> **Language**: **English** · [简体中文](README.zh.md) · [日本語](README.ja.md) · [繁體中文](README.zh-TW.md)
[](LICENSE)
[](https://github.com/Zenine/resume-intelligence-hub-site/stargazers)
[](https://github.com/Zenine/resume-intelligence-hub-site/commits/main)
[](https://github.com/Zenine/resume-intelligence-hub-site/pulls)
[](https://zenine.github.io/resume-intelligence-hub-site/)
[](https://github.com/lordmos/meridian)
# resume-intelligence-hub-site
Landing page, VitePress documentation site, and CI automation for the [**resume-intelligence-hub**](https://github.com/Zenine/resume-intelligence-hub) skill — an AI agent that bootstraps a personal career intelligence hub.
## Quick Start
> Complete docs → [zenine.github.io/resume-intelligence-hub-site](https://zenine.github.io/resume-intelligence-hub-site/)
**Install the skill:**
```bash
npx skills add Zenine/resume-intelligence-hub -g -y
```
**Then in your AI IDE, say:**
> **build my career repo**
The agent walks you through a 7-question interview and scaffolds your private career hub. You only need to: ① answer the interview → ② review the generated hub → ③ start using it.
**Resume after interruption** → tell the agent: `continue filling my hub`
## Features
- **Single source of truth** — `profiles/` is the authoritative data layer; generated resumes are derivatives, never hand-edited
- **Career compass** — name your stretch target 1–2 levels up, lock it in `AGENTS.md`, diff the four-gap frame each quarter
- **Dual-track support** — job applications and research/grant proposals separated by design; toggle the research track at bootstrap
- **Pre-submission verification** — public-source cross-check on every load-bearing claim before high-stakes submissions
- **Cross-IDE via AGENTS.md** — works with Claude Code, Cursor, Codex, Cline, Windsurf, GitHub Copilot
- **Backed by proven frameworks** — Google XYZ, STAR, BEI, Heilmeier Catechism, stretch-target heuristic, triangulation
## How it differs from other resume skills
Most resume skills are one-shot generators — paste a JD, get a resume. This one bootstraps a **persistent private repo** you iterate on across months of job search, interviews, and grant applications. The agent reads the repo each session and is biased by your positioning lock.
## Structure
```
docs/ VitePress site sources (4 locales: en / zh / ja / zh-TW)
scripts/ CI automation — sitemap notify + llms-full.txt generator
i18n/ glossary.md — translation drift reference
.github/ Deploy workflow + GSC sitemap notify + setup guide
```
See [`.github/SETUP_GSC_AUTOMATION.md`](.github/SETUP_GSC_AUTOMATION.md) for one-time Google Search Console automation setup.
## Complementary Skills
Compose on top of this hub for specific one-shot needs:
- [`paramchoudhary/resumeskills@resume-ats-optimizer`](https://skills.sh/paramchoudhary/resumeskills/resume-ats-optimizer) — ATS deep optimization
- [`paramchoudhary/resumeskills@linkedin-profile-optimizer`](https://skills.sh/paramchoudhary/resumeskills/linkedin-profile-optimizer) — LinkedIn profile
- [`anthropics/knowledge-work-plugins@interview-prep`](https://skills.sh/anthropics/knowledge-work-plugins/interview-prep) — Anthropic official interview prep
- [`refoundai/lenny-skills@career-transitions`](https://skills.sh/refoundai/lenny-skills/career-transitions) — Lenny's career transitions
## License
MIT — same as the skill itself.
---
Built with [Meridian](https://github.com/lordmos/meridian) · open-source ops toolkit for Agent projects
---
# FAQ
Frequently asked questions about resume-intelligence-hub.
### What is resume-intelligence-hub?
resume-intelligence-hub is an AI agent skill that bootstraps a personal career intelligence hub — a private Git repository that serves as a single source of truth for your resumes, interview preparation, grant applications, and pre-submission verification, while also acting as a career compass. It names your stretch target, diffs the gap between your current position and that target, and helps you ship a quarterly SMART plan.
### What specific problem does it solve?
Most people manage their careers reactively: scattered resumes across folders, ad-hoc interview prep before each interview, and no systematic way to track progress toward a target role. resume-intelligence-hub replaces this with structured infrastructure: `profiles/` holds factual career data, `AGENTS.md` locks in your positioning target so every generated resume biases toward it, and six workflows handle everything from JD-tailored resume generation to public-source fact-checking before high-stakes submissions.
### Who is this for?
Anyone actively managing a job search, planning a career move 1–2 levels up, or applying for research grants — at any seniority level, in any industry. Especially useful if you're managing bilingual job markets (Chinese/English), juggling multiple application types (recruitment + research/grants), or want an AI that remembers your career context across sessions rather than starting fresh each time.
### How does it compare to other resume AI tools?
Most resume tools are one-shot: paste a JD, get a resume. resume-intelligence-hub is persistent infrastructure you iterate on across months. The positioning lock biases all outputs toward your stretch target; the verification workflow cross-checks every claim against public sources; the gap analysis identifies exactly which skills, credentials, scope, and network you need to close. Specialized one-shot tools (ATS optimizers, LinkedIn profile generators) can compose on top of this hub for specific tasks — see [Quick Start](./quick-start.md) for recommended combinations.
### Does it work with my AI IDE?
Yes. The hub uses `AGENTS.md` as its instruction file — the cross-IDE standard. Claude Code, Cursor, Codex, Cline, Windsurf, and GitHub Copilot all read it (some via symlink or copy). See [Quick Start — Troubleshooting](./quick-start.md#troubleshooting) for IDE-specific wiring instructions.
### Is the research/grant track required?
No. It's optional and off by default. When you bootstrap, the agent asks if you apply for academic grants or research funding. If you say no, the research-track files (`profiles/research.md`, `科研/`, grant workflow) are omitted entirely. Most users don't need it.
### How do I get started?
Install with one command, then use one trigger phrase in your AI IDE:
```bash
npx skills add Zenine/resume-intelligence-hub -g -y
```
Then open your AI IDE (Claude Code, Cursor, Windsurf, or any tool that reads `AGENTS.md`), navigate to where you want the hub to live, and say:
> **build my career repo**
The agent walks you through a 7-question interview and scaffolds your private hub in under 10 minutes. Full walkthrough in [Quick Start](./quick-start.md).
