Job Hunting Hub - 求职全流程管理

依赖说明

本技能依赖以下技能，执行时会自动加载：

| 依赖技能 | 用途 | 必需 | |----------|------|------| | docx | 生成Word格式简历（.docx） | ✅ 必需 | | excel_master | 维护投递记录表（.xlsx） | ✅ 必需 | | tianyancha-cn | 企业信息查询（天眼查/企查查/爱企查） | ✅ 推荐 | | pdf | 生成PDF格式简历 | ⭕ 可选 | | topic_tracking | 公司信息实时追踪 | ⭕ 可选 |

⚠️ 执行此技能前，请确保已安装 docx、excel_master 和 tianyancha-cn 技能。

tianyancha-cn 技能说明

企业信息查询技能，支持：

🏢 企业基本信息（注册资本、成立时间、法人等）
👥 股东/高管信息
📊 财务数据
⚖️ 法律风险
📈 经营状况

来源：ClawHub | SkillHub

何时使用

用户需要整理个人经历、构建简历素材库
用户有JD需要匹配，想生成针对性简历
用户想查询目标公司的公开信息
用户想管理和跟踪投递进度
用户说"帮我找工作"、"准备简历"、"分析这个JD"、"查一下这家公司"等

核心功能模块

模块一：简历知识库构建

功能说明

将用户的所有工作相关经历系统化存储，形成可复用的简历素材库。支持自动模块化存储和标签管理。

知识库目录结构

./简历知识库/
├── 个人优势.md          # 核心竞争力总结
├── 技能清单.md          # 技术技能、软技能等
├── 工作经历/
│   ├── 公司A_职位.md
│   └── 公司B_职位.md
├── 项目经历/
│   ├── 项目名称A.md
│   └── 项目名称B.md
├── 教育背景.md
├── 证书资质.md
├── 其他亮点.md          # 爱好、志愿活动等可写入简历的内容
└── 索引.md              # 全局标签索引，快速定位素材

信息录入流程

步骤1：询问用户要录入的内容类型

个人优势
技能清单
工作经历
项目经历
教育背景
证书资质
其他亮点

步骤2：引导用户提供详细信息 根据不同类型，采集关键字段：

| 类型 | 关键字段 | |------|----------| | 工作经历 | 公司、职位、时间、职责、成果、技术栈、团队规模 | | 项目经历 | 项目名、角色、时间、背景、挑战、方案、成果、技术栈 | | 技能 | 技能名、熟练度、使用年限、应用场景 | | 个人优势 | 优势描述、支撑案例 |

步骤3：结构化存储

创建对应的md文件
使用标准模板格式（见templates/目录）

在文件头部添加标签：

---
tags: [后端, Java, 分布式, 高并发]
related_jd_keywords: [Java开发, 架构师, 技术专家]
highlight_level: high  # high/medium/low
---

步骤4：更新索引 在 索引.md 中维护全局标签索引，便于快速检索。

步骤5：同步到记忆（重要！） 将录入的关键信息同步写入 MEMORY.md：

工作经历 → 更新「工作经历索引」表
项目经历 → 更新「项目经历索引」表
技能清单 → 更新「核心技能标签」
求职偏好 → 更新「求职偏好」部分

⚠️ 必须执行此步骤，否则跨会话将无法回忆用户信息！

标签体系

职能标签：后端/前端/产品/运营/设计/数据分析...
技能标签：Java/Python/React/SQL/Figma...
行业标签：电商/金融/教育/医疗...
亮点标签：高并发/团队管理/从0到1/大厂经验...

