CV 생성기 스킬 — FlowCV / Canva 에디션
사용 시기
다음과 같은 상황에서 이 스킬을 사용하세요:
- 여러 소스(LinkedIn, GitHub, 포트폴리오)로부터 전문적이고 ATS에 최적화된 CV를 생성해야 할 때
- 기존 CV를 특정 채용 공고(JD)에 맞게 조정해야 할 때
- 이력서 초안의 언어, 측정 지표, 구조를 개선해야 할 때
- FlowCV 또는 Canva와 같은 도구에 붙여넣을 수 있는 CV 버전을 준비해야 할 때
원시 프로필 데이터를 세련되고 ATS에 바로 적용 가능한 CV로 변환합니다. FlowCV, Canva, Google Docs 또는 Word용으로 형식이 지정된 붙여넣기 가능한 일반 텍스트 버전과 결함 보고서 및 누락 정보 체크리스트를 함께 출력합니다.
결함 등록부 — 이 버전에서 수정된 알려진 문제
다음 문제는 이전 두 스킬 초안에서 식별되었으며 여기서 수정되었습니다:
| # | 결함 | 수정 사항 |
|---|---|---|
| F-01 | 출력이 먼저 Markdown 형식이었고, 붙여넣기 가능한 일반 텍스트가 아님 | 최종 출력은 일반 텍스트, Markdown은 내부 스테이징 전용 |
| F-02 | FlowCV/Canva 필드 구조가 전혀 다루어지지 않음 | 도구 필드에 대한 섹션 매핑 추가 (11c절) |
| F-03 | 설문조사가 실제로 20개 질문을 한 번에 모두 제시 | 엄격 규칙: 한 번에 한 질문씩, 답변 대기 |
| F-04 | 환각 방지 규칙이 나열되었지만 구조적으로 강제되지 않음 | 모든 출력 전에 시행 게이트 추가 (10절) |
| F-05 | 자기소개서가 제공되었지만 이러한 도구에 대한 범위가 지정되지 않음 | 자기소개서는 이제 인라인이 아닌 별도의 일반 텍스트 블록으로 출력 |
| F-06 | ATS 검사가 나열되었지만 점수화된 출력이 없음 | 결함 보고서는 이제 항목별 합격/불합격과 함께 0–100점을 제공 |
| F-07 | 경력 수준 감지가 "감지 또는 질문"이었고 대체 방법 없음 | 감지 불가능할 경우 기본값은 중간 수준, 사용자에게 가정 내용을 알림 |
| F-08 | FlowCV/Canva가 렌더링할 수 없는 항목에 대한 지침 없음 | 명시적 필드별 붙여넣기 맵 추가 (11c절) |
| F-09 | 시제 규칙이 명시되었지만 품질 게이트에서 검증되지 않음 | 시제 검사는 이제 하드 게이트 — 수정될 때까지 출력 차단 |
| F-10 | "열정적인"과 같은 금지 구문이 여전히 예제에 나타남 | 구문 블랙리스트가 이제 기계적으로 확인 가능 (7c절) |
| F-11 | 네팔/남아시아 시장 관행이 존재했지만 불완전함 | 확인 및 확장됨 (14절) |
| F-12 | LinkedIn 스크래핑이 차단될 때 수행할 작업에 대한 명시적 규칙 없음 | 하드 대체 규칙: 즉시 PDF 내보내기 요청, 빈 상태로 진행하지 않음 |
| F-13 | 파일 명명 규칙이 한 번 언급되었지만 강제되지 않음 | 파일 이름 규칙이 최종 출력 블록의 일부가 됨 (11절) |
| F-14 | 스킬에 버전 기록 또는 업그레이드 경로 없음 | 프론트매터에 버전 필드 추가 |
| F-15 | GitHub가 소스로 나열되었지만 추출 규칙이 누락됨 | GitHub 추출 규칙 추가 (4f절) |
1. 호출
@cv-generator를 사용하여 LinkedIn PDF에서 내 CV를 작성해 줘.
@cv-generator를 사용하여 이 채용 공고에 맞게 내 CV를 조정해 줘.
@cv-generator를 사용하여 내 기존 초안을 개선해 줘.
@cv-generator를 사용하여 설문조사를 통해 새 CV를 만들어 줘.
@cv-generator를 사용해 — FlowCV에 바로 적용할 수 있는 출력을 원해.
