简历制作技能#

数据驱动生成极简专业简历，输出为 PDF。

数据结构#

简历的所有内容存储在一个 JS 对象中，填入 HTML 模板即可渲染。结构如下：

javascript

{
  header: {
    name: '姓名',
    tagline: '职位 · X年经验 · 年龄',
    info: ['城市', '手机', '邮箱', '学历 · 专业 · 学校']
  },
  summary: '一段话的个人简介/职业摘要',
  workExperience: [
    {
      company: '公司名',
      date: '20XX.XX — 20XX.XX',
      role: '职位',
      items: ['工作成果1（用数据量化）', '工作成果2', ...]
    }
  ],
  projects: [
    {
      name: '项目名',
      alias: '项目别名/类型标签（可选）',
      date: '20XX.XX — 20XX.XX',
      link: '项目链接（可选，留空字符串）',
      desc: '项目一句话描述',
      items: ['成果1', '成果2', ...],
      tech: ['技能标签1', '技能标签2', ...]
    }
  ],
  education: [
    {
      school: '学校名',
      date: '20XX.XX — 20XX.XX',
      major: '学位 · 专业',
      items: ['亮点1', '亮点2', ...]
    }
  ]
}

工作流程#

流程 A：从零创建简历#

1. 信息收集 — 像简历顾问一样，分步引导用户提供信息（不要一次问太多）：

   • 第一步：姓名、目标职位、所在城市、手机、邮箱（选填项，不强制要求）
   • 第二步：工作经历（如有）
   • 第三步：项目经验（如有）
   • 第四步：教育背景
   • 每步收集完确认后进入下一步，用户随时可以补充
   • 注意：info 字段根据用户实际提供的内容动态生成，不要补全用户未提供的字段

2. 行业调研优化 — 使用 web_search 搜索目标岗位的最新招聘要求：

   • 搜索 "{职位} 招聘 要求" 和 "{职位} 简历 模板 通过率"
   • 提取高频关键词和核心能力要求
   • 将这些关键词融入简历摘要、工作成果描述中
   • 确保每条工作成果用数据量化（具体数字、百分比、金额）

3. 生成 HTML — 读取 assets/template.html，将 __RESUME_DATA__ 替换为实际数据 JSON，保存为 {名字}-{职位}.html

4. 生成 PDF — 使用 browser 工具：

   • 打开 HTML 文件
   • 执行打印/导出 PDF 操作
   • 保存为 {名字}-{职位}.pdf

5. 发送审核 — 将 PDF 发送给用户审核

6. 修改循环 — 用户提出修改 → 更新数据 → 重新生成 HTML → PDF → 发送

流程 B：优化已有简历#

1. 读取简历 — 读取用户提供的简历文件（支持 .html/.pdf/.txt/.md/.docx）
2. 提取结构化数据 — 将内容映射到上述数据结构
3. 跳转到流程 A 的步骤 2 — 行业调研优化 → 生成 → 审核

简历优化原则#

• STAR 法则：每条工作成果按 Situation-Task-Action-Result 组织
• 数据量化：优先使用具体数字（增长X%、节省X万、管理X人团队）
• 关键词匹配：根据目标职位 JD 融入高频关键词
• 一页原则：控制内容量，确保简历在 A4 一页内完整呈现
• 反向时间序：工作和教育经历按时间倒序排列

文件命名与存放#

• HTML： {名字}-{职位}.html
• PDF： {名字}-{职位}.pdf
• 文件存放于工作区（默认 /root/.openclaw/workspace/）
• 发送文件给用户时，同时说明文件存放路径

输出规范#

• 生成 HTML 后，使用 browser 工具打开 HTML 文件并导出 PDF
• PDF 发送给用户审核，同时说明存放路径（如：文件已保存至 /root/.openclaw/workspace/姓名-职位.pdf）
• 如用户提出修改，修改数据后重新走 HTML → PDF 流程
• 最终确认后，保留 HTML 和 PDF 两个文件