Skill de Generación/Optimización de Currículum ATS

Objetivo de la Tarea

Este Skill se utiliza para: ayudar a los usuarios a crear, optimizar y gestionar currículums profesionales compatibles con ATS
Capacidades incluidas: generación de currículum, optimización de currículum, verificación de aceptabilidad para postulación, gestión de versiones, exportación de archivos
Condiciones de activación: el usuario necesita crear un nuevo currículum, optimizar uno existente, comparar o exportar currículums

Preparación Previa

Dependencias: este Skill utiliza bibliotecas de Python puramente locales para el procesamiento de archivos y la exportación (sin dependencias de servicios externos/red)

pdfplumber>=0.10.0   # Analizar currículums en PDF
python-docx>=1.1.0   # Generar DOCX
reportlab>=4.0.0     # Generar PDF (con fuente CJK incorporada, solo pip; si falta, retrocede automáticamente a HTML)

Preparación del directorio: crear un directorio de gestión de versiones en el directorio de trabajo actual
```
mkdir -p .resume-versions
```

Principios Fundamentales

Reglas Estrictas

Nunca inventar experiencia/datos del usuario: el contenido faltante se reemplaza con 【Marcador de posición】 y se genera una "Lista Mínima de Complementos"
Compatibilidad ATS: por defecto, una sola columna, sin tablas, sin cuadros de texto, sin iconos; usar títulos de sección estándar
Aceptabilidad para postulación: el informe de diagnóstico debe verificar, desde la perspectiva del primer filtro de RH, si el título coincide, si los años/ubicación/datos de contacto/autorización laboral/fecha de inicio son claros, y si hay información tabú del mercado objetivo como foto, edad, estado civil, hijos, afiliación política, salario esperado, etc.
Salida completa: se debe generar simultáneamente el JSON de ResumeIR, el informe de diagnóstico, la conclusión de aceptabilidad para postulación, el texto del currículum reescrito; los archivos de exportación se generan según sea necesario mediante scripts locales (ver "Exportación de Archivos")
Minimizar el costo de entrada del usuario: priorizar el soporte para "pegar texto/subir archivo", solo preguntar por campos críticos faltantes

Estructura de Salida

Todas las operaciones deben generar las siguientes tres partes (los archivos de exportación se generan según sea necesario):

JSON de ResumeIR: nombres de campos fijos, conforme al Esquema ResumeIR.v1
Informe de diagnóstico: lista de problemas + gravedad + sugerencias, conforme a la Especificación del Informe de Diagnóstico
Conclusión de aceptabilidad para postulación: application_acceptability, respondiendo "¿Se puede postular ahora? / ¿Dónde se quedará atascado en el primer filtro de RH? / ¿Qué completar primero?"
Texto del currículum reescrito: vista previa en texto plano
(Opcional) Archivos de exportación: cuando el usuario necesite DOCX/PDF, llamar a scripts/render_resume.py para generarlos localmente

Pasos de la Operación

Selección de Modo

Seleccionar el modo según la necesidad del usuario:

Modo 1: Generar currículum (desde cero): ayudar al usuario a crear un currículum desde cero
Modo 2: Optimizar currículum (currículum existente): optimizar basándose en el currículum existente del usuario

Todos los modos admiten entrada opcional:

JD (el usuario pega el texto original)
Puesto objetivo: target_title / target_level (China: P6/P7, Senior/Experto/Director; roles tecnológicos en EE. UU.: Senior/Staff, L5/L6, SDE II, etc.)
Idioma: zh-CN / en-US
Industria: Internet/AI/Datos/Desarrollo/Operaciones/Ventas/Funciones, etc.
Plantilla: template_id (por defecto cn_ats_a4_v1)

Modo 1: Generar currículum (desde cero)

Paso 1: Recopilación de información

Con la menor cantidad de preguntas posible, ayudar al usuario a recopilar la siguiente información:

Información básica: nombre, teléfono, correo electrónico, ciudad
Puesto objetivo: target_title, target_level, target_industry
Últimas 2-3 experiencias laborales: cada una incluye empresa, puesto, fecha de inicio y fin, 3 puntos clave de logros
Formación académica: institución, título, especialidad, fecha de graduación
Habilidades: habilidades principales (primary) y secundarias (secondary)

Paso 2: Generar ResumeIR

Convertir la información recopilada al formato ResumeIR (campos completos en Esquema ResumeIR.v1), los campos faltantes se rellenan con 【Marcador de posición】. Ejemplo de estructura mínima:

{
  "meta": {"version": "1.0", "language": "zh-CN", "locale": "zh-CN"},
  "basics": {"name": "Zhang San", "phone": "【Marcador de posición】", "email": "【Marcador de posición】", "target_title": "Product Manager"},
  "summary": "",
  "skills": {"primary": ["Análisis de requisitos", "Análisis de datos"], "secondary": []},
  "work": [{"company": "Empresa X", "title": "Product Manager", "start": "2021-06", "end": "present",
            "bullets": ["Lideré…, lo que resultó en un incremento del 20%"]}],
  "projects": [],
  "education": [{"school": "【Marcador de posición】", "degree": "Licenciatura", "start": "", "end": ""}]
}

Paso 3: Generar la primera versión del currículum

Generar JSON de ResumeIR
Generar vista previa en texto plano (ordenado según la secuencia estándar)
Generar informe de diagnóstico (verificar principalmente la integridad)
Generar conclusión de aceptabilidad para postulación: ready / needs_fix / do_not_submit, y enumerar hasta 3 problemas que detendrían el primer filtro de RH
Generar lista mínima de complementos (máximo 8 preguntas)

Paso 4: Guardar versión

Guardar automáticamente como la primera versión: version_name = "{target_title}-{date}-{lang}"

Modo 2: Optimizar currículum (currículum existente)

Paso 1: Analizar currículum

Si el usuario sube un archivo (PDF/DOCX/TXT): llamar a scripts/parse_resume.py para extraer el texto
Si el usuario pega texto: usar directamente el contenido del texto

Paso 2: Confirmación mostrando al usuario

Mostrar al usuario los siguientes campos clave para confirmar la precisión del análisis:

Nombre
Empresa más reciente
Puesto más reciente
Estimación de años de experiencia

Paso 3: Recopilar JD (opcional)

Preguntar al usuario si tiene un JD objetivo, si es así, que lo pegue

Paso 4: Generar ResumeIR e informe de diagnóstico

Extraer información del texto del currículum, generar ResumeIR (los faltantes se rellenan con 【Marcador de posición】)
Generar informe de diagnóstico (puntuación 0-100, lista de problemas + gravedad + sugerencias)
Generar conclusión de aceptabilidad para postulación: coincidencia de título, legibilidad en la primera página, datos de contacto, ubicación/fecha de inicio/autorización laboral, información tabú del mercado, si la evidencia del puesto satisface el primer filtro de RH
Generar ResumeIR reescrito
Generar vista previa en texto plano (cuando el usuario necesite el archivo, llamar a render_resume.py para exportar)

Paso 5: Guardar versión

Guardar automáticamente como la primera versión: version_name = "{target_title}-{date}-{lang}"

Especificaciones para la Reescritura del Currículum

Redacción de bullets de experiencia laboral

Cada bullet debe cumplir con la siguiente estructura:

Verbo de acción + Tarea + Método/Herramienta + Resultado (métrica)

Ejemplos:

❌ Incorrecto: Responsable del análisis de datos y la generación de informes
✅ Correcto: Utilicé Python y SQL para analizar datos de comportamiento de usuarios, optimicé funciones del producto mediante pruebas A/B, lo que resultó en un aumento del 20% en usuarios activos diarios

Requisitos de cuantificación

Siempre que sea posible, usar números concretos, porcentajes, montos, etc., como indicadores cuantificables
Cuando no sea posible cuantificar, usar el marcador de posición 【métrica】 e indicarlo en la lista de complementos

Cobertura de palabras clave del JD (si hay JD)

Realizar cobertura de palabras clave para las habilidades principales (≤12)
Reflejarlas de forma natural en los bullets, evitando el relleno forzado

Gestión de Versiones

Guardar una versión

Usar el script para guardar el ResumeIR actual:

python3 scripts/version_manager.py save --version-name "Product Manager-2024-01-15-es" --resume-ir "resume_ir.json"

Renombrar una versión

python3 scripts/version_manager.py rename --old-name "v1" --new-name "Product Manager-2024-01-15-es"

Comparar versiones

python3 scripts/version_manager.py compare --version1 "v1" --version2 "v2"

Revertir a una versión

python3 scripts/version_manager.py rollback --version-name "v1"

Exportación de Archivos

Exportación local (Python puro, sin servicios externos/red)

Cuando el usuario solicite la exportación, guardar el ResumeIR actual como JSON y luego llamar al script:

python3 scripts/render_resume.py --resume-ir "resume_ir.json" --output-formats "docx,pdf" --output-dir ./out

La exportación utiliza una escalera de degradación, asegurando que se pueda generar un archivo utilizable en cualquier entorno:

DOCX: generado con python-docx, una sola columna, títulos estándar, sin tablas/cuadros de texto, compatible con ATS (formato recomendado para postulación)
PDF: generado directamente con reportlab + fuente CJK incorporada (solo pip, sin necesidad de fuentes/bibliotecas del sistema); si reportlab no está instalado, genera automáticamente un HTML optimizado para impresión e indica "Abrir en el navegador y usar Ctrl+P para guardar como PDF"
El script no depende de ningún servicio remoto, se puede ejecutar localmente después de clonar

Estilos disponibles

cn_ats_a4_v1 (chino, predeterminado) / en_ats_a4_v1 (inglés); el idioma real lo determina meta.language en ResumeIR
Ver: python3 scripts/render_resume.py --list-templates
Para generar currículums bilingües o en inglés, consultar references/en-resume-conventions.md (banco de verbos de acción, prohibir foto/edad/estado civil, priorizar 1 página, fechas en inglés MMM YYYY, priorizar cuantificación)
Para roles tecnológicos en EE. UU. (SWE/PM/DS): se puede hacer referencia directa a los tres ejemplos renderizables en assets/examples/: en-US-software-engineer.json, en-US-product-manager.json, en-US-data-scientist.json (incluyen LinkedIn/GitHub, niveles de puesto en EE. UU., métricas tecnológicas estadounidenses como p99/QPS/SLA); cuando meta.language=en-US, la capa de renderizado aplica automáticamente títulos de sección en inglés y convierte las fechas ISO YYYY-MM a MMM YYYY

Índice de Recursos

Scripts Necesarios

scripts/parse_resume.py: Script de análisis de currículums, compatible con PDF/DOCX/TXT/MD
- Parámetros: argumento posicional <ruta_archivo> (también compatible con --input-file <ruta>)
- Salida: JSON {"text": "...", "format": "pdf|docx|txt", "pages": N, "success": true}; en caso de fallo, devuelve {"error": "...", "exit_code": N}
scripts/version_manager.py : Script de gestión de versiones
- Parámetros: save/rename/compare/rollback + parámetros correspondientes
- Salida: resultado de la operación de la versión
scripts/render_resume.py: Script de exportación local (DOCX/PDF/HTML, sin servicios externos)
- Parámetros: --resume-ir <archivo JSON>, --output-formats docx,pdf,html, --output-dir, --file-name
- Salida: archivo DOCX / PDF (o HTML como respaldo)

Referencias del Dominio

references/resumeir-schema.md: Definición del Esquema ResumeIR.v1 (leer al generar o analizar ResumeIR)
references/diagnostic-report-spec.md: Especificación de salida del informe de diagnóstico (leer al generar el informe de diagnóstico)
references/en-resume-conventions.md: Convenciones para currículums en inglés (leer al generar currículums bilingües/en inglés)

Ejemplos de Flujo de Conversación

Escenario 1: Generar currículum desde cero

Usuario: Ayúdame a crear un currículum
Agente: Claro, déjame ayudarte a crear tu currículum. Por favor, dime:
       1. ¿Cuál es tu puesto objetivo?
       2. ¿Cuál es tu situación laboral actual (empresa/puesto/años de experiencia)?
       ...

[Recopilación de información]

Agente: Se ha generado la primera versión del currículum. A continuación, mi análisis:
       [Informe de diagnóstico]

       Lista mínima de complementos (8 preguntas):
       1. Por favor, proporciona tus datos de contacto específicos (teléfono/correo)
       2. En tu primera experiencia laboral, ¿cuál es el valor de 【métrica】 que mencionaste?
       ...

Escenario 2: Optimizar currículum existente

Usuario: Ayúdame a optimizar este currículum [sube archivo]
Agente: [Analizando currículum] He extraído la siguiente información de tu currículum, por favor confírmala:
       Nombre: Zhang San
       Empresa más reciente: Empresa Tecnológica X
       Puesto más reciente: Product Manager
       Años de experiencia: 3-5 años

       ¿Tienes un JD objetivo? Si es así, pégalo.

[Si hay JD]

Agente: Optimización completada. El informe de diagnóstico es el siguiente:
       Puntuación total: 72/100

       Lista de problemas:
       [P0] La sección de experiencia laboral carece de indicadores cuantificables (grave)
             Sugerencia: cada bullet debe incluir números o porcentajes concretos
             Ejemplo de reescritura: "Responsable de la iteración del producto" → "Lideré 5 iteraciones del producto, lo que resultó en un aumento del 15% en la retención de usuarios"

       ...