모든 소스 조합이 유효합니다. 여러 소스는 작성 전에 병합 및 중복 제거됩니다.
소스 선택
사용자에게 사용할 소스를 물어보세요. 최소 하나는 필수입니다. 소스가 제공되지 않으면 즉시 설문조사(4d절)로 기본 전환합니다.
| # | 소스 | 지침 |
|---|---|---|
| 1 | LinkedIn 프로필 URL | 페이지 가져오기; 모든 표시 섹션 추출. 차단되거나 비어 있으면: 즉시 LinkedIn PDF를 요청하세요 — 빈 상태로 진행하지 마십시오. |
| 2 | LinkedIn PDF 내보내기 | 업로드된 파일 구문 분석. 스캔된 이미지인 경우: OCR 적용 및 사용자에게 정확성 확인 경고. |
| 3 | 포트폴리오 / 개인 웹사이트 | URL 가져오기; 소개, 프로젝트, 스킬, 서비스, 사용후기, 사례 연구, 연락처 추출. |
| 4 | 설문조사 | 단계별 (4d절). 한 번에 한 질문씩. |
| 5 | 기존 CV 또는 초안 | 업로드 또는 붙여넣기; 개선만 수행 — 사실을 절대 변경하지 않음. |
| 6 | GitHub 프로필 | 고정된 저장소, 소개, 기술 스택, 기여 요약 추출 (4f절). |
| 7 | 이력서 파일 (DOCX / PDF / TXT) | 구문 분석 및 재작성. 스캔된 PDF 표시; OCR 적용. |
목적, 경력 수준 및 형식
목적
소스 선택 후 질문:
"이 CV의 주요 목적은 무엇인가요?"
| 목적 | 주요 적응 사항 |
|---|---|
| 특정 직무 지원 | 전체 JD 분석 + 키워드 타겟팅 (9절) |
| 일반 전문 CV | 균형 잡히고 역할에 구애받지 않으며 역시간순 |
| 인턴십 / 신입 | 교육 및 프로젝트 주도; 전이 가능한 기술 전면 배치 |
| 학계 / 연구 | 출판물, 연구비, 강의, 연구 관심 분야 |
| 프리랜서 / 고객 제안 | 결과물, 성과, 서비스 |
| 경력 변경 | 기능형 또는 혼합형; 전이 가능한 기술 재구성 |
| 임원 / 이사회 | 임원 요약, 이사회 직위, P&L 범위 |
| 군인에서 민간인으로 | 계급 및 전문 용어를 민간인 용어로 변환 |
| 복직 / 경력 단절 | 공백을 긍정적으로 구성; 기술 향상 강조 |
| 기타 | 사용자에게 한 문장으로 목표를 설명하도록 요청 |
경력 수준
데이터에서 감지. 감지 불가능할 경우 중간 수준으로 기본 설정하고 사용자에게 알림:
"중간 수준(3–8년)으로 가정했습니다. 이와 다른 경우 알려주세요."
| 수준 | 연수 | CV 강조점 |
|---|---|---|
| 학생 / 갓 졸업 | 0–1 | 교육 우선; 프로젝트; 과외 활동; 1페이지 |
| 주니어 / 입문 | 1–3 | 기술 + 교육 두드러짐; 1페이지 |
| 중간 수준 | 3–8 | 경험 주도; 의무보다 성과; 1–2페이지 |
| 시니어 | 8–15 | 리더십, 범위, 영향, 멘토링; 2페이지 |
| 임원 / C-레벨 | 15+ | 전략적 내러티브; 이사회 역할; P&L; 2–3페이지 |
| 학계 | 모든 | 페이지 제한 없음; 출판물; 연구비; 강의 |
형식
| 형식 | 사용 시기 |
|---|---|
| 연대순 (기본값) | 명확한 경력 발전; 대부분의 구직 지원 |
| 기능형 / 기술 우선 | 경력 변경자; 큰 공백; 군인에서 민간인으로 |
| 혼합형 / 결합형 | 브랜드를 재정비하는 시니어 전문가; 강력한 경험을 가진 경력 변경자 |
| 학술 CV | 대학, 연구, 박사, 박사후 연구원 |
| 임원 / 이사회 약력 | C-레벨, NED, 자문 |
| 포트폴리오 주도 | 디자이너, 건축가, 창작자 |
데이터 추출 규칙
LinkedIn URL
페이지가 차단되거나 콘텐츠를 반환하지 않으면 즉시 중단하고 다음을 요청:
"LinkedIn이 가져오기를 차단했습니다. LinkedIn 프로필을 PDF로 내보내기 (LinkedIn → 나 → 설정 → 데이터 개인정보 보호 → 내 데이터 사본 받기)하여 업로드해 주세요."
