Resume Intelligence Hub

Uma metodologia opinativa + scaffolding para um repositório pessoal de gerenciamento de carreira orientado por IA. Agnóstico em relação a setor e senioridade, e disponível em chinês e inglês. A trilha de pesquisa/bolsas é opcional — a maioria dos usuários não precisará dela.

Quando usar esta habilidade

Use quando:

O usuário deseja criar um sistema pessoal de gerenciamento de currículo/CV do zero
O usuário tem currículos/CVs espalhados e deseja consolidá-los em uma única fonte de verdade
O usuário precisa definir uma meta ambiciosa e executar uma análise de lacunas entre sua posição atual e essa meta (o caso de uso da bússola de carreira)
O usuário precisa de geração de currículo sob medida para a descrição da vaga
O usuário deseja treinamento para entrevistas apoiado por sua biblioteca de experiências reais
O usuário está se inscrevendo para bolsas acadêmicas / financiamento de pesquisa e precisa de uma trilha de perfil de pesquisa (opcional)
O usuário pede para adotar esta metodologia para outra pessoa (amigo, familiar, colega)

Não use quando:

O usuário quer apenas um currículo escrito uma vez (nenhum hub necessário — escreva diretamente)
O usuário quer dicas genéricas de currículo sem infraestrutura

Filosofia central (as decisões de design não óbvias)

Estes são os pontos que fazem o hub funcionar. Preserve-os ao inicializar.

Fonte única de verdade — profiles/ contém dados factuais; currículos gerados são derivados. Currículos históricos são apenas para arquivo, nunca editados.
Travamento de posicionamento no AGENTS.md — o nível/setor da função alvo é declarado uma vez no topo do AGENTS.md; todo currículo gerado tende para ele. Mudar o alvo = editar um arquivo, não repetir o prompt a cada vez.
Separação de trilha dupla (se ativada) — recrutamento e inscrições para pesquisa/bolsas têm formatos, idiomas e ênfases totalmente diferentes. Suas fontes de dados são divididas: profiles/master.md vs profiles/research.md. Não mescle.
Sistema de verificação, apenas referências de caminho — originais sensíveis (documentos de identidade, contratos, certificados, cartas de nomeação, diplomas) NÃO são copiados para o Git. verification/references.md contém um índice de referências de caminho para locais locais/nuvem/URLs públicas. O repositório permanece compartilhável; os originais ficam fora do controle de versão.
Verificação cruzada com fontes públicas antes de inscrições de alto risco — antes de entrevistas para cargos seniores ou inscrições para bolsas, execute uma passagem verification/{data}-web-check.md para verificar cruzadamente cada alegação importante.
todo.md vs changelog.md — todo é apenas trabalho pendente; itens concluídos migram para changelog, com data, em ordem cronológica reversa. Sem marcas [x] obsoletas acumuladas.
Pastas por inscrição — cada tentativa vive em jobs/applications/{empresa}-{cargo}-{AAAA-MM-DD}/. Mesma empresa, segunda tentativa = segunda pasta.
Histórias STAR são um ativo separado — profiles/stories.md contém narrativas prontas para entrevistas, distintas do master.md factual.
Saída monolíngue — o hub é todo em chinês ou todo em inglês. Escolha um na inicialização; não misture.

Frameworks referenciados (cite-os pelo nome ao treinar)

Os workflows do hub são construídos sobre frameworks estabelecidos. Use o nome do framework explicitamente ao orientar o usuário — dá a ele vocabulário para pesquisar mais e sinaliza perícia.

Redação de bullets — Fórmula XYZ do Google (de Laszlo Bock, ex-VP Sênior de Pessoas do Google):

"Realizou [X] medido por [Y], ao fazer [Z]." Cada bullet responde: o que você fez, como o impacto foi medido e quais ações o produziram.

Quantificação — a regra de um número: cada bullet deve conter pelo menos um número (headcount, porcentagem, valor financeiro, prazo, escala). Bullets sem números são cortados na reescrita.

Narração de experiências — STAR (Situação, Tarefa, Ação, Resultado): o formato dominante para entrevistas comportamentais e redação de estudos de caso. Usado em profiles/stories.md.

