, OUT-ALL (con una categoría), ASK-ALL o MIXED. Para carpetas MIXED ejecuta scope.py files F-xxxxxxxx ... y decide cada elemento IN / OUT / ASK. Escribe las decisiones como líneas JSON en .work/scope/decisions/parte-NNN.jsonl (un archivo por parte de digest). Si hay muchas partes y puedes ejecutar trabajadores paralelos o subagentes, dale a cada trabajador una parte más la guía de alcance y haz que escriba el archivo de decisiones de esa parte.

En fuentes estrictas, IN necesita evidencia positiva; cualquier cosa incierta es ASK. Luego:

python3 SKILL_DIR/scripts/scope.py status     # ¿no queda nada sin revisar?
python3 SKILL_DIR/scripts/scope.py render     # escribe OUT/scope.md e imprime un breve resumen

Paso 3: Bucle de revisión (repetir hasta que se apruebe)

Muestra el resumen impreso (recuentos por fuente, las carpetas dentro del alcance más grandes, la lista "necesita tu decisión" agrupada por carpeta, recuentos de elementos excluidos por motivo) y apúntales a OUT/scope.md, donde pueden marcar y desmarcar.

Aplica lo que digan:

python3 SKILL_DIR/scripts/scope.py set --exclude "~/Documents/Personal"
python3 SKILL_DIR/scripts/scope.py set --include F-1a2b3c4d f-0123456789ab
python3 SKILL_DIR/scripts/scope.py set --include-ask "folder:Work"     # todos los elementos "necesita tu decisión" allí
python3 SKILL_DIR/scripts/scope.py set --before 2018-01-01            # excluye cualquier cosa anterior
python3 SKILL_DIR/scripts/scope.py apply-md                           # recoge sus ediciones de casillas de verificación
python3 SKILL_DIR/scripts/sources.py select --add-folder ~/Work/notes && python3 SKILL_DIR/scripts/scope.py catalog

Luego scope.py render de nuevo y muestra el nuevo resumen. Continúa hasta que aprueben explícitamente. Los elementos no decididos no se leen; dilo.

Solo entonces:

python3 SKILL_DIR/scripts/scope.py freeze --approved

Paso 4: Leer y extraer

Instala el guardia de lectura primero, cada vez. Nunca ejecutes extract.py ni leas ningún texto extraído sin él:

python3 SKILL_DIR/scripts/guard.py install --claude      # Claude Code
python3 SKILL_DIR/scripts/guard.py install --codex       # Codex (luego: escribe /hooks en Codex y confía)
python3 SKILL_DIR/scripts/guard.py install --claude --dry-run   # muestra el cambio sin hacerlo

Dile a la persona que está instalado. Si la instalación falla, o el agente en el que estás ejecutando no tiene soporte de ganchos (no encaja --claude/--codex), detente y díselo a la persona; no extraigas hasta que ellos lo hayan arreglado o hayan dicho explícitamente que continúes sin el guardia. La única excepción es el escenario sin archivos locales anterior, donde no hay originales que proteger.

python3 SKILL_DIR/scripts/extract.py

Lee solo la lista congelada, rechaza archivos cambiados desde la aprobación, pone en cuarentena cualquier cosa que parezca un documento bancario/de impuestos/nómina, de identificación, médico, legal o de contraseña (la persona ve cuáles en quarantine.md; tú ves los recuentos), redacta claves, tokens, números de identificación y tarjetas, correos electrónicos y números de teléfono, y escribe .work/text/*.txt, .work/batches/*.txt y .work/extract_summary.md. Si la persona dice que un elemento en cuarentena es una falsa alarma, vuelve a ejecutar con --allow ITEM_ID.

