單一事實來源
所有履歷事實只在 profiles/ 裡寫一份。每份履歷、求職信、申報書都是當場依它衍生的——不用維護七八個版本的履歷。
Resume Intelligence Hub給 AI IDE 用的 career skill
一句話在你的 AI IDE 裡搭起私人職涯中樞——履歷客製、面試準備、研究計畫申報，全在同一個 Git 儲存庫裡。跨 Claude Code、Cursor、Windsurf 等主流 IDE 通用。
Skip to content
職涯羅盤
鎖定向上 1–2 級的 stretch 目標，寫在 AGENTS.md 最上面，之後每份履歷都按這個走。每一季按四維框架（技能 / 範圍 / 背書 / 人脈）攤開落差，轉成這一季能跑的 SMART 計畫。
雙軌分離
求職履歷和研究計畫申報書格式、語氣、重點完全不同。兩邊資料來源分開，只在需要時開啟研究那條線。
投遞前查核
衝高階職或申報研究計畫前，把履歷裡每條聲明（學歷、職稱、計畫編號、數字）逐條在公開來源過一遍，把風險項提前改掉，而不是等對方查到。
跨 IDE 通用
核心指令檔案走 AGENTS.md 這個跨 IDE 標準。Claude Code、Cursor、Codex、Cline、Windsurf、GitHub Copilot 都能讀，換工具不用重搭。
成熟方法論背書
Google XYZ 公式、STAR、BEI、Heilmeier 9 問、stretch target、三角驗證——每一條都點出處，方便你想深入時自己順藤摸瓜。
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。
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— ATS 關鍵字深度最佳化paramchoudhary/resumeskills@linkedin-profile-optimizer— LinkedIn 檔案打磨anthropics/knowledge-work-plugins@interview-prep— Anthropic 官方面試準備refoundai/lenny-skills@career-transitions— Lenny 的職涯轉型框架