ASu-skills
中文求职工作流插件
用九个独立入口完成开源贡献、证据复盘、项目导学面经、简历提升、简历制作、岗位匹配、简历投递填写、面试准备和校招进度管理。
目录
ASu-skills 现在是一个插件包。安装后会提供九个可单独调用的入口：
| 入口 |
用途 |
主要交付 |
/contributor |
开源贡献 |
寻找候选、展示 diff，经确认后提交 PR并把贡献交给/great-resume |
/evidence-recap |
证据复盘 |
把 AI 编程对话和交付记录整理为可核验的九段证据链 |
/project-guide |
项目导学面经 |
按需生成 tutorial.md、practice.md，或导学、面经与交接摘要 |
/great-resume |
简历提升 |
岗位定位、项目改写、成果证据、HR 开场白 |
/make-resume |
简历制作 |
默认使用 ASu 模板，也可指定模板；可编辑 HTML 简历和 PDF 导出 |
/job-match |
岗位匹配 |
对照 JD 与真实经历，输出证据矩阵、硬性门槛和投递建议 |
/job-apply |
简历投递填写 |
连接浏览器自动填写求职申请，核对后停在提交前 |
/interview |
面试准备 |
面试预测、契约化追问、证据复盘和弱项复练 |
/offer |
校招进度管理 |
投递、测评、面试、Offer、拒信和招聘邮件跟踪 |
安装
ASu-skills 同时支持 Codex、Claude Code 和 TraeWork，另有 OpenCode 与 WorkBuddy 的轻量桥接入口。所有入口共用同一套 skills/、assets/ 和 references/；入口清单以根目录 skills.registry.json 为单一事实源，由 npm run sync:skills 生成并对账（CI 以 --check 校验）。
| 平台 |
安装入口 |
安装后操作 |
卸载方式 |
| Codex |
将 GitHub 仓库链接发给 Codex，并说明安装 |
新建对话，从/ 菜单选择入口 |
在 Codex 的插件管理中移除 ASu-skills |
| Claude Code |
执行/plugin marketplace add Hisn00w/ASu-skills 和 /plugin install asu-skills@asu |
按提示执行/reload-plugins |
执行/plugin uninstall asu-skills |
| TraeWork |
复制仓库到~/.trae-cn/plugins/<publisher>/asu-skills/<version>/ |
重启 TraeWork，从/ 菜单选择入口 |
删除对应的 TraeWork 插件目录 |
| OpenCode |
查看安装指南 |
重启 OpenCode 或执行/reload-plugins |
按安装方式删除对应的技能与资源目录 |
| WorkBuddy |
查看桥接安装说明 |
重启 WorkBuddy 或刷新技能列表 |
删除~/.workbuddy/skills/下对应目录或软链 |
开发者请参阅 贡献指南，其中包含本地校验、测试命令和 PR 提交流程。
第一次使用：从哪个入口开始
先根据当前最需要解决的问题选择第一个入口：
| 当前情况 |
建议先使用 |
| 缺少可验证的项目或协作经历 |
/contributor |
| 有 AI 编程对话或交付记录，需要还原事实与证据 |
/evidence-recap |
| 已有项目仓库，需要源码课程、阅读路径或面试口播 |
/project-guide |
| 已有经历，但不知道如何匹配目标岗位 |
/great-resume |
| 简历内容已确定，需要制作常规可编辑简历 |
/make-resume |
| 想复刻 ASu 同款高密度技术简历 |
/make-resume（默认模板） |
| 已有 JD 和简历，需要判断匹配与证据缺口 |