---
# Frameworks Referenced
The hub's workflows are built on established frameworks. Using the framework **name** explicitly gives you vocabulary to research further and signals craft.
## Resume writing
**Google's XYZ formula** (Laszlo Bock, former Google SVP People Ops)
> "Accomplished [X] as measured by [Y], by doing [Z]."
Every bullet answers three questions: what did you do, how was impact measured, and what actions produced it. This is the single biggest lever on resume quality.
**The one-number rule**: every resume bullet must contain at least one quantified element (headcount, percentage, dollars, timeframe, scale). Bullets without numbers get cut in review.
**CAR / PAR / STAR** (Challenge-Action-Result / Problem-Action-Result / Situation-Task-Action-Result): alternative framings when XYZ feels over-structured for a short bullet. STAR is the dominant one, used explicitly in `profiles/stories.md`.
## Interviews
**BEI — Behavioral Event Interviewing** (David McClelland, Harvard psychologist who pioneered the methodology)
The foundation of most behavioral interviews. Premise: past behavior predicts future behavior. Interviewers probe specific past events ("tell me about a time when…"), not hypotheticals. Prepare with specific events, not generalities.
**STAR** (Situation / Task / Action / Result): the dominant answer format for BEI questions. Used throughout `profiles/stories.md`.
## Grant proposals
**Heilmeier Catechism** (George Heilmeier, former DARPA director)
Nine questions every research proposal should answer — even when the grant template doesn't ask them explicitly:
1. What are you trying to do? (Articulate objectives with no jargon.)
2. How is it done today, and what are the limits?
3. What's new in your approach, and why will it succeed?
4. Who cares? If you succeed, what difference does it make?
5. What are the risks and payoffs?
6. How much will it cost?
7. How long will it take?
8. What are the midterm and final "exams" to check for success?
9. What's your exit strategy?
Used as the narrative backbone of `workflows/grant-application.md`.
## Career positioning
**T-shaped / π-shaped / M-shaped skills** (McKinsey / IDEO popularized)
Deep expertise in one vertical + broad fluency across adjacent areas. For senior roles, often π-shaped (two depths) or M-shaped (multiple depths). Use when articulating unique value.
**Career capital** (Cal Newport, *So Good They Can't Ignore You*)
Rare-and-valuable skills build leverage. When doing gap analysis, the question isn't "what skills am I missing?" — it's "what capital do I have, and what's worth investing in?"
## Job search strategy
**Stretch target heuristic** ("1-2 levels up, 1.2-3x comp, 70% match")
A widely-used recruiter heuristic for external moves:
- **Seniority**: target roles 1-2 levels above current title. Not same-level (no growth, rarely worth switching). Not 3+ levels (usually delusional unless founder path).
- **Compensation**: floor 1.2-1.5x current total comp (external moves command a premium); stretch ceiling 2-3x when also leveling up AND shifting company type.
- **Match threshold**: apply at ~70% match. Senior hires are expected to grow into the role.
- **Channel weight**: warm intro >>> cold apply (~10x conversion). Invest in network activation before mass-applying.
**Exceptions**: career pivots (pay cut normal), downshift by choice, at market ceiling, early-career (smaller multipliers). Foundation of `workflows/jd-sourcing.md`.
## Due diligence
**Triangulation**
Every load-bearing claim needs ≥2 independent public sources before submission. Standard practice in qualitative research, applied here to pre-submission resume / proposal verification. Foundation of `workflows/verification.md`.
## Goal framing
**SMART** (Specific / Measurable / Achievable / Relevant / Time-bound)
Used in `todo.md` to keep priorities concrete — vague items get rewritten into SMART form.
---
## Reading list
Want to go deeper on these?
- **Laszlo Bock**, *Work Rules!* — origin of the XYZ formula and Google's hiring philosophy.
- **David McClelland**, *"Testing for Competence Rather Than for Intelligence"* (American Psychologist, 1973) — the seminal BEI paper.
- **Cal Newport**, *So Good They Can't Ignore You* — career capital, deep work.
- **George Heilmeier**, ["The Heilmeier Catechism"](https://www.darpa.mil/about-us/heilmeier-catechism) — DARPA's official page.
- **Keith Ferrazzi**, *Never Eat Alone* — networking / warm-intro playbook.
---
## Install
```bash
npx skills add Zenine/resume-intelligence-hub -g -y
```
Then, in your AI IDE, say any of:
```
> build my career repo # bootstrap a new hub
> tailor my resume to this JD # JD-tailored resume
> what's out there for me # active JD sourcing
> prep me for this interview # interview coaching
> run a pre-submission verification # pre-submission fact-check
```
## How it differs from other resume skills
Most resume skills are one-shot generators — you paste a JD, they emit a resume. This one bootstraps a **persistent private repo** that you iterate on across months of job search, interviews, and (optionally) grant applications. The agent reads the repo each session and is biased by your positioning lock. The [SKILL.md](https://github.com/Zenine/resume-intelligence-hub/blob/main/SKILL.md) is the full methodology.
## Complementary skills
Compose on top of this hub for specific one-shot needs:
- [`paramchoudhary/resumeskills@resume-ats-optimizer`](https://skills.sh/paramchoudhary/resumeskills/resume-ats-optimizer) — ATS deep optimization
- [`paramchoudhary/resumeskills@linkedin-profile-optimizer`](https://skills.sh/paramchoudhary/resumeskills/linkedin-profile-optimizer) — LinkedIn profile
- [`anthropics/knowledge-work-plugins@interview-prep`](https://skills.sh/anthropics/knowledge-work-plugins/interview-prep) — Anthropic official interview prep
- [`refoundai/lenny-skills@career-transitions`](https://skills.sh/refoundai/lenny-skills/career-transitions) — Lenny's career transitions
---
# Design Philosophy
Ten non-obvious choices, each one earned by a mistake. You don't need to understand all of them to use the hub — but read this before changing anything.
