resume-builder

Discovered★ 14

Resume Builder

YAML 数据 + 布局 → 简历产物的轻量构建系统。一键产出 HTML / PDF / 分页 PNG / 长图，适合 AI 与用户协作生成、迭代简历。

特性

数据驱动：简历内容全部由 data/{person}/ 下的 YAML 定义
AI 记忆区：每个 YAML 末尾的 reference: 会被构建器截断，不参与渲染，用于记录口径、红线、决策与用户原话
样式 / 主题 / 布局：通过 style、theme.yaml、--layout 控制视觉
一键导出：HTML、PDF、长图、分页 PNG
多人物 / 多版本：一个人物一个目录，互不干扰

效果预览

python make.py build --person demo

然后打开 output/demo-*/demo-*.html 查看构建结果。

作为 dsh 插件安装

本项目同时是一个 DeepSeek Harness 插件，npm 包名 dsh-resume-cv。

安装（任选其一）：

# 命令行
dsh plugin add dsh-resume-cv

或在 dsh 应用内：插件 → 添加插件 → 包名，填 dsh-resume-cv。

装完重启一次 dsh，然后：

左栏出现「简历」入口，点进去确认简历项目目录（首次会自动铺一份完整模板到所选目录）
对话即「简历顾问」模式：只改简历项目里的 YAML / CSS，改完右栏实时预览
export 工具直接导出 HTML / PDF / 长图——PDF 与长图优先驱动系统已装的 Edge / Chrome，零下载

对任意近期 dsh 版本兼容，无版本锁。

快速开始

# 校验所有 YAML
python make.py validate --person demo

# 完整构建（HTML + PDF + 长图 + 分页 PNG）
python make.py build --person demo

# 指定布局
python make.py build --person demo --layout two-column

# 只构建 HTML/长图，不导出 PDF
python make.py build --person demo --no-pdf

# 监听 YAML 变化自动重建
python make.py watch

项目用法（AI）

使用本项目和 AI 协作时：

先加载仓库根目录的 AGENTS.md
按其中的“简历顾问”角色开始聊天
直接围绕用户简历内容讨论，不需要先介绍项目
一个 YAML 一个 YAML 来，边讨论、边确认、边修改

AI 不需要做：代码审查、项目结构讲解、git 状态汇报、内部流程说明。

使用方式

创建一份新简历

data/{person}/

每个目录代表一份简历。目录下放顶层板块 YAML，也可以放子目录作为 collection。

添加一个板块

# data/{person}/education.yaml
type: entry-list
title: 教育背景
order: 1
style:
  - underline-title
items:
  - heading:
      text: 山东大学 · 工商管理 · 本科
    meta: 2023.09 - 2027.06
    body:
      - 主修课程：市场营销学、管理学、Python 数据分析

添加一个项目 / 经历条目

子目录会自动成为一个板块，例如：

# data/{person}/projects/_meta.yaml
title: 项目经历
order: 2
zone: main
style:
  - underline-title

每个条目一个 YAML：

# data/{person}/projects/example.yaml
type: entry-list
heading:
  text: 项目名称
body:
  - 项目描述
  - 使用的方法与工具
  - 可量化的成果

AI 记忆区（reference）

每个 YAML 文件末尾都可以写：

reference:
  用户原话: >
    用户说“我可以使用 Excel 做数据透视表”
  口径: >
    技能只写真实使用过的，不写“精通”
  红线: >
    不虚构经历、不编造数字

reference: 之后的内容构建时会被整段截断，不会出现在简历成品里。

所有讨论记录、口径、红线、待确认事项都写进对应 YAML 的 reference；不要另外创建 _notes.md、ai-notes.md 等独立记忆文件。所有 YAML 使用同一套协议，没有特殊格式。

与 AI 协作的使用建议

一个 YAML 一个 YAML 来：不要一次性收集完整简历后再统一写。先聊当前板块，确认后再落盘。
边讨论边修改：用户说一段、AI 给反馈或草稿、确认后再写对应的 YAML，再进入下一个板块。
板块顺序灵活：不需要严格从前往后。用户当前最想改哪块，就先讨论哪块。
总结类内容最后处理：skills、summary、personal 这类需要基于教育/实习/项目提炼的内容，放到最后再写，避免一开始空洞或前后矛盾。
reference 同步记录：讨论中形成的口径、红线、待确认事项随时记入 reference，但不打断对话节奏。
JD 定制：如果用户需要按岗位 JD 调整简历，先确认哪份是“标准通用简历”，复制一份并重命名，在副本里做针对性调整，不直接改动标准版。

YAML 协议简述

type	用途
`block`	单段文本，如自我评价
`entry-list`	条目列表，如教育、实习、项目、技能
`grouped-list`	分组列表，如技能分类

常用字段：

order   # 板块顺序
zone    # main / sidebar
title   # 板块标题
style   # 样式列表，可叠加
items   # 条目列表
blocks  # 多段落结构
heading / meta / sub / body / tags

行内标记：

**加粗**        ==高亮==        `代码`
{style:name}文本{/style}
{icon:name}     ![图片](https://raw.githubusercontent.com/SanZiNEO/resume-builder/HEAD/assets/images/demo.png)

更完整的示例直接看：

data/demo/
data/demo-fe-lead/
data/proto/

这些是虚构示例数据，不是真实用户简历。

目录结构

resume-builder/
├── make.py                  # 唯一入口：校验 + 构建 + PDF + 截图
├── src/                     # 核心代码
├── layouts/                 # 页面布局
├── styles/                  # 样式库
├── assets/                  # 图标与图片
├── data/                    # YAML 简历数据
├── tests/                   # pytest 测试
└── output/                  # 构建产物（不追踪）

环境要求

Python 3.10+

安装依赖：

python -m pip install -r requirements.txt

导出 PDF / PNG 需要浏览器内核：

python -m playwright install chromium

安装测试依赖并运行：

python -m pip install -r requirements-dev.txt
python -m pytest

布局

default / two-column / three-column / hero-two-column / timeline / portfolio-grid

License

MIT

Comments

Loading…