ailabs-393/ai-labs-claude-skills

履歷管理員

概述

此技能將 Claude 轉變為一套全面的履歷管理系統，可維護您專業檔案的結構化資料庫，並針對特定求職申請產生專業排版、量身定制的 PDF 履歷。此技能會根據目標職位，智慧地選取並凸顯最相關的經歷、專案和技能。

何時使用此技能

在下列履歷相關任務中呼叫此技能：

• 為求職申請建立量身定制的履歷
• 更新專業經歷與專案
• 管理技能與認證
• 追蹤職涯發展
• 產生特定職位的履歷
• 維護完整的職涯作品集
• 優化履歷內容以符合 ATS 系統

工作流程

步驟 1：檢查是否已有資料

在進行任何履歷操作之前，先檢查資料庫是否已初始化：

python3 scripts/resume_db.py is_initialized

如果輸出為「false」，請繼續進行步驟 2（初始設定）。如果輸出為「true」，請繼續進行步驟 3（履歷操作）。

步驟 2：初始設定 – 從現有履歷中擷取資料

當沒有資料時，請要求使用者提供其現有履歷。

提示使用者：

為了協助您建立量身定制的履歷，我需要為您的專業檔案建立一個資料庫。
請透過以下任一方式提供您現有的履歷：

1. 上傳您的履歷檔案（PDF、DOCX 或 TXT）
2. 貼上您的履歷內容
3. 提供您的線上履歷/LinkedIn 個人檔案連結

我將從中擷取所有資訊，並將其整理成結構化資料庫，以便為不同的求職申請產生客製化的履歷。

從履歷中擷取資料：

一旦使用者提供履歷，請擷取下列資訊：

1. 個人資訊：

• 全名
• 電子郵件地址
• 電話號碼
• 地點（城市、州/國家）
• LinkedIn 個人檔案網址
• GitHub 個人檔案網址
• 個人網站
• 專業摘要/目標

2. 工作經驗： 對於每個職位，擷取：

• 職位/職稱
• 公司名稱
• 地點
• 開始日期（格式：「Mon YYYY」，例如「Jan 2022」）
• 結束日期（或「Present」）
• 簡短描述
• 主要亮點/成就（條列式）
• 使用的技術/工具

3. 專案： 對於每個專案，擷取：

• 專案名稱
• 日期或時間段
• 描述
• 主要亮點/成就
• 使用的技術
• 連結（如有）

4. 教育： 對於每個學位，擷取：

• 學位名稱（例如「資訊工程學士」）
• 學校/大學名稱
• 地點
• 畢業日期
• GPA（如有提及）
• 榮譽（如有）
• 相關課程

5. 技能： 擷取技能並分類：

• 程式語言
• 框架與函式庫
• 工具與技術
• 實務與方法論
• 軟技能

6. 其他部分：

• 認證（名稱、發證機構、日期）
• 獎項與榮譽
• 出版品
• 志工經歷
• 語言能力

儲存擷取的資料：

擷取完成後，使用 Python 儲存至資料庫：

import sys
import json
sys.path.append('[SKILL_DIR]/scripts')
from resume_db import initialize_from_data

resume_data = {
    "personal_info": {
        "name": "全名",
        "email": "[email protected]",
        "phone": "+1 (555) 123-4567",
        "location": "城市, 州",
        "linkedin": "linkedin.com/in/使用者名稱",
        "github": "github.com/使用者名稱",
        "website": "website.com",
        "summary": "專業摘要..."
    },
    "experiences": [
        {
            "position": "資深軟體工程師",
            "company": "公司名稱",
            "location": "城市, 州",
            "start_date": "Jan 2022",
            "end_date": "Present",
            "description": "簡短描述",
            "highlights": [
                "成就1，附帶量化結果",
                "成就2，附帶影響指標",
                "成就3，附帶使用的技術"
            ],
            "technologies": ["Python", "AWS", "Docker"]
        }
    ],
    "projects": [
        {
            "name": "專案名稱",
            "date": "2023",
            "description": "專案描述",
            "highlights": [
                "主要成就或功能",
                "影響或結果"
            ],
            "technologies": ["React", "Node.js", "PostgreSQL"],
            "link": "github.com/使用者名稱/專案"
        }
    ],
    "education": [
        {
            "degree": "資訊工程學士",
            "school": "大學名稱",
            "location": "城市, 州",
            "graduation_date": "May 2019",
            "gpa": "3.8/4.0",
            "honors": "優等榮譽",
            "relevant_coursework": ["資料結構", "演算法", "機器學習"]
        }
    ],
    "skills": {
        "Languages": ["Python", "JavaScript", "Java"],
        "Frameworks": ["React", "Django", "Spring"],
        "Tools": ["Docker", "AWS", "Git"],
        "Practices": ["Agile", "CI/CD", "TDD"]
    },
    "certifications": [
        {
            "name": "AWS Certified Solutions Architect",
            "issuer": "Amazon Web Services",
            "date": "2023"
        }
    ],
    "awards": [],
    "publications": [],
    "volunteer": [],
    "languages": ["中文 (母語)", "英文 (流利)"],
    "interests": []
}

initialize_from_data(resume_data)