模块二：JD智能匹配

功能说明

根据用户提供的JD，自动从简历知识库中提取最匹配的经历和技能，生成针对性的简历。

JD匹配流程

步骤1：解析JD 提取JD中的关键信息：

岗位名称
必备技能（must-have）
加分技能（nice-to-have）
工作年限要求
学历要求
行业偏好
核心职责
加分项

输出格式：

## JD解析结果

**岗位**：高级Java开发工程师
**年限要求**：3-5年
**学历要求**：本科及以上

### 必备技能
- Java/JVM
- Spring全家桶
- MySQL
- 分布式系统

### 加分项
- 高并发经验
- 金融行业背景
- 团队管理经验

### 核心职责
1. 负责核心系统架构设计
2. 指导团队成员技术成长
3. 解决技术难题

步骤2：知识库匹配 根据JD关键词，从知识库中检索匹配度最高的素材：

扫描所有文件的tags和相关关键词
计算 match_score（匹配分数）
按 highlight_level 和 match_score 排序

步骤3：生成针对性简历 根据匹配结果，生成简历文档：

文件命名：简历_{公司名}_{岗位名}_{日期}.md
存放路径：./简历输出/

简历生成原则：

相关性优先：只展示与JD高度相关的经历
亮点前置：最匹配的经历放前面
数据量化：强调可量化的成果
关键词命中：确保JD中的关键词在简历中出现
篇幅控制：根据JD复杂度调整篇幅，一般1-2页

步骤4：输出匹配报告

## 匹配报告

**匹配度**：85%

### 优势匹配
✅ Java开发经验（5年）- JD要求3-5年
✅ 分布式系统设计经验 - JD核心要求
✅ 高并发项目经验 - JD加分项

### 部分匹配
⚠️ 金融行业背景 - 有互联网金融经验，非传统金融

### 缺失项
❌ 团队管理经验 - JD提及但简历库无此素材

步骤5：更新投递记录表 将匹配度录入投递记录表中对应公司的行：

更新「简历匹配度」字段
更新「简历版本」字段

步骤6：AI筛选优化检测 进入「模块三：AI筛选优化」流程，确保简历能通过ATS筛选。

模块三：AI筛选优化

背景说明

越来越多的公司使用ATS（Applicant Tracking System）或AI系统进行简历初筛。据统计，约75%的简历在到达HR手中之前就被ATS过滤掉了。了解AI筛选机制，针对性优化简历，是提高通过率的关键。

AI筛选简历的常见机制

1. 关键词匹配（权重最高）

系统扫描JD中的关键词，检查简历中是否出现
匹配度 = 简历命中关键词数 / JD关键词总数
关键：技能名词、工具名称、行业术语必须准确命中

2. 技能权重评分

不同技能权重不同（必备技能 > 加分技能）
计算加权得分，低于阈值的简历被淘汰
关键：必备技能必须明确写出

3. 经验年限验证

检查工作经历的时间跨度
与JD要求对比，不符合的直接过滤
关键：时间线清晰，总年限达标

4. 格式解析能力

ATS需要正确解析简历内容
复杂格式（表格、图片、双栏）可能导致解析失败
关键：格式简洁，避免花哨排版

5. 语义理解（高级AI）

部分AI会理解上下文，判断经历真实性
识别"包装"过度或夸大的表述
关键：表述真实、具体、可验证

AI友好简历优化指南

优化原则一：关键词覆盖

操作方法：

提取JD中的所有关键词（技能、工具、方法论、行业术语）
确保每个必备关键词在简历中出现至少1次
加分关键词尽量出现

示例：

JD要求：熟悉Java、Spring Boot、MySQL、Redis，有分布式系统经验

❌ 差简历：
"有后端开发经验，熟悉主流技术栈"

✅ 好简历：
"5年Java开发经验，熟练使用Spring Boot框架，深入理解MySQL索引优化和Redis缓存策略，主导过分布式交易系统的设计与开发"

技巧：

使用JD原文的表述（如"Spring Boot"而非"Spring全家桶"）
关键词自然融入经历描述，不要堆砌
技能清单单独列出，方便AI抓取

优化原则二：格式简洁可解析

推荐格式：

个人简历.docx / 个人简历.pdf（纯文本版）

结构：
1. 个人信息（姓名、联系方式）
2. 个人优势/职业总结（3-5条）
3. 技能清单（分类列出）
4. 工作经历（倒序）
5. 项目经历
6. 教育背景
7. 其他（证书、语言能力）

避免：

❌ 表格嵌套表格
❌ 双栏/多栏布局
❌ 图片、图标、装饰元素
❌ 特殊字体、颜色
❌ 头像（除非明确要求）
❌ 页眉页脚放重要信息

原因：这些元素可能导致ATS解析错误或丢失内容。

优化原则三：技能表述标准化

使用行业通用术语： | 建议写法 | 避免写法 | |----------|----------| | Java、Spring Boot、MyBatis | 后端框架 | | MySQL、PostgreSQL | 数据库 | | Redis、Memcached | 缓存 | | Docker、Kubernetes | 容器化 | | 微服务架构 | 分布式 |

