拡張レジュメ → 行動面接回答集

自分のノートやドキュメント(書類、デスクトップ、ダウンロード、Obsidian、Logseq、オプトインでApple Notes、Notion、OneNote、Bear、Joplin、クラウドドライブ)から、プロジェクト、決定と検討した選択肢、トレードオフ、指標、衝突、失敗、フィードバックを収集し、トップ行動面接質問への面接対応可能な回答を生成します。各回答は履歴に基づき引用されます。

拡張レジュメ → 行動面接回答集 とは?

このスキルは、ユーザーのローカルファイルやノートアプリからキャリア関連情報を自動収集し、STAR法による行動面接の回答集を生成するためのものです。ユーザーが承認したファイルのみを読み取り、面接官が深掘りする「なぜその選択をしたのか」「何を考慮したのか」といった判断の背景を引き出し、事実に基づいた独自の回答を作成します。対応プラットフォームは、macOS上の標準ドキュメントフォルダ(書類、デスクトップ、ダウンロード)、Obsidian、Logseg、Apple Notes(オプトイン)、Notion、OneNote、Bear、Joplin、iCloud Drive、クラウドドライブなど多岐にわたります。スキルはPythonスクリプト群で構成され、完全にローカル動作し、ネットワーク通信は行いません。出力は、深い経歴を記録した `extended-resume.md` と、行動面接質問への回答集 `answers.md` の2つのファイルで、すべての主張が元のドキュメントにトレース可能です。面接準備、STARストーリーの構築、または評価面談用の「ブラグドキュメント」作成に役立ちます。

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

Installed? Explore more 生産性&コラボレーション skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

拡張レジュメ → 行動面接回答集 は何をしますか?

ユーザーのコンピュータ上のノートやドキュメントを以下に変換します:

  1. extended-resume.md:何をしたか、何を決定したか、何を比較検討したか、何を学んだか、何を伝えられたかに関する、ソース付きの詳細な記録。
  2. answers.md:主要な行動面接質問への回答。すべての主張はソースまでトレース可能。

通常のレジュメは結果だけを残し、思考プロセスを捨てます。面接官は思考プロセスを探ります(「他に何を検討しましたか?」、「違う方法はありましたか?」)。そして、その思考プロセスは通常、古い設計書、振り返り、1on1ノート、自己レビューに残っています。このスキルはそれを見つけ出し、回答を具体的で真実味のあるものにし、一般的なものにしません。

SKILL_DIR は、このファイルが含まれるフォルダを指します。すべてのスクリプトはPython 3.8以上で、標準ライブラリのみを使用します。python3 SKILL_DIR/scripts/<name>.py で実行します。すべてローカルで動作し、ネットワークを使用するスクリプトはありません。

基本ルール

  1. (AIであるあなたは)ユーザーの元のファイルを決して開かないこと。 承認前も後もダメです。読み取るのはスキルのスクリプトのみで、extract.py はユーザーが承認したアイテムのみを読み取ります。スコープ決定中はメタデータのダイジェストを読み取り、その後、バッチリストを介して、抽出され編集されたテキストを OUT/.work/text/ から読み取ります。ソースフォルダやノートアプリのデータベース内のファイルを、たとえ疑念を解消するためであっても、cat/grep/head/open/preview してはいけません。代わりに ASK とマークします。これがユーザーが依存している約束です。
  2. ユーザーは、何かが読み取られる前にスコープを承認します。 何が含まれ、何が除外され、何がユーザーの判断を必要とするかをユーザーに示し、その変更を適用し、ユーザーが承認したと言った場合にのみ確定させます。
  3. 経験を決して捏造しないこと。 拡張レジュメと回答のすべての事実は、エビデンスカードまたはユーザーから直接得た情報に基づいています。欠落している数値は [ADD METRIC: latency before/after] のような目に見えるプレースホルダーになります。面接で捏造された指標が繰り返されると、ギャップよりもはるかに悪影響です。面接官は数値を掘り下げるからです。
  4. 所有者自身の経験のみがカウントされます。 他の人のレジュメ、保存された記事、チームメイトのドキュメントは、その人のストーリーではありません。
  5. 他の人を保護すること。 同僚は役割で登場させ、名前では決して登場させません。機密情報(未発表の製品、顧客名)は回答内で一般化します。
  6. ユーザー専用ファイルは読まないこと: hidden-by-safety.md と quarantine.md は、ユーザー向けに機密ファイル名をリストします。あなたはスクリプトが出力するカウントのみを必要とします。

