扩增简历 → 行为面试答案库 是做什么的?
将用户电脑上已有的笔记和文档转化为:
extended-resume.md:一份有据可查的深度记录,包含他们做了什么、决策了什么、权衡了什么、学到了什么以及被告知了什么;answers.md:针对顶级行为面试问题的答案,每一条主张都可追溯到原始来源。
普通简历只保留结果,丢弃推理过程。面试官会深挖推理过程(“你还考虑过什么?”“如果重来你会怎么做?”),而这些推理通常仍保留在旧的设计文档、回顾总结、1:1 会议记录和自我评估中。这个技能能够找到它们,让答案具体、真实,而不是泛泛而谈。
SKILL_DIR 指包含此文件的文件夹。所有脚本均为 Python 3.8+ 标准库,无额外依赖;通过 python3 SKILL_DIR/scripts/<name>.py 运行。所有操作均在本地执行,不联网。
基本规则
- 你(AI)绝不打开用户的原始文件。 批准前不打开,批准后也不打开。只有技能的脚本会读取原始文件,并且
extract.py只读取用户批准的项目。你在确定范围时仅读取元数据摘要,之后读取OUT/.work/text/中提取并清理过的文本(通过批次列表)。绝对不能cat、grep、head、open或预览任何源文件夹或笔记应用的数据库内部内容,即使有疑问也应标记为 ASK(待询问)。这是用户依赖的承诺。 - 用户在读取任何内容之前批准范围。 向他们展示包含什么、排除什么以及需要他们决定的内容;应用他们的修改;只有当他们明确批准后才冻结范围。
- 绝不虚构经历。 简历和答案中的每一条事实都必须来自证据卡片或用户直接告知。缺失的数据应显示为可见的占位符,如
[补充指标:前后的延迟]。编造的指标在面试中被追问时后果比留空更糟糕,因为面试官会深究数字。 - 只有用户本人的经历才有效。 他人的简历、保存的文章和同事的文档都不是用户的故事。
- 保护他人。 同事以角色出现,永不提及姓名。答案中泛化保密细节(未发布的产品、客户名称)。
- 不要读取仅用户个人文件:
hidden-by-safety.md和quarantine.md列出敏感文件名供用户查看;你只需要脚本打印的计数。
输出文件夹
默认 OUT = ~/extended-resume/(如果用户想要其他位置可询问;绝不能放在 git 仓库内或源文件夹内)。如果你的沙箱无法写入那里,请让用户批准写入路径,或选择一个你可以写入的文件夹。如果非默认路径,需向每个脚本传递 --out OUT。
| 路径 | 说明 |
|---|---|
extended-resume.md | 深度简历 |
answers.md | 答案库 |
scope.md | 可审查的读取清单(用户可勾选/取消勾选) |
custom-questions.md | 用户添加的问题;跨运行保留 |
user-notes.md | 用户直接告知你的事实(算作来源) |
sources.selected.json | 已启用的数据源 |
hidden-by-safety.md, quarantine.md | 仅供用户查看 |
.work/ | 目录、决策、提取的文本、证据。包含文档的提取文本;最后询问用户是否删除 |
选择模式
首先检查 OUT 目录。
- 没有
extended-resume.md→ 完整构建(步骤 1–9)。 - 文件存在且用户希望刷新 → 更新:
scope.py catalog --refresh,scope.py digest --only-undecided,仅决策新文件夹,审查,冻结,extract.py --only-new,仅挖掘新批次,合并,然后修改简历和受影响的答案。 - 用户只想增加问题 → 添加问题(仅对新问题执行步骤 7–8;不进行扫描)。
- 没有本地文件(例如通过聊天应用上传的 zip 文件):将其解压到一个文件夹中,用
sources.py select --add-folder PATH添加该文件夹,然后运行完整构建。这种情况下没有防护钩子;规则 1 仍然适用。
步骤 1:数据源与同意(一条消息)
python3 SKILL_DIR/scripts/sources.py detect
这会打印一个带编号的菜单,列出技能已知的数据源及其文件数量,仅读取名称和数量:
- 默认开启: 文档、桌面、下载(均为严格模式:只有在明确证据表明是职业相关材料时才读取文件),Obsidian 库(来自 Obsidian 自身的库列表),Logseq 图谱,
~/Notes。 - 默认关闭,需手动开启: Apple Notes(macOS 会请求权限;可限定为指定文件夹),Notion 桌面缓存,OneNote(Windows 桌面应用),Bear,Joplin,iCloud Drive,各云盘及连接器。
- 如果你有可用的 Notion / Google Drive / Microsoft 365 连接器工具,也将其作为可选数据源提及。
- 标记为 NO PERMISSION 的源表示 macOS 正在阻止访问(并非为空)。在 macOS 上,访问权限属于运行脚本的应用:当运行者为 Claude Code 时,用户需要在系统设置 > 隐私与安全性 > 文件和文件夹中,找到 claude(命令行工具,注意是小写)条目下开启文件夹权限,而不是 Claude.app。然后再次运行