技能等级表述：

精通：5年+实战经验，能解决复杂问题
熟练：3-5年经验，独立完成开发
熟悉：1-3年经验，基本使用
了解：有接触，能看懂代码

优化原则四：量化成果

AI更容易识别带数字的成果：

❌ 模糊表述：
"负责系统优化，提升了性能"

✅ 量化表述：
"主导核心交易系统优化，将接口响应时间从800ms降至50ms，QPS从1000提升至10000，支撑双11峰值流量"

量化维度：

性能：响应时间、QPS、吞吐量
业务：用户数、GMV、转化率
团队：管理人数、项目规模
成本：节省资源、降本幅度

优化原则五：关键词密度合理

避免两个极端：

❌ 关键词过少：匹配度低，被过滤
❌ 关键词堆砌：被AI识别为作弊

合理密度：

核心技能词出现2-3次（不同上下文）
相关技能词出现1次即可
自然融入，不是生硬罗列

优化原则六：时间线完整

ATS会验证：

工作经历是否连续
空窗期是否过长
总年限是否符合要求

建议：

所有经历按时间倒序列出
空窗期可标注（如"学习充电"、"创业探索"）
每段经历明确起止年月

简历AI检测工具

生成简历后，可使用以下工具自检：

关键词覆盖检测：

将简历和JD文本对比
输出关键词覆盖率和缺失关键词列表
给出补充建议

格式可解析性检测：

检查简历格式是否符合ATS规范
提示可能解析失败的部分
给出格式优化建议

匹配度预评分：

## 简历AI检测报告

### 关键词覆盖率
- 必备技能：5/6 (83%) ⚠️ 缺少"Kubernetes"
- 加分技能：3/4 (75%)
- 行业术语：2/2 (100%)

### 格式检测
✅ 格式简洁，易于解析
✅ 无复杂表格和图片
⚠️ 建议：将技能清单移到工作经历之前

### 预估匹配得分：78/100
### 建议：
1. 补充Kubernetes相关经历
2. 在项目经历中增加分布式系统的具体描述

与JD匹配功能的联动

当用户使用「JD匹配」功能生成简历时，自动执行AI优化：

步骤5：AI筛选优化检测

关键词覆盖分析 → 提示缺失关键词
格式规范检查 → 生成ATS友好版本
输出优化建议 → 用户确认后修改

步骤6：生成多格式简历

使用 docx 和 pdf 技能生成多种格式：

| 格式 | 文件名 | 用途 | 使用技能 | |------|--------|------|----------| | Markdown | 简历_公司_岗位.md | AI可读，后续处理 | 原生支持 | | Word | 简历_公司_岗位.docx | 投递给HR | docx | | PDF | 简历_公司_岗位.pdf | 投递/打印 | pdf |