出力フォルダ

デフォルトは OUT = ~/extended-resume/ です(別の場所を希望するか尋ねます。gitリポジトリ内やソースフォルダ内には決して置きません)。サンドボックスがそこに書き込めない場合は、ユーザーに書き込みを承認してもらうか、書き込めるフォルダを選んでもらいます。デフォルト以外の場合は、すべてのスクリプトに --out OUT を渡します。

パス説明
extended-resume.md詳細なレジュメ
answers.md回答バンク
scope.mdレビュー可能な読み取り対象リスト(ユーザーがチェック/チェック解除可能)
custom-questions.mdユーザーが追加した質問。実行間で保持されます
user-notes.mdユーザーが直接伝えた事実(ソースとしてカウント)
sources.selected.jsonどの場所が有効になっているか
hidden-by-safety.md、quarantine.mdユーザー専用
.work/カタログ、決定事項、抽出テキスト、エビデンス。ドキュメントの抽出テキストを保持します。最後に削除することを提案します

モードを選択する

最初に OUT を確認します。

  • extended-resume.md がない → フルビルド(ステップ1〜9)。
  • 存在し、ユーザーがリフレッシュを希望する → 更新:scope.py catalog --refresh、scope.py digest --only-undecided、新しいフォルダのみを決定、レビュー、確定、extract.py --only-new、新しいバッチのみをマイニング、マージ、その後レジュメと影響を受ける回答を修正します。
  • 回答が必要な質問が増えただけの場合 → 質問の追加(新しい質問のみに対してステップ7〜8。スキャンは不要)。
  • ローカルファイルがない場合(例:アップロードされたzipファイルのあるチャットアプリ):zipをフォルダに解凍し、sources.py select --add-folder PATH でそのフォルダを追加し、それに対してフルビルドを実行します。その設定ではガードフックはありませんが、基本ルール1は引き続き適用されます。

ステップ1: ソースと同意(1メッセージ)

python3 SKILL_DIR/scripts/sources.py detect

これにより、スキルが認識する場所の番号付きメニューが、カウントとともに出力されます。名前とカウント以外は読み取りません。

  • デフォルトでオン: 書類、デスクトップ、ダウンロード(すべて厳密:キャリア資料であると積極的な証拠がある場合にのみファイルを読み取ります)、Obsidian Vault(Obsidian自身のVaultリストから)、Logseqグラフ、~/Notes。
  • オンに切り替えるまでオフ: Apple Notes(macOSは許可を求めます。名前付きフォルダに制限可能)、Notionデスクトップキャッシュ、OneNote(Windowsデスクトップアプリ)、Bear、Joplin、iCloud Drive、各クラウドドライブ、コネクタ。
  • Notion / Google Drive / Microsoft 365 コネクタツールが利用可能な場合は、オプションのソースとしてそれらにも言及します。
  • NO PERMISSION とマークされたソースは、macOSがブロックしているものです(空ではありません)。macOSでは、アクセス権はスクリプトを実行するアプリに属します。Claude Codeの場合、ユーザーはシステム設定 > プライバシーとセキュリティ > ファイルとフォルダ の、Claude.app ではなく、小文字の claude エントリ(コマンドラインツール)の下でフォルダをオンにします。その後、detect を再実行します。

1メッセージで、メニューを表示し、ユーザーに以下を依頼します:

  • どのソースをオンにするか確認または変更する。
  • ドキュメントに表示される名前を確認する(ヒントから事前入力)。および他のスペル。
  • オプションで、おおよその日付とともに雇用主をリストする(Acme Corp|2021-04|2023-11):これによりスコープ設定が大幅に改善されます。
  • オプションで、対象の役割または職務記述書、および除外するものを指定する。

次に何が起こるかをユーザーに明確に伝えます:「最初に名前、フォルダ、日付、ドキュメントのプロパティ(作成者、タイトル、会社)をリストします。内容は決して表示しません。正確にどのファイルがスコープ内にあるかをレビューし、変更できます。承認後にのみ、ローカルスクリプトがそれらのファイルを読み取り、銀行、ID、医療、パスワード文書のように見えるものを除外し、紛れ込んだ機密情報を削除します。私はそのクリーニングされたテキストのみを見ます。」