/job-match |
| 已有职位链接，需要填写招聘网站申请表 |
/job-apply |
| 已约到面试，需要预测问题并查漏补缺 |
/interview |
| 已开始投递，需要整理招聘邮件和后续进度 |
/offer |
也可以组合多个入口：
- 没有实习、想补充真实经历：先用
/contributor 完成与岗位相关的开源贡献，再交给 /great-resume 整理成可核验的简历表述；
- 有 AI 项目记录、需要梳理事实：先用
/evidence-recap 区分个人动作、交付阶段与效果证据，再决定是否交给 /great-resume 转成求职表达；
- 已有项目、准备开始投递：先用
/project-guide 梳理项目学习路径和面经，再用 /great-resume 对齐目标岗位，最后用 /make-resume 生成简历；默认使用 ASu 模板，也可以指定其他模板；
- 已有简历和具体 JD、需要决定是否投递：先用
/job-match 区分已匹配、表达缺口和真实缺口，需要改写时再交给 /great-resume；
- 已经投递、需要持续跟进：直接用
/offer 整理邮件和状态，简历需要更新时再回到 /great-resume 和 /make-resume。
- 准备填写招聘网站申请表：先用
/job-apply 连接已登录的浏览器，填写并核对一个具体职位；完成后再用 /offer 记录投递状态。
/contributor：做真实的开源贡献
/contributor 帮用户根据目标岗位、技术栈或指定方向寻找合适的 GitHub 项目与真实问题，先核对维护迹象、贡献规则、issue/PR 状态和重复风险，再准备独立分支上的最小改动与验证结果；经用户逐项确认后才 fork、push 和提交 PR，并跟踪 CI、review 和合并状态。
它适合从范围清晰、能够客观验证的文档、示例、测试或小型代码问题开始。未合并的 PR 记录为“已提交”或“协作中”，只有 GitHub 页面显示已合并且项目明确说明采用范围时，才使用更强的成果表述。
典型用法：
/contributor
目标岗位：AI 应用工程师
技术栈：TypeScript、React、Python
每周可投入：4 小时
先帮我找 3 个有证据支撑、范围清晰且能够验证的候选问题；先展示仓库、issue、拟改动、验证方式和完整 diff，我确认后再逐个提交 PR。
/project-guide：项目导学面经
/project-guide 面向已有项目仓库或项目材料。需要系统学习源码时，它会先在 tutorial.md 设计课程大纲，再按需展开指定课程，并在 practice.md 生成对应理解题；需要求职材料时，它会生成 导学-{简称}.md 和 面经-{简称}.md，整理源码阅读路径、技术亮点、设计取舍、STAR 口播和源码证据索引。
典型用法：
/project-guide
简称：智能BI
项目描述：这是一个基于 React、Node.js 和大模型 API 的数据问答项目，我负责查询编排、结果可视化和异常兜底。
求职方向：前端 / AI 应用
也可以直接要求：先为当前仓库设计源码课程大纲；暂不展开全部课程。之后再指定展开第 1 课或生成对应理解题。
/great-resume：简历提升
适合以下任务：
- 根据目标岗位重新定位个人经历；
- 把页面、接口、数据绑定等底层工作翻译成招聘语言；
- 改写项目要点、简历摘要和个人介绍；
- 生成 Boss 直聘或微信发给 HR 的中文开场白；
- 整理面试追问、证据补强清单和事实边界。
建议提供目标岗位、岗位描述、现有简历、项目说明、真实职责和成果数据。信息不足时，skill 会先给出可用初稿，并标记 【待补】，不会自行编造 title、公司、技术栈或数据。
典型用法：
/great-resume
目标岗位：AI 应用工程师
请根据我下面的实习和项目经历，给出稳妥版和进取版定位，改写简历要点，并生成一段发给 HR 的开场白。
HR 开场示例
/make-resume：制作简历