⚠️ 生成Word和PDF版本需要依赖 docx 和 pdf 技能。

模块四：公司信息查询

功能说明

查询目标公司的公开信息，帮助用户做出更明智的求职决策。查询结果会自动录入投递进度表。

查询维度

基础信息

公司全称、成立时间、注册资本
法人代表、股东结构
公司性质（国企/民企/外企/合资）
员工规模

融资信息

融资轮次、金额、时间
投资方背景
估值情况
上市状态及交易所

业务信息

主营业务、行业分类
核心产品/服务
技术优势/特点（技术栈、技术亮点）
业务发展趋势

口碑信息

员工评价（看准网、脉脉等）
行业口碑
风险提示（法律诉讼、经营异常等）

查询流程

步骤1：确认公司名称

用户提供的公司名可能不完整，先确认准确的公司全称
如果有歧义，列出可能的选项让用户确认

步骤2：调用企业查询技能

优先使用 tianyancha-cn 技能查询企业信息：

技能调用：tianyancha-cn
查询参数：{公司名}
返回数据：企业基本信息、股东高管、财务数据、法律风险、经营状况

tianyancha-cn 技能支持：

天眼查 API（数据质量高，需API Token）
企查查 API（数据质量高，需API Token）
爱企查（免费，无API，需网页查询）

💡 如果没有API Token，可使用 topic_tracking 技能配合 search_web 获取公开信息。

配合 search_web 工具补充查询：

{公司名} 技术栈 或 {公司名} 技术团队
{公司名} 员工评价
{公司名} 最新动态

步骤3：信息整合 将查询结果整合成结构化报告：

## 公司调研报告：XX科技有限公司

### 基础信息
- **成立时间**：2018年
- **注册资本**：5000万
- **公司性质**：民营
- **员工规模**：500-1000人

### 融资情况
- **融资状态**：C轮
- 2023年 C轮 2亿美元 红杉资本领投
- 2021年 B轮 5000万美元
- 当前估值：约10亿美元

### 业务信息
- **核心业务**：企业级SaaS服务
- **技术优势**：微服务架构、云原生技术栈、AI赋能
- 业务稳定增长，年营收约3亿

### 口碑评价
- 技术团队氛围好
- 产品竞争力强
- 加班情况适中

### 风险提示
- 无重大风险记录

步骤4：存档 将报告保存到 ./公司信息/{公司名}.md

步骤5：自动录入投递记录表（重要！） 提取关键信息，自动在投递记录表中创建一行记录：

| 字段 | 录入内容 | |------|----------| | 公司名称 | {公司名} | | 成立时间 | {成立年份} | | 注册资金 | {注册资本} | | 公司规模 | {员工规模} | | 公司性质 | {国企/民企/外企} | | 融资/上市状态 | {融资轮次/上市情况} | | 核心业务 | {主营业务} | | 技术优势/特点 | {技术亮点} | | 状态 | 待投递 |

⚠️ 必须执行此步骤，确保投递记录表与公司查询联动！

步骤6：询问用户意图 询问用户是否要投递该公司：

如果是 → 进入JD匹配流程
如果否 → 记录保留，后续可随时投递

模块五：投递进度管理

功能说明

自动生成并维护投递进度表格，帮助用户系统化管理求职进度。包含公司基础信息、匹配度评估、投递状态跟踪。

技能依赖

本模块依赖 excel_master 技能进行Excel表格操作：

创建投递记录表（.xlsx格式）- 首次使用时自动生成
自动录入公司信息
更新匹配度和状态
生成统计报表

⚠️ 执行前请确保已安装 excel_master 技能。 📝 投递记录表会在首次使用时动态创建，无需预先准备模板文件。

数据存储结构

主表格：./投递进度/投递记录表.xlsx

| 字段分组 | 字段名 | 说明 | 数据来源 | |----------|--------|------|----------| | 基础信息 | 序号 | 自动编号 | 系统生成 | | | 公司名称 | 目标公司 | 用户输入 | | | 岗位名称 | 投递岗位 | 用户输入 | | | 投递日期 | 提交申请的日期 | 自动记录 | | | 渠道 | 投递渠道 | 用户选择 | | 公司信息 | 成立时间 | 公司注册年份 | 查询公司时自动录入 | | | 注册资金 | 注册资本 | 查询公司时自动录入 | | | 公司规模 | 员工人数规模 | 查询公司时自动录入 | | | 公司性质 | 国企/民企/外企/合资 | 查询公司时自动录入 | | | 融资/上市状态 | A轮/B轮/已上市等 | 查询公司时自动录入 | | | 核心业务 | 主营业务方向 | 查询公司时自动录入 | | | 技术优势/特点 | 公司技术亮点 | 查询公司时自动录入 | | 匹配与进度 | 简历匹配度 | JD与简历匹配百分比 | 生成简历时智能计算 | | | 状态 | 当前投递状态 | 用户更新 | | | 面试轮次 | 面试进度 | 用户更新 | | | 下一步 | 下一步行动 | 用户/系统生成 | | 其他 | 简历版本 | 使用的简历文件名 | 系统记录 | | | 备注 | 其他信息 | 用户填写 |

简历匹配度计算

匹配度分为四个等级，自动标记颜色：

| 匹配度 | 等级 | 颜色标记 | 说明 | |--------|------|----------|------| | ≥85% | 高匹配 | 🟢 绿色 | 强烈建议投递 | | 70-84% | 良好匹配 | 🟡 浅绿 | 建议投递 | | 55-69% | 基本匹配 | 🟠 黄色 | 可以投递 | | <55% | 低匹配 | 🔴 红色 | 慎重考虑 |