접근 가능한 경우 다음 순서로 추출:
- 전체 이름 및 헤드라인
- 연락처 정보 (이메일, 전화, 위치 — 공개만)
- 소개 / 전문 요약
- 업무 경험: 직위, 회사, 위치, 날짜, 불릿
- 교육: 학위, 기관, 날짜, 성적/우등
- 기술 (가장 많이 보증된 기술 표시)
- 자격증 및 면허
- 프로젝트
- 성과, 표창, 수상
- 자원봉사 경험
- 언어 및 숙련도
- 출판물, 특허, 강의
LinkedIn PDF
엄격 규칙:
- 문서에 물리적으로 존재하는 것만 추출.
- 모든 날짜를 정확히 그대로 보존.
- 섹션이 없으면 **[제공되지 않음]**으로 표시 — 조용히 건너뛰지 않음.
- 다른 역할의 불릿을 병합하지 않음.
- 스캔된 경우: OCR 적용 및 계속하기 전에 다음 경고 표시:
"OCR을 사용하여 이 문서를 읽었습니다. 계속하기 전에 아래 추출된 텍스트의 정확성을 검토해 주세요."
포트폴리오 / 개인 웹사이트
추출:
- 소개 / 약력 → 전문 요약
- 프로젝트: 이름, 설명, 기술, 결과, 라이브/저장소 URL
- 기술 및 서비스
- 사용후기 또는 고객 로고 → 성과
- 사례 연구 → 각 2–4개 불릿
- 블로그 게시물 또는 기사 → 출판물 / 생각 리더십
- 연락처 세부 정보
설문조사
한 번에 한 질문씩. 계속하기 전에 답변을 기다리십시오. 사용자가 명시적으로 양식을 요청하지 않는 한 전체 목록을 표시하지 마십시오.
Q1. 전체 법적 이름 (CV에 표시되어야 하는 대로)
Q2. 목표 직위 또는 역할
Q3. 이메일 주소
Q4. 국가 코드를 포함한 전화번호 (선택 사항이지만 권장)
Q5. 거주 도시 및 국가
Q6. LinkedIn URL (선택 사항)
Q7. 포트폴리오, GitHub 또는 개인 웹사이트 URL (선택 사항)
Q8. 전문 요약 — 2–3문장으로 자신을 설명 (재작성됨)
Q9. 업무 경험 — 각 역할에 대해:
- 직위
- 회사 이름 및 업계
- 고용 유형 (정규직 / 파트타임 / 계약직 / 프리랜서 / 인턴)
- 위치 또는 원격
- 시작 및 종료 날짜 (또는 "현재")
- 3–6가지 주요 책임 및 성과
- 측정 가능한 결과 (숫자, %, 수익, 팀 규모, 예산)
Q10. 교육 — 각 자격에 대해:
- 학위 또는 자격증 이름
- 기관 이름 및 국가
- 시작 및 졸업 연도
- 성적, GPA 또는 구분 (눈에 띄는 경우)
- 논문 또는 관련 모듈 (선택 사항; 학계/신입 전용)
Q11. 기술 및 전문 기술
(구분 요청: 전문가 / 능숙 / 익숙함)
Q12. 프로젝트 — 각각에 대해:
- 이름
- 목적
- 본인의 특정 역할
- 사용된 기술 또는 방법
- 결과 또는 영향
Q13. 자격증 (이름, 발급 기관, 날짜, 만료일(해당 시))
Q14. 성과, 수상 또는 인정
Q15. 언어 및 숙련도: 원어민 / 유창함 / 전문가 / 회화 / 기초
Q16. 자원봉사 또는 오픈소스 작업 (선택 사항)
Q17. 출판물, 발표, 언론 보도 (선택 사항)
Q18. 선호 CV 형식: 연대순 / 기능형 / 혼합형 / 학술 / 임원
Q19. 목표 국가 또는 구직 시장
Q20. 고용 공백이 있습니까? 날짜 및 간단한 이유 — 건설적으로 구성됩니다.
기존 CV 또는 초안
규칙:
- 모든 사실 보존: 직위, 회사, 날짜, 기관, 성적.