/make-resume 专门负责全部简历文件交付。未指定模板时默认使用 ASu 单栏高密度技术简历模板；用户可以指定仓库内其他模板、本地 HTML 或上传参考截图。它最终生成真正可编辑的 HTML，而不是把截图嵌入页面。
支持：
- 18 个中文 HTML 模板；
- A4 单页或双页排版；
- 浏览器内编辑文字、照片、字体、颜色和加粗；
- 将当前编辑内容保存为本地 HTML；
- 「本地字体」读取系统中已安装的字体（Chrome 103+，需浏览器授权），「导入字体」加载本地字体文件（TTF/OTF/WOFF/WOFF2）作为补充；
- 打印导出 PDF；
- 根据截图分析栏位、间距、字号、颜色和分页结构；
- 使用虚构示例照片作为占位，生成真实简历时由用户主动替换。
默认 ASu 模板以只读文件 assets/asu-resume-template.html 为母版，生成简历时只复制到用户副本，不修改模板源文件。“我想要阿酥同款简历”也统一由 /make-resume 处理；如果用户指定其他模板，则以用户指定内容为准。
典型用法：
/make-resume
请根据我提供的教育、实习和项目经历，选择一份适合后端开发岗位的模板，生成可编辑 HTML 简历，并告诉我如何导出 PDF。
模板预览
/evidence-recap：把 AI 编程对话还原成证据链
/evidence-recap 用于复盘 AI 编程对话、项目交付记录和落地证据。它按问题背景、方案决策、个人动作、交付状态、落地范围、效果证据、个人边界、待补证据和面试追问九段整理材料，并默认对密钥、邮箱、客户标识和内部路径等敏感信息做泛化处理。
典型用法：
/evidence-recap
请把这段 AI 编程对话整理为可核验的项目证据链，区分我的动作、AI 完成的部分、交付阶段和效果证据。
/interview：把简历问穿
/interview 从简历和目标岗位中提取需要验证的 Claim 与岗位能力，先约定面试轮次、时长和反馈策略，再通过一次只问一个问题的连续追问检查用户是否讲得清个人职责、技术实现、指标口径、决策取舍和失败案例。每道核心题使用预先锁定的评分契约，会话账本记录已验证证据与缺口；复盘后可用变体题、反事实题和故障题复练薄弱 Claim。它不会替用户编造面试答案，也不会用缺乏校准依据的精确总分掩盖证据不足。
典型用法：
/interview grill
这是我的简历，目标岗位是 AI 应用工程师。请从最高风险的项目开始，一次问我一个问题；如果我的回答含糊，就继续追问。
只复练上一轮没有讲清楚的内容：
/interview retry
请根据刚才的复盘，只使用变体题复练“指标口径”和“个人贡献边界”，不要原题重问。
/offer：校招进度管理
/offer 把招聘网站、邮件、聊天记录和截图中的信息整理成求职漏斗，默认记录：
- 日期；
- 公司；
- 岗位；
- 当前状态；
- 下一步；
- 必要备注和证据来源。
默认状态包括：已投递、筛选中、测评中、面试、Offer、拒绝/已结束、待确认。普通自动回执不能直接推断为面试或 Offer，证据不足时会标记为待确认。
如果没有指定保存位置，求职进度表默认复制到桌面，生成 application-tracker.html。它支持搜索、筛选、统计、CSV/JSON 备份和打印 PDF。
典型用法：
/offer
请把我上传的招聘邮件和截图整理成校招进度表，合并重复投递，并列出每家公司下一步要做什么。
进度表预览
/job-match：岗位匹配分析
/job-match 把目标 JD 拆成硬性条件、核心能力和加分项，再与用户已经确认的简历、经历或主张—证据账本逐项对照。它区分“已经匹配”“做过但没写清”“证据不足”“真实缺口”和“待确认”，不会用关键词重合伪造一个精确匹配分数。
默认交付包括要求—证据矩阵、硬性门槛、最多 5 个优先补强项，以及“建议投递 / 补充材料后投递 / 谨慎投递 / 暂不建议投递”的可解释结论。分析本身不会修改简历、填写网页或提交申请。
典型用法：
/job-match
