tailored-resume-generator
该技能分析职位描述,提取关键要求、技能与关键词,并据此重新组织和突出候选人的相关经验、技能与成就,生成定制化简历,以提升面试机会并适配ATS筛选。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-08 00:04
14,983 个结果
该技能分析职位描述,提取关键要求、技能与关键词,并据此重新组织和突出候选人的相关经验、技能与成就,生成定制化简历,以提升面试机会并适配ATS筛选。
internet 是一个面向 AI 智能体的深度网络调研技能,用于把开放式的网络问题转化为有来源、按证据加权的答案。它强调把网络调研视为调查而非简单查词:先明确问题、决策或交付物、时效窗口、地域与受众,再规划来源地图,分轮搜索并打开原始来源阅读,提取论断,与独立证据交叉验证,最后附引用和注意事项进行综合。技能内置预检陷阱识别(人群购物、泛化排名、实体歧义、数字陷阱、时效陷阱、教程短语、高风险话题、单一来源),按方向、一手来源、独立来源、社区实测、矛盾与补缺六类搜索轮次推进,并提供声明分级、矛盾处理、合成输出模板、深度控制,以及可选的 AKBP 持久记忆与研究工作区脚本。
面向销售场景的客户账户调研技能:先查内部知识与CRM,再用实时网络数据补充,生成研究文件与账户简报,并给出FITS评分和触达切入点。
cc-p4p-router 是 CC-P4P 的唯一入口技能,用于产品管理任务的路由与执行。它按关键词判断意图(SPEC、RESEARCH、ROADMAP、COMMUNICATE、METRICS),加载并维护 .claude/cc-p4p 下的记忆文件,再调用对应子代理或内联处理。
一个用于撰写产品需求文档(PRD)与功能规格说明的内部技能,提供结构化模板、验收标准写法、优先级划分与范围管理方法,强调必须有明确问题陈述和可衡量成功指标。
diff-driven-docs 是一个把文档更新视为构建阶段交付物的技能:在提交或创建 PR 前分析代码 diff,按业务、技术、审计三层判断文档影响,只写真正需要的更新,低影响改动可快速跳过。
ddd-controls 是 DDD 工作流中的控制编译技能,用于把已提取的规则义务编译为可执行门禁。它选择可信适配器、验证控制、设定执行等级并接入 CI,避免把仅存在于文档中的规则误称为可执行控制。
ddd-drift 是 DDD 体系中的漂移检查工具,用于按计划扫描证据、文档、决策、控制、代码、项目上下文和缓存七个维度的漂移,生成漂移报告并在发布前阻止关键漂移。
ddd-exception 是 ddd 方法体系中的异常记录技能,用于在重要声明缺乏文档、来源冲突、运行时行为与文档不符或发现证据缺口时,记录并升级这些认知缺口。核心原则:诚实的缺口优于伪造引用,每个异常都必须记录已搜索的内容。
该技能用于将文件与目录内容汇总为简明报告,适用 LangChain AgentKit 的 summarize 能力。
说人话(talk-human)是一个用于去除文本 AI 味、让 AI 生成文字读起来更像用户本人说话的工具。它区分三件常被混淆的事:刮掉 AI 统计口头禅、提升可读性、对齐个人声音。提供两个模式:build-my-voice 从用户自己的说话样本中提取语言特征,生成专属的 voice-layer.md 声音层;deslop 按三轮处理稿件——去统计指纹、改可读性、按声音层或通用原则做声音审计。工具不替用户造事实,只删、改写、重组,不加新观点、数字或结论,并在稿件内容空洞时据实提示用户自行补充。
这是一项对内容进行结构化分析的分析器技能(Analyzer Skill),可把 URL、文本或已核实的转录内容整理为结构化的分析报告。该工具会按维度扫描原文,覆盖摘要、核心论点与证据、工具与方法、工作流建议、数据与指标、风险与盲点、资源、思维模型转变以及行动项等,并尽量把见解与个人项目、知识库和决策记录关联。它支持完整、稀疏和简三种输出模式,也提供 /analyze 触发命令;适用于文章、推文、视频或播客转录的分析。具体收费、底层模型与限制暂未提供。
这是一个视频与播客转写摘要技能:用户发送视频或播客链接,即可获得完整文字稿和结构化摘要。支持 YouTube、Bilibili、X 视频、小宇宙、Apple Podcasts 以及 mp3/mp4/m3u8 等直链媒体。有字幕时优先提取字幕;无字幕时通过 Whisper 语音转写,大文件会自动分段。输出按视频或播客类型生成概览、要点、章节摘要、金句和行动项。需要 yt-dlp、ffmpeg、curl 及 GROQ_API_KEY 环境变量;Spotify 链接因 DRM 保护暂不支持。