Luego extrae evidencia con references/mining-guide.md:

  1. Esqueleto primero: lee el texto del currículum más reciente (marcado en extract_summary.md) y escribe tarjetas de roles en .work/evidence/batch-000.jsonl.
  2. Lotes: para cada archivo de lote, lee los archivos de texto listados y escribe .work/evidence/<nombre del lote>.jsonl. Con trabajadores paralelos, dale a cada uno un lote, la guía de extracción, el nombre del propietario y los roles del esqueleto; pídeles que respondan solo con un recuento. Sin trabajadores paralelos, ve lote por lote y escribe las tarjetas de cada lote antes de leer el siguiente, para que el texto sin procesar no se acumule. En un corpus muy grande, detente cuando los lotes posteriores (de menor rango) dejen de producir nuevas historias, y di dónde te detuviste.
  3. python3 SKILL_DIR/scripts/evidence_tool.py merge → .work/evidence.jsonl y .work/evidence_index.md (con una tabla de cobertura y brechas). Repara las líneas incorrectas reportadas y fusiona de nuevo.

Paso 5: Escribir la hoja de vida extendida

Sigue references/extended-resume-template.md. Trabaja a partir de evidence_index.md; extrae tarjetas completas con evidence_tool.py show E-xxxxxx o --type decision. Mantén el registro de decisiones rico; anota hechos contradictorios en Preguntas abiertas; marca elementos inferidos.

Paso 6: Verificación de brechas (recomendado, se puede omitir)

A partir de la sección Brechas del índice y la tabla de cobertura, haz a la persona como máximo ~7 preguntas cortas en un mensaje: resultados faltantes en proyectos importantes, un rol personal poco claro, un tipo de historia faltante (no se encontró conflicto o fracaso) y su verdadera razón para querer cambiar de trabajo. Agrega las respuestas a OUT/user-notes.md con la fecha, y agrega tarjetas con "item": "user-notes" a .work/evidence/user-notes.jsonl, luego fusiona de nuevo. Si omiten esto, mantén los marcadores de posición.

Paso 7: Preguntas

python3 SKILL_DIR/scripts/questions.py list

El banco incorporado tiene 23 preguntas, deduplicado de 30 indicaciones comunes, con preguntas específicas de empresa (como "¿Por qué quieres trabajar en Google?") eliminadas. Consulta assets/question_bank.json para ver qué evalúa cada pregunta y qué evidencia buscar.

Para agregar preguntas (una sola, varias o una lista desordenada pegada):

python3 SKILL_DIR/scripts/questions.py add "Cuéntame sobre una vez que asesoraste a alguien."
python3 SKILL_DIR/scripts/questions.py add --from-file pegado.txt
python3 SKILL_DIR/scripts/questions.py add "¿Cómo manejas un desacuerdo con un compañero?" --variant-of conflict
python3 SKILL_DIR/scripts/questions.py skip why-not-hire

El script marca duplicados, posibles duplicados y redacción específica de empresa. No puede detectar todos los duplicados con el mismo significado ("estuve en desacuerdo con un colega" vs "conflicto con un compañero"), así que revisa las nuevas preguntas contra la lista tú mismo; si una obtendría la misma respuesta que una incorporada, vuelve a agregarla con --variant-of. Las preguntas específicas de empresa están bien cuando la persona las quiere: pregunta qué les atrae de esa empresa y responde conectando su historial real con ella, sin inventar hechos sobre la empresa.

Paso 8: Mapa de historias, luego respuestas

Sigue references/answer-guide.md: construye el mapa de historias (8–14 historias, cada una principal para un máximo de 3 preguntas), luego escribe OUT/answers.md en el formato allí dado, con seguimientos, una historia de respaldo, fuentes y una lista de "verificar antes de usar" para cada pregunta. En el modo Agregar preguntas, agrega las nuevas respuestas y actualiza el mapa de historias sin reescribir nada más.

Antes de terminar, ejecuta la autocomprobación en la guía de respuestas: cada número se remonta a evidencia o user-notes.md, sin nombres, cada marcador de posición listado en "Completar primero".

Paso 9: Finalizar

python3 SKILL_DIR/scripts/audit.py          # ¿alguna llamada de herramienta de IA tocó los originales?
python3 SKILL_DIR/scripts/guard.py uninstall --claude   # o --codex: siempre elimina el guardia instalado en el paso 4

Dile a la persona: dónde están los archivos; cuántas fuentes, tarjetas e historias se produjeron; que el guardia de lectura se ha eliminado; y ofrécete a eliminar la carpeta .work/.

Skills relacionados