投递状态说明

| 状态 | 说明 | 颜色标记 | |------|------|----------| | 待投递 | 已收集信息，未投递 | 白色 | | 已投递 | 已提交申请 | 🟡 黄色 | | 已回复 | HR已回复 | 🟢 浅绿 | | 面试中 | 正在面试流程 | 🔵 蓝色 | | 已offer | 已收到offer | 🟢 深绿 | | 已拒绝 | 用户拒绝offer | 🔴 深红 | | 已淘汰 | 未通过筛选 | ⚫ 灰色 |

进度更新流程

新增投递记录 当用户：

查询了公司信息
生成了针对性简历
明确表示要投递

自动创建记录：

| XX科技 | 高级Java开发 | 2024-03-15 | Boss直聘 | 简历_XX科技_Java_20240315.md | 已投递 | - | 等待回复 | - |

更新进度 用户说：

"XX公司回复了"
"明天二面"
"拿到offer了"
"这个不去了"

更新对应记录的状态字段。

统计报表

周报/月报 按用户设定的频率（每日/每周）生成统计：

## 求职进度周报（2024.03.11 - 2024.03.17）

### 整体数据
- 本周新增投递：5家
- 累计投递：23家
- 已回复：8家（回复率35%）
- 面试中：4家
- 已offer：1家

### 状态分布
| 状态 | 数量 | 占比 |
|------|------|------|
| 已投递待回复 | 15 | 65% |
| 已回复 | 8 | 35% |
| 面试中 | 4 | 17% |
| 已offer | 1 | 4% |
| 已淘汰 | 3 | 13% |

### 本周行动建议
1. 跟进XX科技、YY公司（投递超过7天无回复）
2. 准备下周二面试（ZZ公司二面）
3. 继续投递，目标行业：电商、金融科技

模块六：记忆同步持久化

功能说明

将用户录入的所有求职相关信息同步写入Agent的记忆系统（MEMORY.md），确保跨会话信息不丢失。即使文件系统发生变化，Agent也能通过记忆快速恢复用户背景。

为什么需要记忆同步？

痛点：

用户今天录入了工作经历，明天换个会话问"我有什么经历"，Agent不知道
简历知识库文件可能被误删或迁移
需要快速回忆用户背景时，不用每次都读取文件

解决：

双重存储：文件系统（结构化） + 记忆系统（持久化）
跨会话可用：任何新会话都能通过memory_search找到用户背景
快速恢复：即使文件丢失，也能从记忆重建知识库

记忆存储结构

在 ./MEMORY.md 中维护以下结构：

## 求职信息摘要

### 个人背景
- **求职状态**：在职看机会 / 离职求职
- **目标岗位**：{目标岗位类型}
- **期望行业**：{行业偏好}
- **工作年限**：{总年限}
- **最高学历**：{学历}

### 核心技能标签
{技能1}、{技能2}、{技能3}...

### 工作经历索引
| 公司 | 职位 | 时间 | 核心亮点 |
|------|------|------|----------|
| XX公司 | 高级开发 | 2020-2024 | 高并发、分布式 |
| YY公司 | 开发工程师 | 2017-2020 | 从0到1搭建系统 |

### 项目经历索引
| 项目名 | 角色 | 核心成果 |
|--------|------|----------|
| 交易系统重构 | 技术负责人 | QPS提升10倍 |
| 新业务平台 | 核心开发 | 0到1上线 |

### 求职偏好
- **期望薪资**：{范围}
- **期望城市**：{城市}
- **期望公司类型**：大厂/创业公司/外企
- **不接受的**：{排除项}

### 投递进度摘要
- 最近投递：{最近投递的公司}
- 面试中：{当前面试的公司}
- 已offer：{已获得的offer}

同步触发时机

每次录入信息后，立即同步到记忆：

| 操作 | 记忆更新内容 | |------|--------------| | 录入工作经历 | 更新「工作经历索引」，添加技能标签 | | 录入项目经历 | 更新「项目经历索引」 | | 录入个人优势 | 更新「核心技能标签」 | | 录入求职偏好 | 更新「求职偏好」部分 | | 投递新公司 | 更新「投递进度摘要」 | | 面试状态变化 | 更新「投递进度摘要」 |