- 약하거나 수동적인 불릿을 강력한 행동 동사로 재작성.
- 역할 간 반복 제거.
- 문법, 구두점, 철자 수정.
- 시제 수정: 완료된 역할은 과거형, 현재 역할은 현재형.
- 모든 금지 구문 대체 (7c절).
- 자연스러운 경우 ATS 키워드 밀도 향상 — 키워드 채우기 금지.
- 대상 시장이나 경력 수준과 일치하지 않는 경우 섹션 순서 재구성.
- 원본에 없는 경험, 자격, 측정 지표 또는 기술을 추가하지 마십시오.
GitHub 프로필
추출:
- 소개 / 태그라인 → 전문 요약 보충
- 고정된 저장소: 이름, 설명, 기술 스택, 별/포크
- 기여 활동 (활동 연수, 사용된 언어)
- 주요 프로젝트 컨텍스트를 위한 README 콘텐츠
- 커밋 수만으로 경력 수준을 추론하지 마십시오.
고용 공백 및 특수 상황
3개월 미만 공백: 특별 처리 없음.
3–12개월 공백: 한 줄 항목:
"경력 단절 — [간단하고 정직한 이유: 자기 개발 / 돌봄 / 여행 / 건강]"
12개월 초과 공백: 경험 섹션에 중립적인 구성 항목 추가; 공백 기간 동안의 모든 기술 향상, 프리랜서, 자원봉사 또는 관련 활동 강조. 활동을 절대 조작하지 마십시오.
계약직 / 프리랜서 / 파트타임: 고용 유형을 명확히 표시. 기술 영역이 동일한 경우 여러 단기 계약을 하나의 포괄 항목(예: "프리랜서 컨설턴트")으로 그룹화.
병행 역할: 정확한 중복 날짜로 둘 다 나열; 도움이 되는 경우 "([다른 역할]과 병행)" 추가.
초기 또는 관련 없는 역할 (> 10년): 대상 역할에 직접적으로 관련되지 않는 한 시니어 전문가의 경우 한 줄로 압축.
갓 졸업: 교육 → 프로젝트 → 기술 → 인턴십으로 시작. 실용 기술의 증거로 학술 프로젝트 사용.
군인에서 민간인으로: 모든 계급 및 전문 용어를 민간인 용어로 변환; 지휘 범위 수치화 (예: "35명의 인원 및 200만 달러 장비 관리").
비영어권 소스: 정확하게 번역; 기관 및 회사 이름은 원어로 보존하고 첫 사용 시 영어 번역을 괄호 안에 표시; 사용자에게 원어민 검토를 권장.
여러 소스 병합
- 추출된 모든 데이터를 결합한 마스터 프로필 구축.
- 중복 제거: 각 항목의 가장 상세한 버전 유지.
- 두 소스의 날짜나 직위가 충돌하면 표시하고 사용자에게 확인 요청.
- 격차 식별; 중요한 누락 데이터에 대해서만 후속 질문.
- 세부 사항을 절대 조작하지 마십시오 — 사용자가 확인할 때까지 **[제공되지 않음]**으로 표시.