       Lista de carencias (requisitos del JD que faltan en el currículum):
       1. Habilidad en SQL (el JD lo requiere explícitamente)
            Pregunta de complemento mínima: ¿Tienes experiencia usando SQL? ¿En qué contexto?

       [Generar currículum reescrito]

Escenario 3: Exportar archivo

Usuario: Exporta este currículum
Agente: Generando archivos DOCX y PDF... [llamando a render_resume.py]
       Archivos generados:
       - Zhang San-Product Manager-2024-01-15.docx
       - Zhang San-Product Manager-2024-01-15.pdf

Escenario 4: Comparar versiones

Usuario: Compara v1 y v2
Agente: [Llamando a version_manager.py compare]
       Diferencias principales:
       1. Experiencia laboral - Empresa Tecnológica X (2019-2022)
          v1: Responsable del diseño de productos y análisis de requisitos
          v2: Lideré 8 iteraciones del producto, optimizando mediante datos, lo que resultó en un aumento del 25% en la satisfacción del usuario

       2. Habilidades - primary
          v1: ["Diseño de productos", "Análisis de requisitos", "Gestión de proyectos"]
          v2: ["Diseño de productos", "Análisis de requisitos", "Gestión de proyectos", "Análisis de datos", "SQL", "Pruebas A/B"]

       Sugerencia: El contenido de la versión v2 es más completo, se recomienda usar la versión v2 para postularse.

Escenario 5: Revertir a una versión

Usuario: Revierte a v1
Agente: [Llamando a version_manager.py rollback]
       Se ha revertido a la versión v1 (Product Manager-2024-01-10-es)

Consideraciones

Plan de Contingencia para Fallos

Fallo en el análisis del currículum: solicitar al usuario que pegue texto plano; o que pegue por secciones ("educación/experiencia/proyecto")
Información faltante: usar 【Marcador de posición】 + lista mínima de complementos (≤8 preguntas)
JD demasiado largo: extraer solo las secciones de responsabilidades del puesto y requisitos, ignorar el resto
Contenido generado demasiado genérico: forzar que cada bullet incluya "resultado/impacto"; de lo contrario, marcarlo como problema P1 y dar un ejemplo de reescritura

Compatibilidad ATS (la restricción aplica al currículum "generado/exportado"; al analizar archivos subidos por el usuario, se puede leer normalmente el contenido de las tablas)

Usar títulos de sección estándar (Experiencia laboral, Educación, Habilidades, etc.)
Evitar el uso de tablas, cuadros de texto, iconos, imágenes
Diseño de una sola columna por defecto
Usar fuentes estándar (como Arial, Calibri)
Evitar el uso de caracteres especiales y elementos decorativos

Garantía de Calidad

Todos los bullets deben comenzar con un verbo de acción (como "Lideré", "Diseñé", "Implementé", "Optimicé", etc.)
Asegurar que cada bullet tenga un resultado o impacto claro
Evitar palabras debilitantes como "Responsable de", "Participé en"
Priorizar la voz activa, evitar la voz pasiva

Ejemplos de Uso

Ejemplo 1: Generar currículum desde cero (bilingüe)

Descripción de la función: ayudar al usuario a crear un currículum bilingüe (chino e inglés) desde cero
Modo de ejecución: diálogo con el agente + guardar versión con script
Parámetros clave: language=zh-CN/en-US, target_title, target_level
Pasos:
1. Recopilar información básica y experiencia
2. Generar ResumeIR en chino
3. Generar ResumeIR en inglés (traducción automática)
4. Guardar como dos versiones (versión en chino y versión en inglés)

Ejemplo 2: Optimizar currículum basado en JD

Descripción de la función: optimizar el contenido del currículum para un JD específico
Modo de ejecución: análisis del agente + script de análisis
Parámetros clave: texto del JD, archivo del currículum original
Pasos:
1. Analizar el currículum original
2. Analizar los requisitos del JD
3. Comparar para identificar carencias
4. Reescribir el currículum para cubrir las palabras clave del JD
5. Generar comparación y sugerencias de optimización

Ejemplo 3: Gestión de múltiples versiones

Descripción de la función: crear múltiples versiones del currículum, comparar y seleccionar la mejor
Modo de ejecución: gestión de versiones con scripts
Parámetros clave: version_name, resume_ir
Pasos:
1. Guardar la versión v1
2. Modificar y guardar la versión v2
3. Comparar v1 y v2
4. Revertir a la mejor versión
5. Exportar la versión final

Preguntar en tu IA favorita

Documentación