## 1. Your experience lives in one place
Facts scattered across five resume versions will eventually contradict each other. `profiles/master.md` is the single source of truth — every achievement, title, and timeline goes here. When you need a tailored resume, the AI pulls from this, not from last week's draft.
Historical resumes in `resumes-archive/` or `简历/` are read-only backups, not data sources.
## 2. Set your direction once
Repeating "I'm looking for X type of role" every session is tedious and unreliable. Write your target level and industry at the top of `AGENTS.md` — the AI reads it every session. When you change direction, change that one file.
## 3. Job applications and grant proposals are different things
Applying for a corporate role and applying for a research grant don't use the same materials — different format, tone, and which achievements "deserve mention." `master.md` for job search, `research.md` for grants (opt-in). Merging them makes both worse.
## 4. Sensitive originals stay out of the repo
IDs, contracts, appointment letters, diplomas, tax records — don't commit them. `verification/references.md` records where each file lives; the originals stay on your own drive or cloud sync. The repo can be shared or demoed at any time without worrying about leaks.
## 5. Before a high-stakes submission, verify what you've written
Senior-role interviews, grant reviews — worth a pass before you submit. Run `workflows/verification.md` and cross-check every degree, employer, title, project number, and quantified claim against public sources. Two independent sources is the bar.
If something doesn't hold up, fix it now — better than having the interviewer or reviewer find it.
## 6. When it's done, archive it
`todo.md` holds only pending work. When something is done, tell the AI to archive it — the item moves to `changelog.md`, dated. A to-do full of `[x]` marks may feel productive, but it obscures what actually needs doing.
## 7. Each application gets its own folder
`jobs/applications/{company}-{role}-{YYYY-MM-DD}/` — JD, resume, cover letter, interview prep, all together. Same company, second attempt = new folder, don't overwrite. The date is mandatory — it shows your pace and lets you return to any specific run.
## 8. Interview stories and factual records are separate
`profiles/stories.md` holds STAR narratives polished for speaking aloud. `master.md` holds raw factual records. A story is crafted to land; facts are recorded to be accurate. Different purposes — keep them separate.
## 9. Pick one language for the hub
Choose Chinese or English at bootstrap, then don't mix. The templates, AI instructions, and workflow prose all assume a single language. Mixing leads to inconsistent output. The resumes themselves can target either language per application — that's a separate choice.
## 10. Don't lock yourself into one AI IDE
`AGENTS.md` is the cross-IDE standard for context files. If your IDE wants a different location (Cursor's `.cursor/rules/`, Windsurf's `.windsurfrules`), symlink or copy. Don't write the content in a vendor-specific format — switching tools shouldn't require rewriting your context.
---
## Frameworks referenced
Each design choice here traces back to an established source. See [Frameworks](/frameworks) for the full list.
---
# Quick Start
Three steps to a working career intelligence hub.
## 1. Install the skill
```bash
npx skills add Zenine/resume-intelligence-hub -g -y
```
Alternatively, clone directly:
```bash
git clone https://github.com/Zenine/resume-intelligence-hub ~/.claude/skills/resume-intelligence-hub
```
## 2. Bootstrap your hub
Open your AI IDE (Claude Code, Cursor, Codex, Cline, Windsurf, or anything that reads `AGENTS.md`). Navigate to where you want the hub to live (a private location — never a public repo). Then say:
> **build my career repo**
The agent will walk you through a 7-question interview:
1. **Language** — Chinese or English (pick one, don't mix)
2. **Existing materials** — upload any resumes/CVs you already have (makes every subsequent step easier)
3. **Industry / field** — software, healthcare, design, law, academia, etc.
4. **Target seniority** — entry to VP / founder / PI
5. **Research track?** — enable only if you apply for grants / research funding
6. **Resume output language** — Chinese, English, or both
7. **Repo location** — where on disk
Then the agent scaffolds the directory, seeds `AGENTS.md` with your positioning, imports your old resumes into the archive, and writes a "next steps" punch list into `todo.md`.
## 3. Use the hub
Once bootstrapped, the agent handles six workflows. Invoke with natural language:
| Say this | Workflow |
|----------|----------|
| Diff my gap against the target seat | [Career planning & gap analysis](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/career-planning.md) — run this first, then re-run each quarter |
| Tailor my resume to this JD | [JD-tailored resume](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/jd-tailored-resume.md) |
| What's out there for me | [Active JD sourcing](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/jd-sourcing.md) |
| Prep me for this interview | [Interview prep](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/interview-prep.md) |
| Run pre-submission verification | [Verification](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/verification.md) |
| 帮我生成 XX 基金申报简历 / Generate XX grant application profile | [Grant application](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/grant-application.md) (research track) |
## Troubleshooting
**"The AI isn't reading my AGENTS.md"**
- Claude Code: if on an older version that only loads `CLAUDE.md`, symlink: `ln -s AGENTS.md CLAUDE.md`
- Cursor: copy `AGENTS.md` content into `.cursor/rules/agents.mdc` or symlink
- Windsurf: use `.windsurfrules`
- GitHub Copilot: use `.github/copilot-instructions.md`
- Other IDEs: consult their context-file convention
**"My hub already exists — can I migrate?"**
Yes. Point the agent at your existing scattered resumes (`简历/` or similar) and say "migrate this into a resume-intelligence-hub structure." The bootstrap flow handles consolidation.
**"I need another language"**
Currently: Chinese and English templates. Contributions welcome — see the [GitHub repo](https://github.com/Zenine/resume-intelligence-hub).