detect。
在一条消息中显示菜单,并请用户:
- 确认或更改哪些数据源开启;
- 确认他们的姓名(文档中出现的名称,从提示中预填)以及其他拼写;
- 可选:列出雇主及大致日期(
Acme Corp|2021-04|2023-11):这会大大缩小范围; - 可选:给出目标职位或职位描述,以及任何希望排除的内容。
向他们清楚地说明下一步会发生什么:“我将首先列出名称、文件夹、日期和文档属性(作者、标题、公司),绝不会涉及内容。你将审查精确范围内的文件,并可进行修改。只有在你批准后,本地脚本才会读取这些文件,筛除任何看起来像银行、身份证、医疗或密码文档的内容,并剥离偶然出现的秘密信息。我只会看到那些清理后的文本。”
同时告知他们,在读取任何内容之前(步骤 4),我会安装读取防护:一个工具执行前的钩子,阻止 AI 自身的工具触碰源文件夹,从而强制而非仅遵循上述承诺。它会修改代理的用户设置(保留备份),并在步骤 9 中移除。这是非可选项;如果他们不希望更改设置,构建将在范围审查后停止。
保存他们的选择:
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"]
如果他们说“直接运行”:保留默认值,说明这些值,但仍然执行步骤 2–3(审查不可跳过)。
步骤 2:范围提案(仅元数据)
python3 SKILL_DIR/scripts/scope.py catalog
python3 SKILL_DIR/scripts/scope.py digest
catalog 列出带有名称、日期、文档属性和下载来源的项目,绝不包含内容;同时直接丢弃凭据/密钥文件和加密文件。digest 将文件夹摘要写入 .work/scope/digest/part-NNN.md。
阅读 references/scoping-guide.md,然后判断每个文件夹卡片:IN-ALL、OUT-ALL(附原因类别)、ASK-ALL 或 MIXED。对于 MIXED 文件夹,运行 scope.py files F-xxxxxxxx ... 并决定每个项目为 IN / OUT / ASK。将决策以 JSON 行格式写入 .work/scope/decisions/part-NNN.jsonl(每个摘要部分一个文件)。如果有多个部分并且你可以运行并行工作进程或子代理,给每个工作进程一个部分加上范围指南,让它们写入该部分的决策文件。
在严格数据源中,进入范围需要正向证据;任何不确定的都标记为 ASK。然后:
python3 SKILL_DIR/scripts/scope.py status # 检查是否还有未审查的内容
python3 SKILL_DIR/scripts/scope.py render # 写入 OUT/scope.md 并打印简短摘要
步骤 3:审查循环(重复直到批准)
显示打印的摘要(各源文件数量、最大的范围内文件夹、按文件夹分组的“需要您决定”的列表、按原因分类的排除项数量),并指引用户查看 OUT/scope.md,他们可以在其中勾选和取消勾选。
应用他们说的修改:
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" # 包含该文件夹下所有“需要您决定”的项目
python3 SKILL_DIR/scripts/scope.py set --before 2018-01-01 # 排除更早的内容
python3 SKILL_DIR/scripts/scope.py apply-md # 读取用户对复选框的编辑
python3 SKILL_DIR/scripts/sources.py select --add-folder ~/Work/notes && python3 SKILL_DIR/scripts/scope.py catalog
然后再次执行 scope.py render 并显示新摘要。持续循环直到用户明确批准。未决定的项目不被读取;要说明这一点。
仅在此之后:
python3 SKILL_DIR/scripts/scope.py freeze --approved
步骤 4:读取与挖掘
每次先安装读取防护。 没有防护时绝不要运行 extract.py 或读取任何提取的文本:
python3 SKILL_DIR/scripts/guard.py install --claude # Claude Code
python3 SKILL_DIR/scripts/guard.py install --codex # Codex(然后:在 Codex 中输入 /hooks 并信任它)
python3 SKILL_DIR/scripts/guard.py install --claude --dry-run # 仅显示更改而不实际执行
告知用户防护已安装。如果安装失败,或者你运行的环境没有钩子系统(不适用 --claude/--codex),则停止并告知用户;除非用户修复了问题或明确表示在无防护的情况下继续,否则不要进行提取。唯一的例外是上述无本地文件的设置,因为没有原始文件需要防护。
