ASu-skills README

The project's README from github.com/Hisn00w/ASu-skills. As one markdown file: README.md.

ASu-skills

ASu-skills 图标

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。

English | 中文 | 官网

License: MIT Ask DeepWiki dsh.so security dsh.so install
Hisn00w%2FASu-skills | Trendshift

ASu-skills 部分技能工作流示意

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:

/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:

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

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:

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

简历模板预览

/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:

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

校招进度表预览

/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。

HR 反感模板化求职开场白示例

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。

校招申请表填写示例

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:

  1. 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;
  2. 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;
  3. 用 /project-guide 把已有项目仓库整理成导学、面经和可追问证据;
  4. 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;
  5. 用 /make-resume 把确认后的文字放入可编辑简历并导出 PDF;
  6. 用 /job-match 对照具体 JD 判断证据匹配、硬性门槛和投递优先级;
  7. 用 /job-apply 连接浏览器填写具体职位申请,并在提交前核对;
  8. 用 /interview 预测问题并通过追问确认简历内容经得住面试;
  9. 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 (Hisn00w/ASu-skills)

job-search
Searching Database…

What is this?ASu-skills is a Chinese-language plugin pack of nine AI skills for job seekers, covering open-source contribution evidence, resume building, job-JD matching, application form filling, interview prep, and offer tracking, run through AI coding agents.
Is this a standalone app or a skill pack for AI coding agents?It's a plugin/skill pack installed inside an AI coding agent (Codex, Claude Code, or TraeWork), not a standalone application; each of its nine entries is invoked as a slash command inside the host agent.
How do I install it in Claude Code or Codex?In Claude Code, run /plugin marketplace add Hisn00w/ASu-skills then /plugin install asu-skills@asu, followed by /reload-plugins. For Codex, send it the GitHub repo link and ask it to install, then pick an entry from the / menu.
Do I need a specific AI coding agent to use this?Yes, it only runs inside a compatible host: Codex, Claude Code, or TraeWork natively, with lighter bridge support for OpenCode and WorkBuddy.
Does /job-apply automatically submit job applications for me?No, it fills in the application fields but always stops right before the final submit button; logins, passwords, CAPTCHAs, and verification codes still have to be completed by the user.
What does /make-resume produce?It generates a fully editable HTML resume (not an image), supports 18 Chinese templates, lets you edit text, fonts, and colors in the browser, and exports to PDF via printing.
Will the skills invent resume details if I don't give enough information?No, when information is missing it marks the spot with a placeholder tag instead of inventing titles, companies, tech stacks, or metrics.
Why are there nine separate entry points instead of one skill?Each entry covers one stage of the job hunt (contribution evidence, resume writing, JD matching, application filling, interview prep, offer tracking), so they can be used independently or chained together depending on where you are in the process.
What does /evidence-recap do?It turns AI coding chat logs and delivery records into a verifiable nine-part evidence chain, and automatically generalizes sensitive info like keys, emails, and internal paths.
Creator
Hisn00w
Size
16.9 MB
Stars
5.8K
Updated
CommitOct 13
Age
2mo
Commits · 90 Days