---
# よくある質問
### resume-intelligence-hub とは何ですか？
resume-intelligence-hub は、個人のキャリアインテリジェンスハブを構築する AI エージェントスキルです。履歴書・面接準備・研究費申請・提出前検証を一元管理するプライベート Git リポジトリを作成し、ストレッチターゲットの設定、ギャップ分析、四半期 SMART 計画の策定まで担います。
### 具体的にどんな問題を解決しますか？
多くの人がキャリア管理を場当たり的に行っています：複数フォルダに散らばった履歴書、面接前の急ごしらえ準備、目標ポジションに向けた進捗管理の欠如。resume-intelligence-hub はこれを構造化されたインフラに置き換えます。`profiles/` に事実データを集約し、`AGENTS.md` でターゲットポジションをロックすることで生成する履歴書すべてをそこに向け、6 つのワークフローが JD カスタム履歴書生成から提出前の公開情報クロスチェックまで処理します。
### 誰に向いていますか？
求職中、1〜2 レベル上へのキャリアアップを計画中、または研究費申請を行っている方なら業種・職位を問いません。特に、日中英バイリンガル市場で活動中の方、採用応募と研究申請の両方を管理している方、AI にキャリアの文脈を記憶させてセッションをまたいで使いたい方に向いています。
### 他の履歴書 AI ツールと何が違いますか？
多くの履歴書ツールは一度きりです：JD を貼り付けて履歴書を生成する。resume-intelligence-hub は数ヶ月にわたる就職活動を通じて反復改善できる持続可能なインフラです。ポジショニングロックで全出力を目標に向け、検証ワークフローで提出前に主要な主張を公開情報源でクロスチェックし、ギャップ分析で必要なスキル・資格・マネジメント経験・人脈を特定します。
### 科学研究費申請トラックは必須ですか？
いいえ、デフォルトでは無効です。初期設定時に AI が学術研究費や研究助成金の申請をするか確認します。「いいえ」と答えると研究トラック関連ファイルはすべて省略されます。
### どうやって始めますか？
```bash
npx skills add Zenine/resume-intelligence-hub -g -y
```
AI IDE（Claude Code、Cursor、Windsurf など）を開き、ハブを置きたいディレクトリに移動して言うだけ：
> **キャリアリポジトリを作って**
AI が 7 つの質問に答えてもらい、10 分以内でプライベートハブを構築します。詳細は[クイックスタート](./quick-start.md)をご覧ください。
---
# 参照フレームワーク
ハブのワークフローは定着したフレームワークの上に構築されている。フレームワーク**名**を明示的に使うことで、深掘り用の語彙が得られ、技巧のシグナルにもなる。
## 履歴書の書き方
**Google's XYZ formula**（Laszlo Bock、元 Google SVP People Ops）
> "Accomplished [X] as measured by [Y], by doing [Z]."
すべての要点が 3 つの質問に答える：何をしたか、影響はどう測定されたか、どの行動がそれを生んだか。履歴書品質に対する最大のレバー。
**One-number rule**：すべての履歴書要点に少なくとも 1 つの定量要素（人数、パーセント、金額、期間、規模）を含める。数字のない要点はレビュー時にカット。
**CAR / PAR / STAR**（Challenge-Action-Result / Problem-Action-Result / Situation-Task-Action-Result）：XYZ が短い要点には構造化しすぎる場合の代替。STAR が主流で、`profiles/stories.md` で明示的に使用。
## 面接
**BEI — Behavioral Event Interviewing**（David McClelland、方法論を創始したハーバード心理学者）
ほとんどの行動面接の基礎。前提：過去の行動が未来の行動を予測する。面接官は特定の過去イベント（"〜した時のことを教えてください"）を探り、仮定を聞かない。一般論ではなく具体的なイベントで準備する。
**STAR**（Situation / Task / Action / Result）：BEI 質問への主流の回答フォーマット。`profiles/stories.md` で全編使用。
## 研究課題申請
**Heilmeier Catechism**（George Heilmeier、元 DARPA ディレクター）
すべての研究提案が答えるべき 9 問——助成金テンプレートが明示的に聞かない場合でも：
1. 何をしようとしているか？（専門用語なしで目的を明確に。）
2. 今はどうされているか、限界は何か？
3. あなたのアプローチの新規性は、なぜ成功するのか？
4. 誰が気にするか？成功したら何が変わる？
5. リスクとリターンは？
6. いくらかかる？
7. どれくらい時間がかかる？
8. 中間・最終の"試験"で成功をどう測る？
9. 退出戦略は？
`workflows/grant-application.md` のナラティブバックボーンとして使用。
## キャリアポジショニング
**T-shaped / π-shaped / M-shaped skills**（McKinsey / IDEO が普及）
1 つの垂直での深い専門性 + 隣接領域での広い流暢さ。シニアロールでは、しばしば π 型（2 つの深度）または M 型（複数の深度）。独自の価値を表現する際に使用。
**Career capital**（Cal Newport、*So Good They Can't Ignore You*）
稀少かつ価値ある技能がレバレッジを作る。ギャップ分析の問いは "何のスキルが欠けているか？" ではなく "何の資本があり、何に投資する価値があるか？"。
## 求職戦略
**Stretch target heuristic**（"1-2 レベル上、1.2-3 倍報酬、70% マッチ"）
外部転職の広く使われるリクルーター的ヒューリスティック：
- **シニアリティ**：現タイトルより 1-2 レベル上を狙う。同レベル（成長なし、転職の価値低い）でも 3+ レベル（創業者パス以外たいてい妄想）でもない。
- **報酬**：現総報酬の 1.2-1.5 倍が下限（外部転職にはプレミアム）；レベルアップ+会社タイプシフトも伴うなら 2-3 倍まで。
- **マッチ閾値**：70% マッチで応募。シニア採用は役割に成長して入ることを期待される。
- **チャネル重み**：warm intro >>> cold apply（約 10 倍のコンバージョン）。大量応募前にネットワーク活性化に投資。
**例外**：キャリアピボット（減給が通常）、意図的なダウンシフト、市場天井、アーリーキャリア（乗数が小さい）。`workflows/jd-sourcing.md` の基盤。
## デューデリジェンス
**Triangulation**
すべての重要な主張は提出前に ≥2 の独立公開情報源が必要。定性研究の標準実践、ここでは応募前履歴書 / 提案書検証に適用。`workflows/verification.md` の基盤。