请对照这份 JD 和我的简历，列出每项要求的真实证据、表达缺口和能力缺口，并告诉我是否值得投递。先不要改简历。
/job-apply：简历投递填写
重要提醒：本项目禁止滥用技能批量投递、骚扰 HR，或发送千篇一律、夸大包装的开场白。请只基于真实经历，针对具体岗位进行适度、个性化沟通；堆砌 GitHub Star、过度包装经历并直接发送的文案，容易引起 HR 反感，也可能损害求职者和项目的信誉。/job-apply 只用于用户明确确认的单个职位申请，技能不会绕过确认、批量提交，也不会代替用户发送未经审核的消息。
反面示例：模板化、夸大式开场白容易引起反感，请勿照搬。
/job-apply 用已确认的简历资料填写一个具体招聘网站的申请表，支持页面读取、字段映射、文本填写、下拉选择、简历/作品附件上传和提交前核对。默认停在最终提交按钮前，不会因为“帮我填简历”就替用户投递。
使用 Kimi WebBridge 连接浏览器
使用前请先安装并启用浏览器控制扩展，并确认扩展已连接对应的浏览器控制服务。 未完成扩展安装和连接检查前，ASu 不会读取或填写招聘页面。
如果希望操作自己已经登录的 Chrome 或 Edge，可以安装并启用官方 Kimi WebBridge。它通过浏览器扩展、本机 daemon 和 Chrome DevTools Protocol 连接浏览器，登录会话和页面内容保留在本机。
如果使用 ChatGPT/Codex 的浏览器控制能力，也可以安装并启用 ChatGPT 浏览器扩展（Microsoft Edge Add-ons）（Chrome 扩展商店已下架，目前使用 Edge 扩展商店），再按照宿主应用中的浏览器控制页面完成连接。两种方式任选其一即可，不需要同时安装。
典型用法
/job-apply
请使用我确认的简历，打开这个职位申请页面，填写可确认的字段和简历附件；遇到缺失信息先问我，最后停在提交前让我核对。
登录、密码、短信验证码、邮箱验证码、MFA、通行密钥和 CAPTCHA 必须由用户完成。涉及个人资料输入、文件上传和最终提交时，ASu 会分别确认；不会读取 Cookie、令牌或密码，也不会绕过反爬和访问控制。
九个入口如何配合
推荐按照下面的顺序使用：
- 用
/contributor 完成与目标岗位相关的真实开源贡献，并在 PR 合并后生成证据卡；
- 有 AI 编程对话或交付记录时，用
/evidence-recap 还原项目事实、个人边界和证据缺口；
- 用
/project-guide 把已有项目仓库整理成导学、面经和可追问证据；
- 用
/great-resume 根据证据卡和已有经历明确目标岗位，整理简历表述和 HR 话术；
- 用
/make-resume 把确认后的文字放入可编辑简历并导出 PDF；
- 用
/job-match 对照具体 JD 判断证据匹配、硬性门槛和投递优先级；
- 用
/job-apply 连接浏览器填写具体职位申请，并在提交前核对；
- 用
/interview 预测问题并通过追问确认简历内容经得住面试；
- 用
/offer 记录投递、测评、面试和 Offer 状态。
也可以在同一条需求里说明组合目标，例如：“先用 /project-guide 生成项目导学和面经，再用 /great-resume 提升经历，最后用 /make-resume 生成 HTML 简历”。
组合使用多个入口、材料存在冲突或简历包含强主张时，可以复制 assets/career-claim-ledger-template.json 建立主张—证据账本。它让开源贡献、经历提升和简历文件共享同一份事实、确认状态与个人边界；详细规则见 skills/great-resume/references/claim-evidence-ledger.md。
想看同一个人的材料如何在各入口之间流转，可以阅读端到端虚构求职案例。案例从�
ASu-skills 是一个中文插件包，包含九项面向求职者的 AI 技能，涵盖开源贡献证明、简历制作、岗位 JD 匹配、申请表单填写、面试准备和 offer 跟踪，通过 AI 编程代理运行。