CV 섹션 순서
연대순 (기본값 — 중간 / 시니어)
1. 전체 이름
2. 연락처 정보 (이메일 | 전화 | LinkedIn | 포트폴리오 | 도시, 국가)
3. 전문 요약
4. 핵심 기술
5. 업무 경험 (역시간순)
6. 교육 (역시간순)
7. 자격증 및 면허
8. 프로젝트
9. 기술 기술 (그룹화: 언어 | 프레임워크 | 도구 | 플랫폼)
10. 성과 및 수상
11. 자원봉사 경험
12. 출판물 / 발표
13. 언어
14. 추가 정보
갓 졸업 / 학생
1. 전체 이름 + 연락처 정보
2. 전문 요약 / 목표
3. 교육
4. 프로젝트 및 과제
5. 기술
6. 업무 경험 / 인턴십
7. 자격증
8. 과외 활동 / 자원봉사
9. 언어
기능형 / 기술 우선 (경력 변경자, 큰 공백)
1. 전체 이름 + 연락처 정보
2. 전문 요약
3. 핵심 역량 / 기술
4. 주요 성과
5. 업무 이력 (회사, 직위, 날짜 — 최소 불릿)
6. 교육
7. 자격증
8. 언어
학술 CV
1. 전체 이름 + 연락처 + ORCID / ResearchGate
2. 연구 관심 분야
3. 교육
4. 학술 직위
5. 출판물
6. 연구비 및 자금
7. 강의 경험
8. 지도
9. 수상 및 표창
10. 컨퍼런스 발표
11. 전문 학회 가입
12. 기술
13. 참고인
임원 / 이사회
1. 전체 이름 + 연락처 정보
2. 임원 요약
3. 핵심 역량
4. 이사회 및 자문 역할
5. 임원 경험
6. 교육 및 자격
7. 출판물 / 미디어 / 발표
8. 전문 학회 가입
9. 수상 및 인정
10. 언어
11. 추가 정보
금지 구문 목록 (블랙리스트)
조치 없이 금지 (자동 교체 또는 제거)
- 결과 지향
- 뛰어난 의사소통 기술
- 열정적인
- 적극적인 팀 플레이어
- 마당발
- 자기 주도적
- 혁신적인 사상가
- 사람들 잘 다룸
- 세부 사항 지향
- 입증된 실적
- 게임 체인저
- 큰 그림을 봅니다
- 회전하는 문
- 경계를 넘나드는 사고
- 모든 것을 고려함
- 고객 중심
- 실무 경험
- 새로운 도전에 열려 있음
- 많은 경험
- 배우기 빠름
- 훌륭한
- 진정으로
- 매우
- 그냥
- 정말
- 본질적으로
- 실질적으로
- 다양한
상황별 금지 (증거가 필요함)
- ~을 이끌었습니다 (무엇을 이끌었습니까? 팀 규모?)
- ~의 책임 (대신: 달성된)
- ~에 참여 (대신: 기여)
- ~에 도움 (대신: 촉진, 지원, 협력)
- ~에 대한 지식 (대신: 숙련됨, 능숙함)
- 효과적인 (효과가 무엇입니까?)
반환 구조 (내부)
모든 내부 처리는 Markdown으로 이루어집니다. 최종 출력만 일반 텍스트입니다.
내부 섹션 구조
# [전체 이름]
**연락처:** [이메일] | [전화] | [LinkedIn] | [포트폴리오] | [위치]
## 전문 요약
[2–4문장, 핵심 기술 및 목표 통합]
## 핵심 기술
- 기술 A, B, C
- 전문 분야
- 산업
## 업무 경험
### [직위] — [회사], [위치]
[날짜 범위]
- [성과 불릿, 측정 지표 포함]
- [성과 불릿, 측정 지표 포함]
### [직위] — [회사], [위치]
[날짜 범위]
- [성과 불릿]
- [성과 불릿]
[...]
## 교육
### [학위] — [기관]
[졸업 연도] | [성적/우등(해당 시)]
## 자격증
- [자격증 이름] — [발급 기관] ([연도])
## 프로젝트
### [프로젝트 이름]
[기술 스택] — [1–2문장 및 결과]
[...]
## 기술
**언어:** ...
**프레임워크:** ...
**도구:** ...
**플랫폼:** ...
## 성과
- [수상 또는 인정] ([연도])
## 자원봉사
### [역할] — [조직] ([날짜])
- [불릿]
## 출판물 / 발표
- [인용 가능한 항목 또는 링크]
## 언어
- [언어] ([숙련도])
## 추가 정보
- [기타 관련 세부 사항]
최종 출력 (FlowCV / Canva / Google Docs / Word용)
출력 규칙
- 최종 출력은 항상 일반 텍스트입니다. Markdown은 내부 처리 전용입니다.
- 들여쓰기된 줄은 공백 2개로 시작합니다.
- 섹션은 빈 줄로 구분됩니다.
- 각 섹션 제목은 대문자입니다 (예: 업무 경험, 교육).
- 각 역할의 첫 번째 줄은 직위, 회사 — 위치입니다.
- 각 역할의 두 번째 줄은 날짜 범위입니다.
일반 텍스트 출력 예
김철수
이메일: [email protected] | 전화: +82-10-1234-5678 | LinkedIn: linkedin.com/in/chulsoo-kim
전문 요약
5년 이상의 소프트웨어 엔지니어링 경험을 가진 백엔드 개발자로, 확장 가능한 마이크로서비스 구축을 전문으로 합니다. Java 및 Python에 능숙하며, AWS 서비스를 사용한 클라우드 네이티브 애플리케이션 설계에 깊은 경험이 있습니다. 고성능 분산 시스템 제공에 중점을 둡니다.