这是一个用于生成结构化科研分析报告的技能,来自 ryanchen01/documentation-skills。它面向带有 Python 代码与实验数据的科学类项目,通过项目探查、数据分析验证、目标确认和报告生成等步骤,将仓库中的原始数据、参考资料与代码逻辑整合为一份完整的分析报告。技能强调先梳理科学语境,包括扫描依赖与执行流程、查阅 references/ 目录中的标准与背景材料、识别核心物理或统计模型、定位 data/ 中的实验数据与 assets/ 中的图表资源,再通过运行或编写脚本对数据进行验证并提取关键指标(如效率、信噪比、对比度、均值、标准差、变异系数等),并与理论预期交叉比对。在正式撰写前,技能会先与用户确认目标、数据来源和报告结构,获得确认后再生成报告。报告默认输出到 docs/analysis-report.md,包含目标、方法、定量结果(以 Markdown 表格呈现)、讨论与结论等部分,要求量化表述、使用自然段落、引用数据文件与标准、并用 LaTeX 书写公式。
基于《Code Complete》74项检查清单的代码布局与注释审查技能,提供 CHECKER(按清单核查并输出证据表)与 APPLIER(指导格式与注释决策)两种模式,覆盖缩进、空行密度、行长、注释密度等阈值及危机场景最小检查。
docs-updater 是一个用于在代码、配置、命令或用户可见行为发生变化后更新文档的工作流技能,强调只改相关文档、保持简洁,并检查链接、命令与名称一致性。
Docs Updater 是一个在代码、配置、命令或用户可见行为发生变化后,用于同步更新文档的工作流技能,目标是让文档保持简洁且与改动相关。
用于为 Sablier 品牌撰写内容的写作技能,覆盖博客文章、案例研究和 X/Twitter 帖子,强调信息性、自信、以真实价值而非炒作取胜。
内容研究写作技能,可作为写作伙伴协助研究、列提纲、起草与润色文章,在保留作者个人风格的前提下添加引用、改进开头并逐节给出反馈。
该技能用于为新的参考架构(Reference Architecture,RA)生成符合规范的骨架,包括文件夹结构与初始 front matter。它面向需要新建、添加、脚手架化或贡献参考架构内容的用户,帮助其快速开始撰写内容,而非直接生成内容完整的参考架构。使用前提是用户必须先提供主题或想法,简短描述即可,以便据此设置标题、描述、关键词和标签等元数据;若未提供主题,技能会说明原因并再次询问。生成时遵循内容结构、front matter、组件等规范文件,并基于 RA0000 的 readme.md 模板构建,且不会复制 front matter 中的注释。骨架会包含占位内容:复制 demo.drawio 作为初始 drawio 文件、在 readme.md 中添加两个示例标题及 Lorem Ipsum 段落、使用一次 drawio 组件引用该文件。技能还会询问用户的 GitHub 用户名以设置 author 字段并列入 contributors,在此之前可用 octocat 占位,并主动建议可尝试代为查找用户名。限制包括:不预先添加子页面(除非明确要求)、front matter 字段间不留多余空行、优先使用现有标签、绝不包含已废弃的 category_index。
面向编码代理的 SAP UI 主题设计器帮助技能,从 help.sap.com 的 BTP / Cloud Foundry 版本文档中检索客户可见的帮助内容,用于确认某项功能是否存在或如何操作。
house-rules 是 scarletkc/Hatoba 仓库的规范文档,记录仓库本身未明说的所有者约定,覆盖 UI 文案、翻译、文档、助手提示词与界面,以及提交、拉取请求、审查机器人和合并流程。
ux-writing 是 scarletkc/hatoba 仓库下的一个技能,主题是「UX 写作与文档」。它面向那些由并不在场的人阅读的文本——用户可见输出、错误与帮助文本、文档、注释以及生成的交付物——并给出判断准则。每条规则都源自评审中实际发现过的缺陷,且保留了反例,因为推理过程本身就是重点。内容大致分为几个部分:状态输出与诊断(报告生效值而非存储值、诊断在失败时如实降级、展示差异而非全量转储、按声明粒度标注、机器可读输出是契约、不得截断载荷)、错误消息(回答发生了什么、在哪里、现在该做什么)、文档(每份文档一种职责、一个事实一个权威归属、改述加链接是缺陷、最小充分修改、按读取顺序排布)、会过时的信息(不要快照比文档变化更快的值、指向符号而非仓库、文档无法观测运行时)、最终状态而非过程路径(陈述代码做什么而非差点做什么、注释只承载非显然原因、证据服务于读者决策、交付物不自述其生产过程)、行为变更的同步清扫,以及文案测试(断言扁平化文本、清除颜色环境变量泄漏、机器格式要断言必须缺失的内容)。该条目未提供作者、安装命令、运行平台、收费或使用步骤等信息。
该技能用于按版本执行文档刷新:在一个 PR 中审查漂移文档及其证据记录。它会从 release-please PR 标题确定下一版本,在独立 worktree 中创建 docs/knowledge-refresh-<version> 分支,运行 check_knowledge.py 获取漂移列表,逐篇审查并修正因代码变更而过时的内容,同步更新证据记录中的来源、reviewed_revision、reviewed_at、limits 与 coverage。要求文档保持简短、只描述当前行为、不记录历史与验证过程。最后运行 make knowledge、make lint(如改动 Python)、单元测试,提交并创建 PR,但不合并。