また、何かが読み取られる前に(ステップ4)、読み取りガードをインストールすることを伝えます。これは、AI自身のツールがユーザーのソースフォルダに触れるのをブロックするプリツールユースフックであり、上記の約束が遵守されるだけでなく強制されるようにします。これはエージェントのユーザー設定を編集し(バックアップが保持されます)、ステップ9で削除されます。これはオプションではありません。ユーザーが設定の変更を望まない場合、スコープレビュー後にビルドは停止します。

ユーザーの選択を保存します:

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"]

ユーザーが「そのまま実行して」と言った場合:デフォルトを維持し、それを明示し、それでもステップ2〜3を実行します(レビューはスキップできません)。

ステップ2: スコープ提案(メタデータのみ)

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

catalog は、アイテムを名前、日付、ドキュメントプロパティ、ダウンロード元とともにリストします。内容は決して表示しません。また、資格情報/キーファイルと暗号化ファイルは完全に除外します。digest は、フォルダサマリーを .work/scope/digest/part-NNN.md に書き込みます。

references/scoping-guide.md を読み、すべてのフォルダカードを判断します:IN-ALL、OUT-ALL(カテゴリ付き)、ASK-ALL、または MIXED。MIXED フォルダの場合は scope.py files F-xxxxxxxx ... を実行し、各アイテムを IN / OUT / ASK で決定します。決定をJSON Linesとして .work/scope/decisions/part-NNN.jsonl に書き込みます(ダイジェストのパートごとに1ファイル)。多くのパートがあり、並列ワーカーやサブエージェントを実行できる場合は、各ワーカーに1パートとスコーピングガイドを与え、そのパートの決定ファイルを書き込ませます。

厳密なソースでは、IN には積極的な証拠が必要です。不明なものは ASK です。その後:

python3 SKILL_DIR/scripts/scope.py status     # 未レビューのものはないか?
python3 SKILL_DIR/scripts/scope.py render     # OUT/scope.md を書き込み、短いサマリーを出力

ステップ3: レビューループ(承認されるまで繰り返す)

出力されたサマリー(ソースごとのカウント、最大のスコープ内フォルダ、フォルダごとにグループ化された「ユーザーの判断が必要」リスト、理由別の除外カウント)を表示し、OUT/scope.md をユーザーに示します。そこでユーザーはチェックとチェック解除ができます。

ユーザーの指示を適用します:

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"     # そのフォルダ内の「ユーザーの判断が必要」なアイテムすべて
python3 SKILL_DIR/scripts/scope.py set --before 2018-01-01            # それより古いものは除外
python3 SKILL_DIR/scripts/scope.py apply-md                           # scope.md でのチェックボックス編集を適用
python3 SKILL_DIR/scripts/sources.py select --add-folder ~/Work/notes && python3 SKILL_DIR/scripts/scope.py catalog

その後、scope.py render を再度実行し、新しいサマリーを表示します。ユーザーが明示的に承認するまで続けます。未決定のアイテムは読み取られません。その旨を伝えます。

その場合のみ:

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

ステップ4: 読み取りとマイニング

最初に読み取りガードをインストールします。毎回必ず。 extract.py を実行したり、抽出されたテキストを読んだりする前に、必ずインストールしてください:

python3 SKILL_DIR/scripts/guard.py install --claude      # Claude Code
python3 SKILL_DIR/scripts/guard.py install --codex       # Codex(その後 Codex で /hooks と入力し、信頼する)
python3 SKILL_DIR/scripts/guard.py install --claude --dry-run   # 変更を行わずに内容を表示

インストールされたことをユーザーに伝えます。インストールが失敗した場合、または実行中のエージェントにフックサポートがない場合(--claude/--codex が適合しない)、停止してユーザーに伝えます。ユーザーが修正するか、ガードなしで続行することを明示的に指示するまで、抽出を行わないでください。唯一の例外は、上記のローカルファイルなしの設定であり、ガードする元のファイルが存在しません。

python3 SKILL_DIR/scripts/extract.py

これは確定済みリストのみを読み取り、承認以降に変更されたファイルは拒否し、銀行/税金/給与、ID、医療、法律、パスワード文書のように見えるものは隔離します(ユーザーは quarantine.md で確認します。あなたはカウントを見ます)。キー、トークン、ID番号とカード番号、メールアドレス、電話番号を編集し、.work/text/*.txt、.work/batches/*.txt、.work/extract_summary.md を書き込みます。ユーザーが隔離されたアイテムは誤検知だと言った場合、--allow ITEM_ID を付けて再実行します。

次に、references/mining-guide.md を使用してエビデンスをマイニングします:

  1. 最初にスケルトン: 最新のレジュメのテキスト(extract_summary.md でマークされている)を読み、役割カードを .work/evidence/batch-000.jsonl に書き込みます。
  2. バッチ: 各バッチファイルについて、リストされたテキストファイルを読み、.work/evidence/<batch name>.jsonl を書き込みます。並列ワーカーを使用する場合、各ワーカーに1つのバッチ、マイニングガイド、所有者名、スケルトン役割を与えます。回答はカウントのみを返すように依頼します。使用しない場合は、バッチごとに進み、次のバッチを読む前に各バッチのカードを書き込みます。これにより、生のテキストが蓄積されません。非常に大規模なコーパスの場合、後の(ランクの低い)バッチが新しいストーリーを生成しなくなった時点で停止し、どこで停止したかを伝えます。
  3. python3 SKILL_DIR/scripts/evidence_tool.py merge → .work/evidence.jsonl と .work/evidence_index.md(カバレッジテーブルとギャップ付き)。報告された不正な行を修正し、再度マージします。

ステップ5: 拡張レジュメを作成する

references/extended-resume-template.md に従います。evidence_index.md から作業し、evidence_tool.py show E-xxxxxx または --type decision で完全なカードを取得します。決定ログは豊富に保ち、Open questions の下で矛盾する事実に注釈を付け、推測されたアイテムをマークします。

ステップ6: ギャップチェック(推奨、スキップ可能)

インデックスの Gaps セクションとカバレッジテーブルから、1メッセージで最大約7つの短い質問をユーザーにします。主要プロジェクトの欠落した成果、曖昧な個人の役割、欠落したストーリータイプ(対立や失敗が見つからない)、転職の本当の理由などです。回答を日付とともに OUT/user-notes.md に追加し、"item": "user-notes" でカードを .work/evidence/user-notes.jsonl に追加し、再度マージします。ユーザーがスキップした場合は、プレースホルダーを保持します。

ステップ7: 質問

python3 SKILL_DIR/scripts/questions.py list

組み込みのバンクには、よく聞かれる30のプロンプトから重複排除された23の質問があり、会社固有の質問(「なぜGoogleで働きたいのですか?」など)は削除されています。各質問が何を評価し、どのエビデンスを探すべきかについては、assets/question_bank.json を参照してください。

質問を追加するには(1つ、複数、または乱雑に貼り付けられたリスト):

python3 SKILL_DIR/scripts/questions.py add "Tell me about a time you mentored someone."
python3 SKILL_DIR/scripts/questions.py add --from-file pasted.txt
python3 SKILL_DIR/scripts/questions.py add "How do you handle disagreement with a peer?" --variant-of conflict
python3 SKILL_DIR/scripts/questions.py skip why-not-hire

スクリプトは重複、可能性のある重複、会社固有の表現をフラグします。同じ意味の重複(「同僚と意見が合わなかった」と「同僚との対立」)をすべてキャッチできるわけではないため、新しい質問を自分でリストと照合してください。組み込みの質問と同じ回答になる場合は、--variant-of を付けて再度追加します。会社固有の質問は、ユーザーがそれを望む場合は問題ありません。その会社に惹かれる理由を尋ね、自分の実際の経歴を結び付けて答え、会社に関する事実を決して捏造しないでください。

ステップ8: ストーリーマップ、次に回答

references/answer-guide.md に従います:ストーリーマップ(8〜14のストーリー。各ストーリーは最大3つの質問に対してプライマリ)を構築し、その後、フォローアップ、予備のストーリー、ソース、すべての質問に対する「使用前に確認する」リストを含む形式で OUT/answers.md を書き込みます。質問追加モードでは、新しい回答を追加し、他のものを書き換えずにストーリーマップを更新します。

終了する前に、回答ガイドの自己チェックを実行します:すべての数字がエビデンスまたは user-notes.md にトレース可能であること、個人名がないこと、すべてのプレースホルダーが「最初にこれらを埋める」の下にリストされていること。

ステップ9: ラップアップ

python3 SKILL_DIR/scripts/audit.py          # AIツールの呼び出しが元のファイルに触れたか?
python3 SKILL_DIR/scripts/guard.py uninstall --claude   # または --codex:ステップ4でインストールしたガードを常に削除

ユーザーに伝えます:ファイルの場所、処理されたソースの数、カードの数、ス

…

[元のコンテンツは翻訳のため切り詰められています]

関連スキル