投实习时,你大概率会准备 6 个岗位方向 × 多份针对性简历:技术度量 / 算法 / 产品 / 数据标注 / 测试 / 通用。 每份都要从同一份项目经历里挑不同项目、换不同表达、套不同模板。
简历帮做的事 —— 把"项目 / 技能 / 荣誉 / 证书"沉淀为唯一事实源,按岗位和 JD 自动选材 + 排版 + 生成 .docx。
简历帮 ≠ 简历生成器,它是一个带 JD 匹配评分和面试官补全的个人投简历工具。
| 模块 | 能做什么 |
|---|---|
| 📚 素材库 | 一次维护,所有简历共享。结构化存储项目 / 技能 / 荣誉 / 证书。 |
| 🎯 岗位定制 | 6 个方向 tech_metric / product / algorithm / data_annot / test_qa / general,每个角色自动选最匹配的项目。 |
| 📄 8 套模板 | classic / single_column / two_column / minimal / technical / academic / internet / bilingual,支持学术 / 互联网 / 中英双语等不同风格。 |
| 🔍 JD 匹配评分 | 粘贴 JD → 解析关键词 / 经验 / 学历 → 0-100 匹配度 + 高/中/低建议 + 缺什么补什么。 |
| 📎 外部简历对比 | 上传你已有的 .docx / .pdf 简历,自动对比"你有但素材库没有"和"素材库有但你没写"。 |
| ✍️ 预览 → 确认 → 下载 | 先看模块内容,人工确认后再生成 .docx,所见即所得,改完再下载。 |
🤖 进阶能力(可选,不影响主流程)
- 🧠 可选 LLM 改写 — 有
LLM_API_KEY时改写项目亮点;无 key 时静默降级为原文,不出错不卡住。 - 🛰️ Agent Workflow 诊断 — 默认关闭。开启后预览页出现 evidence / 工具摘要 / bullet 评估 / trace 回放,适合想知道"系统到底跑了啥"的开发者。
- 💬 JD 驱动简历面试官 — 粘贴 JD,系统挑一个最值得补的缺口 → 一问一答 → 生成
draft_card→ 事实核验 + 低置信度提示 → 你编辑 → 写回素材库。下次再投类似岗位,这条素材已经在库里。desktop 380px 侧栏 / 移动端全屏 drawer。 - 🧪 离线评测 harness — 4 个评测脚本:
replay_agent_trace.py/evaluate_agent_workflow.py(4 开关对照) /evaluate_prompt_versions.py(4 prompt 对比 + 可选 judge) /evaluate_interview_agent.py(规则 vs LLM)。手动跑,不入默认启动流程。
三段式流程:① 选岗位 → ② 预览 → ③ 下载。左列选岗位方向和模板,中列展示已加载的素材库和项目,右列是 JD 驱动面试官(空白状态)。
粘贴目标岗位 JD,点"对当前岗位跑匹配度评分",系统给出 0-100 综合分 + 三维覆盖率(技能/工具/领域)+ 命中关键词(绿)与缺失关键词(红)+ 补充建议。示例: 某 JD 拿到 82 分(放心投递),命中 5 个核心关键词,建议补"分布式训练 / A/B 实验"。
≤768px 自动切到单列 + 抽屉式聊天,核心选择(岗位 / 模板)依然可达。
截图本地用 Edge headless 自动生成(同
frontend/真实运行产物)。预填 JD + 评分 mock 数据仅供截图展示,生产代码不保留 demo 模式。
cd backend
pip install -r requirements.txt
python main.py默认地址:
http://127.0.0.1:8000健康检查:curl http://127.0.0.1:8000/api/health→{"status":"ok"}
cd frontend
npm install
npm run dev默认地址:
http://127.0.0.1:5173
- 打开
http://127.0.0.1:5173,从左侧选岗位方向(如tech_metric)。 - 选模板(如
classic或academic)。 - (可选) 在 JD 框粘贴目标岗位的 JD,点"匹配评分"看 0-100 分 + 缺什么。
- 点"预览",看模块内容,不满意可改素材库或换模板。
- 满意后点"下载",得到
.docx文件。
💡 第一次没素材很正常,前端右上角有"素材库"入口,把所有项目 / 技能 / 证书一次性填进去就行。
岗位方向 (role_id) |
意图 | 主推项目 | 适用 |
|---|---|---|---|
tech_metric |
大模型技术度量实习 | 医疗评测 / ECG / Datawhale | AI Eval / 评测岗 |
product |
AI 产品经理实习 | 医疗评测 / Datawhale | AI PM 岗 |
algorithm |
医疗 AI 算法实习 | ECG / 医疗评测 | 算法岗 |
data_annot |
大模型数据标注实习 | 医疗评测 / Datawhale | 标注 / 数据岗 |
test_qa |
AI 测试 / QA 实习 | 医疗评测 / ECG | 测试 / QA 岗 |
general |
通用 | 全部 | 不确定方向时 |
模板 (template_id) |
风格 | 适用 |
|---|---|---|
classic |
经典单栏 | 通用 |
single_column |
紧凑单栏 | 互联网公司 |
two_column |
左右双栏 | 节省页数 |
minimal |
极简 | 突出项目本身 |
technical |
技术风 | 算法 / 研发岗 |
academic |
学术 CV | 学术申请 / 研究岗 |
internet |
互联网简洁 | 字节 / 阿里 style |
bilingual |
中英双语 | 跨境 / 外企 |
简历帮/
├── backend/ # FastAPI 后端
│ ├── main.py # 入口
│ ├── api/ # materials / resume / jd / interview 4 个路由
│ ├── core/ # generator / jd_parser / agent_* / interview_* 业务核心
