単一の信頼できる情報源
profiles/ が権威あるデータ層。生成されるすべての履歴書、カバーレター、研究提案書はそこから派生する——手で編集しない。
Resume Intelligence HubAI IDE 向けのキャリア skill
一言で AI IDE にプライベートキャリアハブを構築——履歴書カスタマイズ、面接準備、研究課題申請をひとつの Git リポジトリで管理。Claude Code、Cursor、Windsurf など主要 IDE に対応。
Skip to content
キャリアの羅針盤
1–2 段上のストレッチ目標を明文化し、AGENTS.md の先頭にロック——以降のすべての履歴書がそれに偏る。四半期ごとに四ギャップフレーム（スキル / スコープ / 背書 / ネットワーク）を棚卸し、SMART プランに落とし込む。
デュアルトラック対応
求人応募と研究 / 助成金提案はデータソースもフォーマットも異なる。分けて管理——初期化時にリサーチトラックを切り替え。
応募前検証
シニアロール面接や助成金提出前に、すべての重要な主張を公開情報源で裏取り。主張の前にエビデンスを。
AGENTS.md でクロス IDE
Claude Code、Cursor、Codex、Cline、Windsurf、GitHub Copilot で動作。一度シンボリックリンクを張れば、どこでも使える。
実証済みフレームワーク基盤
Google XYZ formula、STAR、BEI、Heilmeier Catechism、stretch-target heuristic、triangulation——名前で引用しているので自分で深掘りできる。
インストール
bash
npx skills add Zenine/resume-intelligence-hub -g -yその後、お使いの AI IDE で次のいずれかを言えばよい：
> キャリアリポジトリを作って # 新規ハブの初期化
> この JD に合わせて履歴書を作って # JD カスタム履歴書
> 私に合いそうな求人を探して # アクティブ JD ソーシング
> この面接の準備をして # 面接コーチング
> 応募前に検証して # 応募前検証他の履歴書 skill との違い
市場にある多くの履歴書系 skill は単発ジェネレータ——JD を貼ると履歴書を出力、それで終わり。本 skill は違う。数か月にわたる求職活動、面接、（必要なら）研究課題申請を同一の永続的なプライベートリポジトリに蓄積させる。エージェントは毎セッションでリポジトリを読み、あなたのポジショニングロックに従って産出する。完全な方法論は SKILL.md 参照。
補完スキル
本ハブの上に、特定の単発ニーズ向けに次を重ねて使う：
paramchoudhary/resumeskills@resume-ats-optimizer— ATS 深層最適化paramchoudhary/resumeskills@linkedin-profile-optimizer— LinkedIn プロファイルanthropics/knowledge-work-plugins@interview-prep— Anthropic 公式面接準備refoundai/lenny-skills@career-transitions— Lenny のキャリア転換