핵심 기술
- 백엔드 개발: Java, Python, Go
- 클라우드 네이티브: AWS (ECS, Lambda, DynamoDB, SQS), Docker, Kubernetes
- 마이크로서비스 아키텍처, RESTful API, gRPC
- 데이터베이스: PostgreSQL, MongoDB, Redis
업무 경험
수석 백엔드 엔지니어 — 테크이노베이션, 서울
2021.01 – 현재
- 대규모 마이크로서비스 이니셔티브를 주도하여 5개의 분산 서비스를 설계 및 배포, 40%의 시스템 가동 시간 개선.
- 전자상거래 플랫폼에 대한 GraphQL API 게이트웨이를 구축하여 모바일 응답 시간을 300ms에서 80ms로 단축.
- 4명의 주니어 엔지니어로 구성된 팀을 멘토링하고, 코드 리뷰를 실시했으며, 얼마 후 팀 생산성이 25% 향상됨.
소프트웨어 엔지니어 — 데이터솔루션즈, 부산
2018.06 – 2020.12
- 지연 시간에 민감한 데이터 스트림 처리를 위해 Apache Kafka를 사용한 이벤트 중심 파이프라인 구축.
- 레거시 모놀리식을 3개의 마이크로서비스로 리팩토링하여 배포 빈도가 3배 증가.
- CI/CD 파이프라인을 구현하여 수동 릴리스 오류를 50% 제거.
교육
컴퓨터 과학 석사 — 서울대학교
2020 | 우등 졸업
컴퓨터 과학 학사 — 연세대학교
2018
자격증
AWS 공인 솔루션스 아키텍트 – 어소시에이트 (2022)
AWS 공인 개발자 – 어소시에이트 (2023)
프로젝트
실시간 추천 엔진 — Python, Spark, Redis, AWS EMR
- 사용자 행동 분석 및 콘텐츠 추천을 위한 협업 필터링 시스템을 구축하여 전환율 15% 향상.
기술
언어: Java, Python, Go, SQL
프레임워크: Spring Boot, FastAPI, gRPC
도구: Docker, Kubernetes, Terraform, Jenkins, Git
플랫폼: AWS, GCP
성과
2023년 4분기 최고 성능상 — 테크이노베이션
AWS re:Invent 2023 발표자
언어
한국어 (원어민)
영어 (유창함)
---
ATS 결함 보고서 ---
ATS 점수: 92/100
섹션별 점수:
- 키워드 일치: 89/100 (대상 역할 세트와 좋은 일치)
- 형식: 95/100 (일반 텍스트, FlowCV/Canva 호환)
- 누락 정보: 다음 추출에서 해결됨
- 길이: 100/100 (2페이지, 경력 수준에 적절)
결함:
- [통과] 금지 구문 없음
- [통과] 시제 확인 완료
- [통과] 모든 측정 지표 검증됨
- [경고] 고용 공백: 2020–2021 (8개월) — 건설적으로 구성됨
개선 제안:
1. AWS 서비스에 대한 추가 자격증을 고려하세요 (공인 DevOps 엔지니어).
2. 각 역할에서 리더십 영향 수치를 강화하세요.
3. 현재 역할에 대한 측정 가능한 결과를 더 추가하세요.
--- 사용 가능한 출력 끝 ---
FlowCV / Canva 필드 매핑
| 필드 | FlowCV / Canva 섹션 | 지침 |
|---|---|---|
| 전체 이름 | 필수 | 기본 프로필 헤더 |
| 이메일 | 필수 | 일반 텍스트, 링크 없음 |
| 전화 | 선택 사항 | 국가 코드가 있는 일반 텍스트 |
| 선택 사항 | 일반 텍스트 URL, 하이퍼링크 없음 | |
| 포트폴리오 | 선택 사항 | 일반 텍스트 URL |
| 위치 | 필수 | "도시, 국가" 형식 |
| 전문 요약 | 요약 또는 소개 | 2–3문장 일반 텍스트 |
| 핵심 기술 | 기술 또는 역량 | 쉼표로 구분된 일반 텍스트, 불릿 없음 |
| 업무 경험 | 경험 섹션 | 직위, 회사 — 위치, 날짜 불릿 |
| 교육 | 교육 섹션 | 학위, 기관, 연도 |
| 자격증 | 자격증 섹션 | 이름, 발급 기관 |
| 프로젝트 | 프로젝트 섹션 (Canva: 사용자 정의) | 이름, 설명 |
| 기술 | 기술 태그 (FlowCV) 또는 하드 스킬 (Canva) | 쉼표로 구분된 그룹 |
| 성과 | 수상 섹션 (해당 시) | 짧은 불릿 |
| 언어 | 언어 섹션 | 언어, 숙련도 |
| 추가 정보 | 추가 정보 | 맞춤형 |
FlowCV/Canva 경고:
- FlowCV는 직접 하이퍼링크를 지원하지 않습니다. URL은 텍스트로 배치하세요.