## 目標設定
**SMART**（Specific / Measurable / Achievable / Relevant / Time-bound）
`todo.md` で優先順位を具体化するために使用——曖昧な項目は SMART 形式に書き換えられる。
---
## 参考文献
深く学びたい？
- **Laszlo Bock**, *Work Rules!* — XYZ formula と Google の採用哲学の起源
- **David McClelland**, *"Testing for Competence Rather Than for Intelligence"*（American Psychologist, 1973）— 画期的な BEI 論文
- **Cal Newport**, *So Good They Can't Ignore You* — career capital、深い仕事
- **George Heilmeier**, ["The Heilmeier Catechism"](https://www.darpa.mil/about-us/heilmeier-catechism) — DARPA 公式ページ
- **Keith Ferrazzi**, *Never Eat Alone* — ネットワーキング / warm-intro プレイブック
---
## 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](https://github.com/Zenine/resume-intelligence-hub/blob/main/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`](https://skills.sh/paramchoudhary/resumeskills/resume-ats-optimizer) — ATS 深層最適化
- [`paramchoudhary/resumeskills@linkedin-profile-optimizer`](https://skills.sh/paramchoudhary/resumeskills/linkedin-profile-optimizer) — LinkedIn プロファイル
- [`anthropics/knowledge-work-plugins@interview-prep`](https://skills.sh/anthropics/knowledge-work-plugins/interview-prep) — Anthropic 公式面接準備
- [`refoundai/lenny-skills@career-transitions`](https://skills.sh/refoundai/lenny-skills/career-transitions) — Lenny のキャリア転換
---
# デザイン哲学
反直感的な選択が 10 個。それぞれ失敗から学んだもの。全部理解しなくても使えるが、何かを変えるつもりなら先に読んでほしい。
## 1. 経歴は一か所にまとめる
5 つのバージョンに散らばった事実は、いつか矛盾する。`profiles/master.md` が唯一の事実ソース——実績、肩書き、タイムラインはすべてここに入れる。履歴書を作るとき、AI はここからデータを取る。先週のドラフトからではない。
`resumes-archive/` や `简历/` の過去の履歴書は読み取り専用のバックアップであり、データソースではない。
## 2. 方向を一度決めたら、毎回言わなくていい
「こういう仕事を探している」と毎回 AI に伝えるのは面倒だし、ぶれやすい。ターゲットのレベルと業界を `AGENTS.md` の先頭に書いておけば、AI は毎セッション自分で読む。方向を変えたいときはそのファイルを一か所直すだけ。
## 3. 求職活動と研究課題申請は別のもの
企業への応募と科研費申請は、同じ書類では対応できない——フォーマットも、トーンも、「どの実績を押すか」も違う。`master.md` が求職用、`research.md` が課題申請用（必要なときだけ有効化）。まとめると両方おかしくなる。
## 4. 機密書類はリポジトリに入れない
身分証明書、契約書、任命書、学位証明書、税務書類——コミットしない。`verification/references.md` に「どこにあるか」だけ記録し、原本は自分のドライブかクラウドに置く。これでリポジトリをいつでも誰かに見せても、何も漏れない。
## 5. 重要な提出前に、書いたことを確認する
シニアポジションの面接や助成金の審査——提出前に一度確認する価値がある。`workflows/verification.md` を実行して、学歴・雇用者・肩書き・プロジェクト番号・数値をすべて公開情報で裏を取る。独立した 2 つ以上の情報源が基準。
一致しないものが見つかったら今すぐ直す。面接官や審査委員に見つかるよりずっといい。
## 6. 終わったらすぐアーカイブ
`todo.md` には未着手の作業だけ入れる。完了したら AI にアーカイブを頼む——`changelog.md` に日付付きで移動する。`[x]` が積み上がった todo は達成感があるかもしれないが、「今何をすべきか」が見えなくなる。
## 7. 応募ごとに専用フォルダを作る
`jobs/applications/{会社名}-{ポジション}-{YYYY-MM-DD}/` に JD、履歴書、カバーレター、面接準備をひとまとめにする。同じ会社に 2 回目の応募 = 新しいフォルダ、上書きしない。日付は必須——ペースを可視化し、特定の応募に戻れるようにする。
## 8. 面接用のストーリーと事実の記録は分ける
`profiles/stories.md` には話すために磨いた STAR ナラティブを入れる。`master.md` には生の事実の記録を入れる。ストーリーは伝わるように作られ、事実は正確に記録される。目的が違うので、混ぜない。
## 9. 使う言語は一つだけ
初期化時に中国語か英語を選んで、以後は混ぜない。テンプレート、AI 指示、ワークフローはすべて単一言語環境を前提に書かれている。混在すると出力がぶれる。履歴書の出力言語は応募先によって選べる——それは別の話。
## 10. 特定の AI IDE に縛られない
`AGENTS.md` はクロス IDE 標準のコンテキストファイル。使用している IDE が別の場所を必要とする場合（Cursor の `.cursor/rules/`、Windsurf の `.windsurfrules`）は、シンボリックリンクかコピーで対応する。内容を特定のベンダー形式で書かない——ツールを変えるときにコンテキストを書き直す必要はないはず。
---
## 参照しているフレームワーク
ここで挙げた設計の選択はどれも確立された出典がある。完全なリストは [フレームワーク](/ja/frameworks)。
---
# クイックスタート
3 ステップでキャリアインテリジェンスハブを起動する。
## 1. Skill のインストール
```bash
npx skills add Zenine/resume-intelligence-hub -g -y
```
または直接 clone：
```bash
git clone https://github.com/Zenine/resume-intelligence-hub ~/.claude/skills/resume-intelligence-hub
```