CAR / PAR (Desafio-Ação-Resultado / Problema-Ação-Resultado) — alternativas mais simples quando STAR parece muito estruturado para bullets curtos.

Entrevistas comportamentais — BEI (Entrevista por Eventos Comportamentais, David McClelland): a metodologia subjacente às perguntas do tipo "conte-me sobre uma época em que...". Comportamento passado prevê comportamento futuro — prepare eventos específicos, não generalidades.

Posicionamento — Habilidades em T (McKinsey/IDEO): profunda expertise em uma vertical + fluência ampla em áreas adjacentes. Para cargos seniores, às vezes em formato π ou M (várias profundidades). Use ao ajudar um usuário a explicar seu valor único.

Propostas de bolsas — Catecismo de Heilmeier (George Heilmeier, ex-diretor da DARPA): nove perguntas que toda proposta de pesquisa deve responder. Use ao redigir a "base de pesquisa" e as seções de narrativa do projeto:

O que você está tentando fazer? (Articule objetivos sem jargão.)
Como é feito hoje e quais são os limites?
O que há de novo na sua abordagem e por que ela terá sucesso?
Quem se importa? Se você tiver sucesso, que diferença faz?
Quais são os riscos e retornos?
Quanto custará?
Quanto tempo levará?
Quais são os "exames" intermediários e finais para verificar o sucesso?
Qual é a sua estratégia de saída?

Planejamento de carreira — capital de carreira (Cal Newport, So Good They Can't Ignore You): habilidades raras e valiosas constroem alavancagem. Ao fazer análise de lacunas, pergunte: "Que capital você tem? Em que vale a pena investir?"

Definição de metas — SMART (Específico, Mensurável, Alcançável, Relevante, Temporal): usado em todo.md para tornar prioridades concretas.

Due diligence — triangulação: cada alegação importante precisa de ≥2 fontes públicas independentes antes da submissão. Base de workflows/verification.md.

Heurística de meta ambiciosa — "1-2 níveis acima, comp 1,2-3x, 70% de correspondência":

Funções alvo 1-2 níveis acima do cargo atual. Mudanças no mesmo nível raramente valem o custo da troca; 3+ níveis geralmente é ilusório.
Movimentos externos exigem um prêmio: piso 1,2-1,5x da compensação total atual; teto ambicioso 2-3x ao subir de nível E mudar de tipo de empresa (ex.: corporação → startup de alto crescimento com equity).
Candidate-se com ~70% de correspondência, não 100%. Espera-se que contratações seniores cresçam na função.
Indicação calorosa >> candidatura a frio (~10x de conversão). Invista na ativação da rede antes de se candidatar em massa.
Exceções: mudanças de carreira (corte salarial normal), rebaixamento por escolha, no teto do mercado, início de carreira (multiplicadores menores).
Base de workflows/jd-sourcing.md.

Compatibilidade com IDEs de IA

O arquivo de instrução canônico é AGENTS.md — o padrão entre IDEs (Claude Code, Cursor, Codex, Cline, Windsurf e outros o leem). O hub funciona com qualquer IDE de IA que carregue um arquivo de contexto Markdown. A seção de integração do readme.md orienta os usuários a conectá-lo à sua IDE específica (symlink para Claude Code legado, copiar/symlink para .cursor/rules/, .windsurfrules, .github/copilot-instructions.md, etc.).

Roteamento de intenção: qual fluxo executar

Antes de fazer qualquer coisa, descubra se um hub já existe no diretório de trabalho do usuário e o que o usuário está realmente pedindo:

Hub existe?	Intenção do usuário	Ação
Não	Construir um hub / consolidar currículos	Execute a entrevista bootstrap abaixo (P1–P7, depois Etapas 2–7)
Não	Análise de lacunas / personalização de JD / preparação para entrevista	Execute o bootstrap primeiro — você não pode analisar ou personalizar contra um `profiles/` vazio. Informe o usuário; depois execute a entrevista
Sim	Definição de direção / "para onde devo mirar a seguir" / análise de lacunas	Vá para `workflows/career-planning.md`. Pule esta seção
Sim	Qualquer outra coisa (busca de JD / personalização / entrevista / verificação / bolsa)	Vá para o `workflows/*.md` correspondente. Pule esta seção
Sim, mas `profiles/master.md` está ralo	Qualquer solicitação de workflow	Pause o workflow solicitado; alimente perfis a partir de materiais existentes primeiro (veja `workflows/career-planning.md` Etapa 1 aviso de "lixo na entrada")

Detectando um hub existente: procure por AGENTS.md + profiles/master.md no diretório atual (ou no diretório para o qual o usuário apontou).

Workflow de configuração: a entrevista bootstrap

Quando um usuário invoca esta habilidade para criar um novo hub, execute esta entrevista antes de criar qualquer arquivo. Faça uma pergunta de cada vez — não despeje todas as perguntas de uma vez.

Pergunta 1 — Idioma

"Este hub será em chinês ou inglês? Escolha um — os modelos não misturam idiomas."

cn → use templates/cn/
en → use templates/en/

Pergunta 2 — Materiais existentes (pergunte cedo, antes do posicionamento)

"Você tem currículos, CVs, portfólios ou documentos de biografia existentes? Aponte-me para os arquivos ou coloque-os em uma pasta. Vou lê-los primeiro — isso torna todas as outras perguntas mais fáceis de responder."

A maioria dos usuários já tem 1-5 currículos antigos. Ler estes antes de perguntar sobre posicionamento é crítico porque:

O agente pode inferir setor, senioridade e trajetória de carreira a partir do conteúdo real
O usuário raramente descreve bem seu próprio posicionamento no abstrato
Currículos antigos alimentam profiles/master.md na Etapa 4, economizando horas de digitação

Aceite qualquer formato (PDF, DOCX, Markdown, texto colado). Se fornecido, converta para Markdown e reserve-os — eles serão movidos para o diretório de arquivos do hub na Etapa 2.

Se o usuário não tiver nada ainda, tudo bem — prossiga. Apenas observe que levará mais tempo para preencher os perfis.

Pergunta 3 — Campo / Setor

"Em que campo ou setor você trabalha? (ex.: engenharia de software, finanças, saúde, design, academia, direito, marketing, manufatura, vendas…)"

Se os materiais da P2 foram fornecidos, proponha uma resposta com base no que você leu e confirme ("Parece que você está em {{campo}} — certo?"). Não assuma tecnologia. O hub de um designer é diferente do de um advogado, que é diferente do de um engenheiro de manufatura.

Pergunta 4 — Função alvo / senioridade

"Que funções você está mirando? (ex.: nível de entrada, contribuidor individual de nível médio, contribuidor individual sênior, gerente de primeira linha, diretor, VP/executivo, fundador, PI acadêmico)"

Isso se torna o "travamento de posicionamento" no AGENTS.md. Pergunte também o que deve ser enfatizado vs desenfatizado para esse nível. Exemplos de prompts a oferecer:

Para gestão sênior: enfatize tamanho da equipe, orçamento, P&L, interorganizacional, influência externa; desenfatize detalhes de execução individual
Para CI sênior: enfatize profundidade, qualidade do ofício, propriedade; desenfatize gestão de pessoas se não for relevante
Para mudança de carreira: enfatize habilidades transferíveis e narrativa de motivação

Pergunta 5 — Trilha de pesquisa / bolsas?

"Você também se inscreve para bolsas acadêmicas, financiamento de pesquisa ou precisa de uma trilha de publicações/patentes? (Se você só faz inscrições para empregos, responda não — é opcional.)"

não (a maioria dos usuários) → pule profiles/research.md, pule 科研/ ou research-archive/, pule o workflow de inscrição para bolsas, remova a linguagem de "trilha dupla" do AGENTS.md
sim → inclua research.md, arquivo de pesquisa, workflow de bolsas. Pergunte um acompanhamento: "Que tipos de bolsa você normalmente se inscreve?" (afeta os exemplos de cabeçalho do modelo)

Pergunta 6 — Idioma de saída para currículos

"Em que idioma seus currículos/CVs serão?"