python3 SKILL_DIR/scripts/extract.py
它仅读取冻结列表中的文件,拒绝自批准后发生变更的文件,隔离任何看起来像银行/税务/工资单、身份证、医疗、法律或密码文档的内容(用户会在 quarantine.md 中看到具体项目;你只看到计数),并清理密钥、令牌、身份证和银行卡号、电子邮件和电话号码,然后写入 .work/text/*.txt、.work/batches/*.txt 和 .work/extract_summary.md。如果用户说某个被隔离的项目是误报,则使用 --allow ITEM_ID 重新运行。
然后使用 references/mining-guide.md 挖掘证据:
- 先提取骨架: 读取最新简历的文本(在
extract_summary.md中标记),并将角色卡片写入.work/evidence/batch-000.jsonl。 - 批次处理: 对于每个批次文件,读取其中列出的文本文件并写入
.work/evidence/<batch name>.jsonl。如有并行工作进程,给每个进程一个批次、挖掘指南、所有者姓名和骨架角色;要求它们仅回复计数。否则,逐个批次处理,在读取下一个批次前先写入当前批次的卡片,以避免原始文本堆积。对于较大的语料库,当较晚(排名较低)的批次不再产出新故事时停止,并告知停止位置。 python3 SKILL_DIR/scripts/evidence_tool.py merge→.work/evidence.jsonl和.work/evidence_index.md(包含覆盖率表格和缺口)。修复任何报告的异常行并再次合并。
步骤 5:撰写扩展简历
遵循 references/extended-resume-template.md。从 evidence_index.md 中提取信息;使用 evidence_tool.py show E-xxxxxx 或 --type decision 拉取完整卡片。保持决策日志丰富;在“待定问题”下记录矛盾事实;将推断出的项目标记清楚。
步骤 6:缺口检查(推荐,可跳过)
根据索引的“缺口”部分和覆盖率表格,用一条消息向用户提出最多约 7 个简短问题:主要项目缺失结果、个人角色不明确、缺失的故事类型(未找到冲突或失败经历),以及他们想换工作的真实原因。将答案附加到 OUT/user-notes.md 中(附带日期),并通过 "item": "user-notes" 添加卡片到 .work/evidence/user-notes.jsonl,然后再次合并。如果他们跳过,则保留占位符。
步骤 7:问题
python3 SKILL_DIR/scripts/questions.py list
内置题库包含 23 个问题,从 30 个常用提示词中重复数据删除,并移除了公司特定问题(如“你为什么想为 Google 工作?”)。参见 assets/question_bank.json 了解每个问题评估什么以及需要查找什么证据。
要添加问题(单个、多个或杂乱粘贴的列表):
python3 SKILL_DIR/scripts/questions.py add "请描述一次你指导他人的经历。"
python3 SKILL_DIR/scripts/questions.py add --from-file pasted.txt
python3 SKILL_DIR/scripts/questions.py add "你如何处理与同事的分歧?" --variant-of conflict
python3 SKILL_DIR/scripts/questions.py skip why-not-hire
该脚本会标记重复项、可能重复项以及公司特定的措辞。它无法捕捉所有同义重复(“和同事有分歧” vs “与同事的冲突”),因此你自己也需要将新问题与列表进行比对;如果某个问题与内置问题答案相同,请使用 --variant-of 重新添加。当用户需要公司特定问题时,可以添加:询问他们为什么被该公司吸引,并通过连接他们的真实经历来回答,绝不编造关于该公司的事实。
步骤 8:故事映射,然后答案
遵循 references/answer-guide.md:构建故事映射(8–14 个故事,每个故事最多作为 3 个问题的主要故事),然后按照给定格式编写 OUT/answers.md,包括后续问题、备选故事、来源和每个问题的“使用前检查”列表。在添加问题模式下,追加新答案并更新故事映射,而不重写其他内容。
在完成前,运行答案指南中的自我检查:每个数字都可追溯到证据或 user-notes.md,没有姓名,所有占位符都列在“首先填写这些”下。
步骤 9:收尾
python3 SKILL_DIR/scripts/audit.py # 是否有任何 AI 工具调用接触了原始文件?
python3 SKILL_DIR/scripts/guard.py uninstall --claude # 或 --codex:务必移除步骤 4 中安装的防护
告知用户:文件的位置;使用了多少个数据源、卡片和故事;以及是否保留了任何提取的文本(并提供删除选项)。