## 2. ハブの初期化
お使いの AI IDE（Claude Code、Cursor、Codex、Cline、Windsurf、または `AGENTS.md` を読める任意の IDE）を開く。ハブを置きたい場所に `cd`——**必ずプライベートな場所**、公開される予定のリポジトリは避ける。そして次のように言う：
> **build my career repo**
エージェントが 7 問インタビューで進める：
1. **言語** — 中国語か英語、どちらか 1 つ（混在不可）
2. **既存資料** — 手元に履歴書 / CV があれば先に渡す（以降の質問すべてが正確になる）
3. **業界 / 分野** — ソフトウェア、医療、デザイン、法律、学術など
4. **ターゲットシニアリティ** — エントリーから VP / 創業者 / PI まで
5. **リサーチトラック？** — 助成金・研究費応募を行う場合のみ有効化
6. **履歴書出力言語** — 中国語、英語、または両方
7. **リポジトリ場所** — ディスク上のパス
続いてエージェントがディレクトリをスキャフォールドし、`AGENTS.md` にポジショニングを書き込み、既存の履歴書をアーカイブに取り込み、`todo.md` に「次のステップ」パンチリストを書き出す。
## 3. ハブの使用
初期化後、エージェントが 6 つのワークフローを処理する。自然言語で呼び出す：
| 言い方 | ワークフロー |
|--------|-------------|
| 目標ポジションとのギャップを分析して | [キャリアプランニング & ギャップ分析](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/career-planning.md) — 初期化直後に最初に実行し、その後は四半期ごとに再実行 |
| この JD に合わせて履歴書を作って | [JD カスタム履歴書](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/jd-tailored-resume.md) |
| 私に合いそうな求人を探して | [アクティブ JD ソーシング](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/jd-sourcing.md) |
| この面接の準備をして | [面接準備](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/interview-prep.md) |
| 応募前に検証して | [検証](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/verification.md) |
| XX 助成金の申請書類を作って | [研究課題申請](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/grant-application.md)（リサーチトラック） |
## トラブルシューティング
**「AI が私の AGENTS.md を読まない」**
- Claude Code：`CLAUDE.md` しか読まない古いバージョンなら、シンボリックリンク：`ln -s AGENTS.md CLAUDE.md`
- Cursor：`AGENTS.md` の内容を `.cursor/rules/agents.mdc` にコピーまたはシンボリックリンク
- Windsurf：`.windsurfrules` を使用
- GitHub Copilot：`.github/copilot-instructions.md` を使用
- その他の IDE：各 IDE のコンテキストファイル規約を参照
**「既存のハブがある — 移行できる？」**
はい。既存の散らばった履歴書（`简历/` など）の場所をエージェントに指し、「これを resume-intelligence-hub の構造に移行して」と言う。初期化フローが統合を処理する。
**「別の言語が必要」**
現在：中国語と英語のテンプレート。コントリビューション歓迎——[GitHub リポジトリ](https://github.com/Zenine/resume-intelligence-hub) を参照。
---
# 常見問題
### resume-intelligence-hub 是什麼？
resume-intelligence-hub 是一個 AI agent skill，幫你搭建一個個人職涯發展中樞——一個私有 Git 儲存庫，既是履歷、面試準備、課題申報、投遞前查核的單一事實來源，也是你的職涯指南針：命名挑戰目標、盤差距、寫季度 SMART 計畫。
### 它具體解決什麼問題？
大多數人的職涯管理是被動的：履歷散落在各個資料夾，面試前臨時抱佛腳，沒有系統化地追蹤向目標職位邁進的進度。resume-intelligence-hub 把這些換成結構化基礎設施：`profiles/` 存放事實性職業資料，`AGENTS.md` 頂部鎖定定位目標，六個工作流程處理從 JD 客製履歷到投遞前公開資料查核的一切。
### 適合誰使用？
任何正在求職、計畫往高 1-2 級跳槽、或申請研究計畫的人——不限行業，不限職級。尤其適合：需要兼顧中英文雙語市場、同時有求職投遞和研究申報兩條線、或者希望 AI 記住職涯背景而不是每次從頭開始的使用者。
### 和其他履歷 AI 工具有什麼不同？
大多數履歷工具是一次性的：貼 JD 出履歷。resume-intelligence-hub 是可持續迭代的基礎設施，橫跨數個月的求職過程。定位鎖讓所有輸出偏向你的目標；查核工作流程在投遞前用公開資料核實每一條承重聲明；差距分析精確識別你需要補的技能、資歷、管理範圍和人脈。
### 支援我使用的 AI IDE 嗎？
支援。hub 用 `AGENTS.md` 作為指令檔——這是跨 IDE 通用標準。Claude Code、Cursor、Codex、Cline、Windsurf 和 GitHub Copilot 都能讀它。
### 科研課題那條線是必須的嗎？
不是，預設關閉。初始化時 AI 會問你是否申請學術課題或研究計畫。回答否，課題相關檔案就完全不生成。大多數使用者不需要。
### 怎麼開始？
```bash
npx skills add Zenine/resume-intelligence-hub -g -y
```
然後打開 AI IDE，進入你想放 hub 的資料夾，說：
> **幫我建職涯庫**
AI 問你 7 個問題，10 分鐘內搭好你的私有 hub。完整流程見[快速開始](./quick-start.md)。
---
# 引用的方法論
Skill 裡的工作流程都建在成熟方法論之上。AI 指導你時會**點出名字**——既給你一個搜尋關鍵字往下深挖，也讓這些方法看起來不是 AI 亂編的。
## 履歷撰寫
### Google XYZ 公式
來自 Laszlo Bock，前 Google 人資副總裁。寫履歷要點時按這個結構：
> "Accomplished [X] as measured by [Y], by doing [Z]"
>
> 做到了 X，用 Y 來量化，靠 Z 實現的
每條要點都回答三件事：做到了什麼、用什麼指標能證明、具體做了什麼動作。這是履歷品質最大的一個槓桿——換成這個寫法，資訊密度直接翻倍。
### 一要點一數字
每條履歷要點必須帶至少一個數字（人數、百分比、金額、時間、規模都行）。沒數字的要點在復盤時直接刪——不是你沒做，是沒量化就沒說服力。