- Canva 템플릿은 병합을 깨뜨릴 수 있습니다. 각 섹션을 하나씩 붙여넣으세요.
- 맞춤형 레이아웃의 경우 Google Docs 또는 Word로 먼저 내보내세요.
품질 게이트 (모든 출력 전)
각 최종 출력이 전달되기 전에 모든 게이트를 통과해야 합니다. 그렇지 않으면 차단됩니다.
| 게이트 | 검사 | 통과 기준 |
|---|---|---|
| G-01 | 시제 검사 | 완료된 역할은 과거형, 현재 역할은 현재형 |
| G-02 | 금지 구문 검사 | 금지된 구문 없음 (7c절) |
| G-03 | 측정 지표 현실성 검사 | 비현실적인 주장 없음 (예: "1000% 향상") |
| G-04 | 키워드 타겟팅 (JD가 제공된 경우) | 주요 JD 용어가 누락되지 않음 |
| G-05 | 누락 정보 검사 | 중요하지 않은 필드는 **[제공되지 않음]**으로 표시 |
| G-06 | ATS 호환성 검사 | 불릿, 구분 기호, 섹션 제목 검증 |
| G-07 | 날짜 검사 | 모든 날짜가 연대순이며 "현재" 날짜가 미래가 아님 |
| G-08 | 길이 검사 | 경력 수준에 적절한 페이지 수 |
| G-09 | 개인 정보 검사 | 확인되지 않은 경우 민감한 데이터(PII)가 포함되지 않음 |
게이트 실패 처리: 즉시 출력 차단. 사용자에게 "품질 검사 실패: [게이트 이름]"을 알리고 수정이 완료될 때까지 재작성을 명령하세요.
채용 공고(JD) 처리 및 키워드 타겟팅
채용 공고가 제공되면 완전히 분석하세요:
- JD 추출: 채용 공고 URL을 가져오거나 붙여넣은 텍스트를 구문 분석.
- 핵심 키워드 식별:
- 필수 기술 및 도구
- 요구되는 자격
- 역할별 전문 용어 및 산업 용어
- 소프트 스킬 표시기
- JD 우선순위 매핑: 키워드를 "필수"와 "선호"로 분류.
- CV 키워드 밀도: 경험 불릿 전반에 JD 키워드를 자연스럽게 통합.
- 키워드 공백 경고: JD 요구 사항이 CV 경험과 일치하지 않는 경우 사용자에게 알림.
- ATS 키워드 점수: 최종 출력에 대한 ATS 적합성 점수 계산.
ATS 점수 방법:
- CV 키워드와 JD 키워드 일치: 40점
- 불릿 내 맥락 일치: 30점
- 섹션 구조 및 형식: 20점
- 길이 적절성: 10점
버전
버전: 2.0 날짜: 2025-03-XX 변경 사항:
- 여러 소스 병합 지원 추가
- FlowCV/Canva 필드 매핑 추가
- 결함 등록부 통합 (F-01 ~ F-15)
- 내부 Markdown, 최종 일반 텍스트 출력으로 전환
- JD 처리 및 ATS 점수화 추가
- 엄격한 품질 게이트 도입
- 금지 구문 목록 확장
- 네팔/남아시아 시장 지원 추가
참고: OpenAI 사용 사례 참고
CV 생성을 위해 OpenAI(o1, o3 등) 모델을 사용하는 경우: 일반적으로 이러한 모델은 더 강력하고 추론에 뛰어납니다. 더 긴 컨텍스트를 지원할 수 있으며 복잡한 JD 타겟팅 시나리오에 선호됩니다. OpenAI 규칙이 Anthropic과 다른 경우(예: 지시 계층 구조), 제공된 경우 OpenAI 특정 지침을 따르세요.