同步实现方式

方式一：追加式更新（推荐） 使用 edit_file 的 append 或 replace_one 模式，增量更新记忆：

# 伪代码示例
def sync_to_memory(info_type, content):
    if info_type == "工作经历":
        # 在工作经历索引表中追加一行
        update_memory_table("工作经历索引", content)
        # 更新技能标签（去重合并）
        merge_skill_tags(content.skills)

方式二：定期全量同步 每次会话结束时，将知识库核心信息同步到记忆摘要。

记忆查询优先级

当用户询问个人背景时，按以下优先级获取信息：

优先查记忆：memory_search("我的工作经历")
- 快速、跨会话可用
再查文件：read_file("./简历知识库/工作经历/")
- 获取完整细节
兜底询问：如果都没找到，再问用户

示例流程

用户录入工作经历后：

Agent：
1. 创建文件：./简历知识库/工作经历/XX公司_高级开发.md
2. 更新记忆 MEMORY.md：
   - 工作经历索引表追加一行
   - 核心技能标签合并新标签
3. 告知用户：已录入并记住，以后不用再重复说

新会话用户问"我有什么工作经历"：

Agent：
1. memory_search("工作经历")
2. 从记忆中找到索引，快速回复
3. 如需详情，再读取对应文件

文件结构

./简历知识库/           # 个人经历素材库
./简历输出/             # 生成的针对性简历
./公司信息/             # 查询过的公司报告
./投递进度/             # 投递管理表格和报表
./MEMORY.md            # 记忆系统（求职信息摘要）

使用示例

示例1：录入工作经历

用户：帮我把上一份工作的经历录入一下
Agent：好的，请告诉我以下信息：
       1. 公司名和职位
       2. 工作时间
       3. 主要职责
       4. 主要成果（最好有数据）
       5. 用到的技术栈
用户：...
Agent：已录入！
       📁 文件：工作经历/XX公司_高级开发.md
       🧠 记忆：已记住这段经历，以后不用再说了
       🏷️ 标签：[后端, Java, 分布式]

示例2：JD匹配

用户：帮我看看这个JD，生成一份简历
      [粘贴JD内容]
Agent：让我解析一下这个JD...
       [输出JD解析结果]
       正在从知识库匹配...
       [输出匹配报告]
       已生成简历：简历_XX科技_Java开发_20240315.md
       匹配度85%，建议补充：团队管理经验

示例3：查询公司

用户：帮我查一下字节跳动
Agent：正在查询字节跳动的公开信息...
       [输出公司调研报告]
       已存档，要投递这家吗？

示例4：进度管理

用户：帮我统计一下这周的投递情况
Agent：生成周报...
       [输出周报内容]
       本周投递5家，回复率35%，建议继续投递。

注意事项

隐私保护：简历知识库中的个人信息仅存储在用户环境，不上传到任何外部服务器
数据安全：敏感信息（如具体薪资）不建议录入
定期备份：建议用户定期备份简历知识库目录
简历真实性：生成简历时确保内容基于真实经历，不虚构
信息时效性：公司信息查询结果有时效性，建议投递前刷新
记忆同步：每次录入信息后必须同步到记忆，确保跨会话可用
双重存储：文件+记忆双重保障，即使文件丢失也能从记忆恢复

找工作

Job Hunting Hub - 求职全流程管理

依赖说明

tianyancha-cn 技能说明

何时使用

核心功能模块

模块一：简历知识库构建

功能说明

知识库目录结构

信息录入流程

标签体系

模块二：JD智能匹配

功能说明

JD匹配流程

模块三：AI筛选优化

背景说明

AI筛选简历的常见机制

AI友好简历优化指南

优化原则一：关键词覆盖

优化原则二：格式简洁可解析

优化原则三：技能表述标准化

优化原则四：量化成果

优化原则五：关键词密度合理

优化原则六：时间线完整

简历AI检测工具

与JD匹配功能的联动

模块四：公司信息查询

功能说明

查询维度

查询流程

模块五：投递进度管理

功能说明

技能依赖

数据存储结构

简历匹配度计算

投递状态说明

进度更新流程

统计报表

模块六：记忆同步持久化

功能说明

为什么需要记忆同步？

记忆存储结构

同步触发时机

同步实现方式

记忆查询优先级

示例流程

文件结构

使用示例

示例1：录入工作经历

示例2：JD匹配

示例3：查询公司

示例4：进度管理

注意事项