Apenas chinês / apenas inglês / ambos (bilíngue por mercado-alvo)

Se bilíngue, o idioma do hub da P1 é o idioma de gerenciamento; o idioma de saída do currículo é escolhido por inscrição.

Pergunta 7 — Local do repositório

"Onde o repositório deve ficar? (Sugiro ~/github/<nome-do-usuario>-career ou ~/Documents/career-hub. Deve ser um local privado — nunca envie para um repositório remoto público.)"

Etapa 2 — Crie a estrutura de diretórios

Com base nas respostas, copie de templates/cn/ ou templates/en/. Remova os arquivos da trilha de pesquisa se P5 = não. Aplique as respostas à seção de posicionamento do AGENTS.md — outros arquivos de modelo são estruturados para que o agente os preencha através da conversa, não por mala direta (veja "Convenções de modelo para preenchimento de conteúdo" abaixo).

Estrutura de diretórios (versão em inglês):

.
├── profiles/
│   ├── master.md          # Fonte de dados de recrutamento
│   ├── research.md        # Apenas se a trilha de pesquisa estiver ativada
│   ├── skills.md
│   └── stories.md
├── jobs/
│   ├── templates/
│   ├── market-watch/
│   └── applications/
├── verification/
│   ├── references.md
│   └── credentials/
├── assessments/            # Testes de personalidade, feedback 360, etc. (opcional, referenciado pelo workflow de preparação para entrevista)
├── resumes-archive/
├── research-archive/       # Apenas se a trilha de pesquisa estiver ativada
├── AGENTS.md
├── readme.md
├── todo.md
└── changelog.md

Versão em chinês: traduza os nomes dos diretórios (resumes-archive/ → 简历/, research-archive/ → 科研/, credentials/ → 证书资质/). assessments/ permanece igual.

Por que não há output/ ou prompts/: a pasta por inscrição (jobs/applications/{empresa}-{cargo}-{data}/) já armazena currículo/carta/preparação gerados — um output/ de nível superior é redundante. Adicione prompts/ sob demanda se o usuário começar a curar modelos de prompt reutilizáveis.

Etapa 3 — Mova os materiais importados para o arquivo

Se a P2 forneceu currículos/CVs existentes, copie-os para resumes-archive/ e, se relevante, research-archive/. Mantenha os originais + adicione uma conversão para Markdown ao lado de cada um.

Etapa 4 — Alimente o AGENTS.md

Este é o arquivo mais importante. Percorra templates/<lang>/AGENTS.md preenchendo a seção de travamento de posicionamento a partir das respostas das P3 + P4. Se P5 = não, remova a seção da trilha de pesquisa.

Etapa 5 — Alimente perfis iniciais

Abra profiles/master.md. Dois cenários:

Se a P2 forneceu materiais: proponha um primeiro rascunho consolidando os currículos arquivados em master.md, depois peça ao usuário para preencher lacunas (contatos, resultados quantificados, funções recentes não presentes em currículos antigos).
Se não houver materiais: percorra seção por seção, começando pela função mais recente.

Etapa 6 — Inicialize o Git

git init
echo '.DS_Store' > .gitignore
echo '*.tmp' >> .gitignore
# NÃO coloque .gitignore no conteúdo do currículo
git add . && git commit -m "Scaffold inicial do hub"

Lembre ao usuário: apenas repositório remoto privado. Nunca envie para um repositório público do GitHub.

Etapa 7 — Apresente a lista de próximos passos

Não deixe o usuário olhando para um hub meio vazio. Digitalize os perfis alimentados e escreva uma lista de prioridades em todo.md sob "Prioridades desta semana". Itens típicos logo após o bootstrap:

Adicione números de P&L / orçamento / headcount para a função mais recente
Complete a seção de competências técnicas em profiles/skills.md
Execute o workflow de sourcing de JD para o cargo alvo

Zenine/resume-intelligence-hub

O que é resume-intelligence-hub?

Perguntar na sua IA favorita

Documentação