│ ├── data/materials.json # 脱敏示例素材库(真实数据走 _private_backup.json)
│ └── tests/ # 948 个 pytest
│
├── frontend/ # Vue 3 + Vite 单页
│ ├── src/App.vue # 主界面
│ ├── src/components/ # 聊天 / 上传 / 进度条
│ └── src/api/index.ts # API 封装 + 类型
│
├── scripts/ # 4 个评测 + trace 回放 + JD 库构建
│ ├── replay_agent_trace.py
│ ├── evaluate_agent_workflow.py
│ ├── evaluate_prompt_versions.py
│ ├── evaluate_interview_agent.py
│ ├── build_v4.py # JD 库构建
│ └── verify.ps1 # 本地全量验证
│
├── AI岗位JD库_v4_intern.* # 个人用 AI 岗位 JD 资料库(86 份,4 级实习匹配)
│
├── AGENTS.md # 给 AI agent 看的开发手册(★ 内部信息)
└── README.md # 你正在看
仓库自带一份个人用 AI 岗位 JD 资料库,86 份分 4 级(strong / campus_to_intern / weak / none),附匹配评分实测。
AI岗位JD库_v4_intern.json— 主库(86 份 JD)AI岗位JD库_v4_intern_筛选报告.md— 4 级规则 + 52 份实习可投清单AI岗位JD库_v4_黄金标的match报告.md— 黄金 JD × 6 role 实测对比scripts/build_v4.py/score_intern_match.py/match_golden_targets.py— 扩库 / 打标 / 实测脚本
投递前,把目标 JD 全文跑一次
match_score(text, role, materials),先看素材库匹配度,缺什么再补什么。
# 后端全量测试(948 个用例,约 16s)
cd backend
D:\python3.11\python.exe -m pytest tests/ -q
# 前端类型检查 + 构建
cd frontend
npx vue-tsc --noEmit
npm run build
# 一键本地全量验证(后端 + 前端)
powershell -ExecutionPolicy Bypass -File scripts/verify.ps1可选 LLM 配置(backend/.env):
LLM_ENABLED=true
LLM_API_KEY=your_key_here
LLM_BASE_URL=https://api.openai.com/v1
LLM_MODEL=your_model没设 key 也能跑,所有 LLM 路径会静默降级为规则版,不影响主流程。
安装 pre-push hook:powershell -ExecutionPolicy Bypass -File scripts/install-hooks.ps1
项目只做这些:
- 在你本机 8000 / 5173 端口跑
- 读你维护的
materials.json,写.docx到本地output/ - 评估脚本读 JD 库,生成 Markdown 报告到
backend/logs/
项目明确不做这些:
- ❌ 不自动投递
- ❌ 不爬招聘网站(JD 由你粘贴)
- ❌ 不追踪 HR / 面试进度
- ❌ 不做账号 / 多用户 / 云端协作
- ❌ 不替代人工确认,下载前你 review
- ❌ 不暴露公网 ——
PUT /api/materials无鉴权,只服务本地
真实数据:backend/data/_private_backup.json(.gitignore),clone 后 cp 一份到 materials.json 即用。
📖 详细隐私边界见
.harness/docs/privacy-deploy.md。
| 你想知道… | 看这里 |
|---|---|
| 内部开发流程 / round 锁点 / pytest 边界 | AGENTS.md |
| 未来规划 / 各 round 设计文档 | .harness/docs/ROADMAP.md |
| 系统架构总览 | .harness/docs/system-architecture.md |
| 隐私 / 部署边界细则 | .harness/docs/privacy-deploy.md |
| 内部测试开发参考 | .harness/docs/resume-buff-test-development-interview-guide.md |
| 内部架构详情 | .harness/docs/architecture.md |
Made with ❤️ for job-hunting season · 本地单用户工具,代码随用随改
Resume-Buff — a local single-user resume assistant.
One structured materials.json (projects / skills / honors / certs) → pick a role (6 options) + a template (8 options) + optionally paste a JD → get a tailored .docx resume.
- Backend: Python 3.11+ / FastAPI / 948 pytest passing
- Frontend: Vue 3 + Vite + Element Plus
- Privacy: local-only, no auth, no cloud, no tracking. Do not expose to public network.
- Optional LLM: set
LLM_API_KEYto enable smart rewrite / JD-driven interview agent. Without a key, everything silently falls back to rules.
See AGENTS.md for the full developer handbook.