將 [SKILL_DIR] 替換為實際的技能目錄路徑。

確認訊息：

已完成！我已擷取並儲存您的專業檔案：

• 個人資訊：✓
• 工作經驗：X 個職位
• 專案：X 個專案
• 教育：X 個學位
• 技能：X 個類別
• 認證：X 個認證

您的履歷資料庫已準備就緒。我可以為您申請的任何工作產生客製化的履歷。
只要告訴我職位名稱或描述，我就會建立一份量身定制的單頁 PDF，
凸顯您最相關的經驗和技能。

步驟 3：為求職申請產生量身定制的履歷

當使用者要求為特定職位建立履歷時：

步驟 3.1：了解目標職位

向使用者詢問該職位的相關資訊：

為了為此職位建立完美的履歷，我需要更了解該職位。

1. 職稱是什麼？
2. 您可以分享職位描述或關鍵要求嗎？
3. 提到的必備技能或技術有哪些？

步驟 3.2：擷取關鍵字與要求

從職位描述中，識別：

• 必需的技術技能
• 偏好的技術
• 主要職責
• 對 ATS 重要的關鍵字
• 產業特定術語
• 經驗程度指標

步驟 3.3：產生量身定制的履歷

使用 PDF 產生器建立客製化履歷：

import sys
sys.path.append('[SKILL_DIR]/scripts')
from pdf_generator import generate_resume

# 來自職位描述的關鍵字
job_keywords = [
    "python", "aws", "kubernetes", "microservices",
    "agile", "rest api", "postgresql", "docker"
]

job_title = "資深後端工程師"

# 輸出路徑
output_path = f"~/Downloads/{job_title.replace(' ', '_')}_Resume.pdf"

# 產生履歷
generate_resume(
    output_path=output_path,
    job_title=job_title,
    job_keywords=job_keywords
)

產生器將會：

• 篩選與關鍵字相關的經歷
• 選取符合職位的專案
• 凸顯適用的技能
• 保持在一頁以內
• 使用專業排版
• 針對 ATS 解析進行優化

步驟 3.4：檢視與迭代

產生之後：

1. 告知使用者 PDF 儲存的位置
2. 主動提供調整
3. 如果空間允許，建議額外的亮點
4. 針對特定要求推薦客製化選項

步驟 4：更新履歷資料庫

當使用者想要新增或更新資訊時：

新增工作經驗：

from resume_db import add_experience

new_exp = {
    "position": "首席軟體工程師",
    "company": "新公司",
    "location": "遠端",
    "start_date": "Mar 2024",
    "end_date": "Present",
    "description": "領導後端基礎設施團隊",
    "highlights": [
        "擴展服務以處理每日超過 5000 萬次請求",
        "透過最佳化將基礎設施成本降低 30%",
        "建立 CI/CD 管線，部署速度提升 10 倍"
    ],
    "technologies": ["Go", "Kubernetes", "PostgreSQL", "AWS"]
}

add_experience(new_exp)

新增專案：

from resume_db import add_project

new_project = {
    "name": "即時分析儀表板",
    "date": "2024",
    "description": "建立即時分析平台，每分鐘處理超過 100 萬個事件",
    "highlights": [
        "使用 Kafka 和 Redis 的串流架構實現",
        "使用 React 和 D3.js 建立互動式視覺化",
        "在複雜聚合上實現亞秒級查詢延遲"
    ],
    "technologies": ["React", "Kafka", "Redis", "Python", "TimescaleDB"],
    "link": "github.com/使用者名稱/analytics-dashboard"
}

add_project(new_project)

更新技能：

from resume_db import add_skill, update_skills

# 新增個別技能
add_skill("Languages", "Rust")
add_skill("Tools", "Terraform")

# 或更新整個技能字典
skills = {
    "Languages": ["Python", "Go", "JavaScript", "Rust", "SQL"],
    "Frameworks": ["Django", "FastAPI", "React", "Next.js"],
    "Cloud & DevOps": ["AWS", "Kubernetes", "Docker", "Terraform", "CI/CD"],
    "Databases": ["PostgreSQL", "MongoDB", "Redis", "Elasticsearch"],
    "Practices": ["Microservices", "TDD", "Agile", "System Design"]
}

update_skills(skills)