### CAR / PAR / STAR
XYZ 在短要點裡太囉嗦時，用這幾個簡化版：CAR（挑戰-行動-結果）、PAR（問題-行動-結果）、STAR（情境-任務-行動-結果）。最常用的是 STAR，在 `profiles/stories.md` 裡全程使用。
## 面試
### BEI（行為事件訪談）
David McClelland，哈佛心理學家發明的。「講一次你……的時候」這種問法的理論基礎。核心假設：**過去的行為比嘴上說的更能預測未來行為**。所以面試官不問「你會怎麼辦」，而是要你講具體過往案例。
準備時一定用具體事件，不要泛泛說「我一般會……」——那種答法在 BEI 裡根本過不了關。
### STAR
行為面試回答的主流結構：情境（Situation）→ 任務（Task）→ 行動（Action）→ 結果（Result）。`profiles/stories.md` 裡每個故事都按這個寫。
## 研究計畫申報
### Heilmeier 九問
George Heilmeier，前 DARPA 局長總結的——任何研究申報都該回答的九個問題。就算申報範本沒直接問，答完也更有說服力：
1. 你到底要做什麼？（別用行話）
2. 現在的做法是什麼？瓶頸在哪？
3. 你的新方法是什麼？為什麼能成？
4. 誰會從中受益？做成了意味著什麼？
5. 風險和回報各是什麼？
6. 要花多少錢？
7. 要花多長時間？
8. 中期和終期怎麼衡量成功？
9. 最壞情況下怎麼退出？
`workflows/grant-application.md` 裡「研究基礎」那段就按這九問組織的。
## 職涯定位
### T 型 / π 型 / M 型人才
McKinsey 和 IDEO 推廣的說法：一個領域有深度 + 相鄰領域有廣度 = T 型。資深職位常常需要 π 型（兩個深度柱）甚至 M 型（多個深度柱）。自己講「我的獨特價值在哪」時用這個框架解釋。
### 職涯資本
Cal Newport 在《優秀到不能被忽視》裡提出的概念——**稀有且有價值的技能**才是你的真正槓桿。做能力差距分析時，別問「我缺什麼」，換個問法：**「我手上有什麼籌碼？往下該投資哪些能放大它？」**
## 求職策略
### 延伸目標啟發式（1-2 級，1.2-3 倍薪，70% 匹配）
換工作時用的標準啟發式：
- **職級**：瞄準比目前**高 1-2 級**的職位。同級平跳換工作成本太高，3 級以上除非創業否則不現實
- **薪酬**：外跳總包至少 **1.2-1.5 倍**起（外部招聘自帶溢價，低於這個數換工作沒意義）；如果同時還發生「公司類型跨越」（大廠 → 高速成長 startup），**2-3 倍**也合理
- **匹配門檻**：**70% 符合就投**，不等 100%。資深職位雇主就是準備讓你邊做邊成長的
- **管道**：**內推的轉化率是冷投的 10 倍以上**——先把人脈啟用了再考慮海投
**例外**：純粹職涯轉型（減薪正常）、主動降速求生活、已經到產業天花板、早期職涯（倍數天然更小）。這是 `workflows/jd-sourcing.md` 的底層邏輯。
## 投遞前盡調
### 三角驗證
每條承重聲明都要在至少 **2 個獨立公開來源**得到確認才算過關。這是定性研究的標準做法，挪過來用於投遞前自查——面試官和評審會 Google，你先 Google 過自己一遍。`workflows/verification.md` 的基礎。
## 目標設定
### SMART
Specific（具體）、Measurable（可衡量）、Achievable（可達成）、Relevant（相關）、Time-bound（有期限）。`todo.md` 裡含糊條目會被 AI 改寫成這五個維度齊全的版本。
---
## 延伸閱讀
- **Laszlo Bock**，*Work Rules!* — Google 招聘哲學和 XYZ 公式的原始出處
- **David McClelland**，*"Testing for Competence Rather Than for Intelligence"*（American Psychologist, 1973）— BEI 的奠基論文
- **Cal Newport**，*So Good They Can't Ignore You*（中譯《優秀到不能被忽視》）— 職涯資本和深度工作
- **George Heilmeier**，[DARPA 官網 Heilmeier Catechism 頁面](https://www.darpa.mil/about-us/heilmeier-catechism)
- **Keith Ferrazzi**，*Never Eat Alone* — 人脈啟用 / warm intro 的操作手冊
---
## 安裝
```bash
npx skills add Zenine/resume-intelligence-hub -g -y
```
然後在你常用的 AI IDE 裡說任意一句：
```
> 幫我搭個履歷庫 # 從零開一個 hub
> 幫我針對這個 JD 生成履歷 # 客製履歷
> 看看有什麼合適的機會 # 讓 AI 主動搜職缺
> 針對這個職位幫我準備面試 # 模擬面試 + 準備故事
> 投遞前幫我核查一下公開資料 # 公開資料交叉驗證
```
## 它和其他履歷 skill 不一樣在哪
市面上多數履歷類 skill 是一次性工具——貼 JD、出履歷，用完就散。這個不是。它會讓你把幾個月的求職、面試、（如果要的話）研究計畫申報都沉澱在同一個私人 Git 儲存庫裡，Agent 每次對話先讀這個儲存庫，產出會被你之前寫下的定位一直約束著。完整邏輯寫在 [SKILL.md](https://github.com/Zenine/resume-intelligence-hub/blob/main/SKILL.md)。
## 搭配使用的專精 skill
具體某一次的細活可以疊加生態圈裡的小工具：
- [`paramchoudhary/resumeskills@resume-ats-optimizer`](https://skills.sh/paramchoudhary/resumeskills/resume-ats-optimizer) — ATS 關鍵字深度最佳化
- [`paramchoudhary/resumeskills@linkedin-profile-optimizer`](https://skills.sh/paramchoudhary/resumeskills/linkedin-profile-optimizer) — LinkedIn 檔案打磨
- [`anthropics/knowledge-work-plugins@interview-prep`](https://skills.sh/anthropics/knowledge-work-plugins/interview-prep) — Anthropic 官方面試準備
- [`refoundai/lenny-skills@career-transitions`](https://skills.sh/refoundai/lenny-skills/career-transitions) — Lenny 的職涯轉型框架
---
# 設計哲學
十條反直覺的選擇，每條背後都是踩過的坑。用這個 skill 不一定要理解每一條，但打算改它的話，先讀完這裡。
## 1. 你的經歷只有一份
分散在五個履歷版本裡的事實，遲早會互相矛盾。`profiles/master.md` 是唯一的事實庫，所有量化成果、職稱、時間線都在這裡。客製履歷時 AI 從這裡取資料，而不是從上次生成的版本裡複製貼上。
歷史履歷備份在 `简历/` 或 `resumes-archive/`，唯讀，不當資料來源用。
## 2. 方向定好，不用每次重說
每次對話都重新告訴 AI「我在找什麼樣的工作」很煩，也不可靠。把目標職級和產業寫在 `AGENTS.md` 頂部，之後每次會話 AI 都自己去讀。想換方向，改這一個地方就行。
## 3. 求職履歷和研究計畫申報不是一回事
申請企業職位和申請科研補助，需要的不是同一份材料——格式不同，語氣不同，甚至哪些成果「值得說」也不同。`master.md` 管求職，`research.md` 管研究計畫（按需啟用）。合併在一起只會讓兩邊都不對。
## 4. 原件不放儲存庫
身份證、合約、任命函、畢業證書、稅單——不放進版本控制。`verification/references.md` 只記錄「這份文件在哪裡」，原件留在你自己的硬碟或雲端同步碟。這樣儲存庫可以隨時分享或示範，不用擔心洩漏什麼。
## 5. 提交前先把關鍵資訊查一遍
高階職位的面試、研究計畫評審——提交之前值得做一次自查。執行 `workflows/verification.md`，把學歷、雇主、職稱、計畫編號、量化數字在公開來源裡核一遍，至少兩個獨立來源能印證才算過。
查到對不上的，現在改，比等面試官或評審自己搜到要好得多。
## 6. 做完就封存，別堆在待辦裡
`todo.md` 只放還沒做的事。做完了告訴 AI 封存——條目會移到 `changelog.md`，帶上日期。堆滿 `[x]` 的待辦看著有成就感，但找不到「現在該幹什麼」，那就沒用了。
## 7. 每次投遞單獨建檔
`jobs/applications/{公司}-{職位}-{YYYY-MM-DD}/`——JD、履歷、求職信、面試準備各放一份，全在這個資料夾裡。同一家公司投第二次，就再建一個新的，不要在原來那份上面改。日期必須有，以後回看能一眼看出節奏和每次投遞的背景。
## 8. 講故事和記事實，要分開
`profiles/stories.md` 放為面試口頭表達專門打磨過的 STAR 敘述，`master.md` 放原始事實記錄。故事要讓人聽進去，事實要準確無歧義——目的不同，放在一起會互相污染。
## 9. 語言只選一種，別混用
初始化時選中文或英文，之後不混用。範本、AI 指令、工作流程都假設單一語言環境，夾雜兩種語言容易讓 AI 的產出變亂。履歷本身想輸出中文版還是英文版，那是另一回事，投哪家選哪種就好。
## 10. 別把工具鏈綁死在某一家 IDE
`AGENTS.md` 是跨 IDE 通用的上下文檔案格式。如果你用的 IDE 要求別的位置（比如 Cursor 的 `.cursor/rules/`、Windsurf 的 `.windsurfrules`），建軟連結或複製過去就行。內容本身不要寫成某一家 IDE 的專屬格式，換工具不該需要重寫上下文。
---
## 背後參考的方法論
這些設計選擇不是憑空想的，每一條都有可追溯的來源。完整列表見 [方法論](/zh-TW/frameworks)。
---
# 快速開始
三步把你的職涯 hub 跑起來。
## 1. 裝 skill
```bash
npx skills add Zenine/resume-intelligence-hub -g -y
```
或者直接 clone 下來：
```bash
git clone https://github.com/Zenine/resume-intelligence-hub ~/.claude/skills/resume-intelligence-hub
```
## 2. 初始化你自己的 hub
打開你用的 AI IDE（Claude Code、Cursor、Codex、Cline、Windsurf，只要能讀 `AGENTS.md` 都行），`cd` 到你打算放 hub 的資料夾——**一定選私人位置**，別放在將來會公開的 repo 裡。然後說：
> **幫我搭個履歷庫**
AI 會問你 7 個問題：
1. **語言** — 中文或英文，選一個，別混著來
2. **現有資料** — 手頭有舊履歷 / CV 就先發給它，下面幾個問題都會因此更準
3. **產業** — 軟體、醫療、設計、法律、學術……什麼都行
4. **目標職級** — 初級、資深 IC、一線經理、總監、VP、創辦人、PI，按自己情況說
5. **要不要研究那條線** — 只在申報研究計畫 / 研究補助時需要開
6. **履歷輸出語言** — 中文、英文或雙語都行
7. **儲存庫放哪** — 硬碟上的絕對路徑
答完 AI 會：把目錄結構搭好 → 把定位寫進 `AGENTS.md` → 把你給的舊履歷封存 → 在 `todo.md` 裡寫一份「接下來要做什麼」的清單。
## 3. 平時怎麼用
Hub 搭好之後，直接用中文和 AI 說想做什麼就行：
| 你說 | 觸發的工作流程 |
|------|--------------|
| 盤一下我跟目標位子的落差 | [職涯規劃 & 差距盤點](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/career-planning.md) — 初始化後第一個跑，之後每季再跑一次 |
| 幫我針對這個 JD 生成履歷 | [JD 客製履歷](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/jd-tailored-resume.md) |
| 看看有什麼合適的機會 | [主動搜職缺](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/jd-sourcing.md) |
| 針對這個職位幫我準備面試 | [面試準備](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/interview-prep.md) |
| 投遞前幫我核查公開資料 | [投遞前自查](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/verification.md) |
| 幫我生成國科會（NSTC）研究計畫的申報履歷 | [研究計畫申報](https://github.com/Zenine/resume-intelligence-hub/blob/main/workflows/grant-application.md)（只在研究線開啟時） |
## 常見問題
**AI 沒讀到我的 AGENTS.md**
- Claude Code 舊版本只認 `CLAUDE.md`：`ln -s AGENTS.md CLAUDE.md` 建個軟連結就行
- Cursor：把 `AGENTS.md` 內容複製到 `.cursor/rules/agents.mdc`，或者軟連結
- Windsurf：用 `.windsurfrules`
- GitHub Copilot：用 `.github/copilot-instructions.md`
- 別的 IDE：查一下它自己的上下文檔案約定
**我已經有一堆散的履歷了，能直接用這個整起來嗎？**
可以。把 AI 指到那些履歷所在的目錄，讓它「把這些整合進 resume-intelligence-hub 的結構」就行。初始化流程會幫你合併。
**我想用別的語言（日文、韓文……）**
目前只有中英文範本，其它語言歡迎去 [GitHub](https://github.com/Zenine/resume-intelligence-hub) 提 PR。
---