新增認證：

from resume_db import add_certification

cert = {
    "name": "Google Cloud Professional Architect",
    "issuer": "Google Cloud",
    "date": "2024",
    "credential_id": "ABC123",
    "link": "credentials.google.com/..."
}

add_certification(cert)

步驟 5：檢視與管理履歷資料

檢視摘要：

python3 scripts/resume_db.py summary

檢視特定部分：

# 個人資訊
python3 scripts/resume_db.py get_personal_info

# 所有經歷
python3 scripts/resume_db.py get_experiences

# 所有專案
python3 scripts/resume_db.py get_projects

# 教育
python3 scripts/resume_db.py get_education

# 技能
python3 scripts/resume_db.py get_skills

在所有資料中搜尋：

python3 scripts/resume_db.py search "機器學習"

匯出所有資料：

python3 scripts/resume_db.py export > resume_backup.json

步驟 6：履歷最佳化建議

在產生履歷時，提供以下最佳化建議：

內容最佳化：

• 使用動作動詞（領導、建立、設計、改善、減少）
• 包含量化指標（X% 改善、Y 位使用者、Z 營收）
• 調整亮點以符合工作需求
• 保持條列式簡潔（最多 1-2 行）
• 專注於影響，而不僅是職責

ATS 最佳化：

• 使用標準章節標題（經歷、教育、技能）
• 自然地包含職位描述中的關鍵字
• 避免使用表格、欄位、頁首/頁尾
• 使用標準字型（PDF 產生器預設使用）
• 首次出現時拼出縮寫：例如「應用程式介面 (API)」

單頁策略：

• 優先呈現近期與相關的經歷（最近 5-7 年）
• 每個職位包含 3-4 個條列點
• 最多限制 2-3 個專案
• 濃縮較舊或較不相關的經歷
• 除非特別要求，否則移除過時的技術

最佳實踐

1. 保持資料最新

   • 專案完成時更新經歷
   • 學習新技能時立即加入
   • 維護可量化的成就
   • 取得認證後立即記錄

2. 撰寫有效的條列點

   • 以動作動詞開頭
   • 包含指標與成果
   • 顯示進展與影響
   • 使用 STAR 方法（情境、任務、行動、結果）

3. 策略性地組織技能

   • 按類別分組以保持清晰
   • 將最相關的技能置前
   • 移除過時的技術
   • 如實說明熟練程度

4. 為每份履歷進行客製化

   • 比對職位描述的關鍵字
   • 強調相關經歷
   • 依相關性重新排列條列點
   • 調整技術技能部分

5. 保持專業語氣

   • 使用第三人稱暗示（避免使用「我」）
   • 語言簡潔明瞭
   • 除非是業界標準，否則避免使用行話
   • 校對以找出錯誤

範例互動

範例 1：初始設定

使用者：「幫我建立求職用的履歷」

Claude：[檢查資料庫 – 發現未初始化]

為了協助您建立量身定制的履歷，我需要為您的專業檔案建立一個資料庫。
請透過以下任一方式提供您現有的履歷：

1. 上傳您的履歷檔案（PDF、DOCX 或 TXT）
2. 貼上您的履歷內容
3. 提供您的線上履歷/LinkedIn 個人檔案連結

[使用者提供履歷]

Claude：[擷取資料並初始化資料庫]

已完成！我已擷取並儲存您的專業檔案：
• 個人資訊：✓
• 工作經驗：3 個職位
• 專案：2 個專案
• 教育：1 個學位
• 技能：4 個類別
• 認證：2 個認證

您的履歷資料庫已準備就緒！告訴我您正在申請的職位，
我就會產生一份客製化的單頁 PDF 履歷。

範例 2：為特定職位產生履歷

使用者：「我需要一份資深後端工程師職位的履歷，公司是一家金融科技新創」

Claude：[資料庫已初始化]

太好了！為了為這個資深後端工程師職位建立完美的履歷，
您是否可以分享職位描述或告訴我關鍵要求？

使用者：[分享職位描述，提及 Python、AWS、微服務、PostgreSQL 等]

Claude：[擷取關鍵字：python, aws, microservices, postgresql, fintech, api]

[使用相關經歷和專案產生 PDF]

我已為您建立量身定制的履歷：~/Downloads/資深後端工程師_Resume.pdf

這份履歷凸顯了：
✓ 您擁有 5 年 Python 與 …

…（其餘內容已截斷）