它不是一个普通链接，而是一个可拆解的工作样本
适合解决“每投一个岗位都要从头改简历、经历素材无法复用、JD 匹配靠感觉”的问题。它对中文求职/招聘教学尤其友好。
本地完整包已通过基础压缩包检查；有说明文件（README），便于学员理解；包含可导入或可拆解的工作流 JSON 文件；适合做节点连接和凭据替换练习。
返回：招聘、求职与候选人评估
工作流
BIGHR-AI-0018
Uzimelow/ai-native-resume-kit
这是 AI-native 简历工具包，把 PDF/DOCX 简历转成 AI 可编辑 HTML，并围绕素材库、JD 匹配评估、定制简历、自我介绍和导出形成完整求职材料系统。
它具体能做什么
- 把 PDF/DOCX 简历转换成结构化 HTML，内容集中到 resume-data.js 便于 AI 修改
- 建立经历素材库，让同一段经历可按不同岗位复用、润色和组合
- 做 JD 匹配评估：六维解析、岗位能力模型、证据矩阵和批判性诊断报告
- 生成定制简历、招聘平台打招呼话术、A4 PDF 和 2x PNG 快照
可以重点拆解哪一层结构
基本原理是：把简历内容集中到结构化数据文件，结合岗位能力模型和技能分类，对 JD 做六维解析和证据矩阵，再让 AI 重排经历、补全量化表达、生成定制版简历和 A4 PDF/PNG。
- 简历 HTML 化 — PDF
- DOCX → 结构化 HTML，内容集中在 resume-data.js，AI 一键修改
- 素材库 — 你的经历仓库。所有实习和项目集中管理，每个岗位下独立保存改写版本。新 JD 来了 → AI 自动匹配最相关经历 → 润色 → 组合成简历。一段经历复用多个岗位，不用每次从头改
- JD 匹配评估 — 六维 JD 解析 + 岗位能力模型 + 证据矩阵，产出带批判性诊断的评估报告
- 简历润色 — STAR 结构重写 + 量化数据补全，每段经历可审核可追溯
- JD 定制 — 基于评估结果重排经历顺序、强化匹配关键词、压缩弱相关内容，生成定制版简历
建议谁用，谁先不要用
适合
适合想学习 n8n/自动化节点连接、大模型节点接入、凭据替换和流程测试的学员、运营同学和技术同学。
不适合
不适合直接用于真实候选人通过/淘汰/排名/性格判断，也不适合上传真实候选人或员工敏感数据做课堂测试。
建议按这个顺序学习
- 先阅读说明文件（README）和能力包说明文件（SKILL.md），理解 HTML 化、素材库、JD 评估、定制和导出流程
- 用示例简历和模拟 JD 测试，不上传真实敏感个人信息
- 打开模板 HTML 或素材库 demo，观察 resume-data.js 如何驱动页面
- 让 AI 助手基于模拟 JD 生成评估报告、定制简历和打招呼话术
依赖提示：可能需要按说明文件（README）安装依赖、配置 API key 或在测试平台导入。
从哪些文件开始看
关键文件
- README.md
- material-library/README.md
- SKILL.md
- material-library/library-data.json
工作流文件
- material-library/library-data.json
Skill 模块
- SKILL
说明文件信号（README）
- 简历 HTML 化 — PDF
- DOCX → 结构化 HTML，内容集中在 resume-data.js，AI 一键修改
- 素材库 — 你的经历仓库。所有实习和项目集中管理，每个岗位下独立保存改写版本。新 JD 来了 → AI 自动匹配最相关经历 → 润色 → 组合成简历。一段经历复用多个岗位，不用每次从头改
- JD 匹配评估 — 六维 JD 解析 + 岗位能力模型 + 证据矩阵，产出带批判性诊断的评估报告
- 简历润色 — STAR 结构重写 + 量化数据补全，每段经历可审核可追溯
- JD 定制 — 基于评估结果重排经历顺序、强化匹配关键词、压缩弱相关内容，生成定制版简历
下载前需要先知道什么
涉及简历与求职材料，页面必须写明：只用于学习和模拟，不承诺通过 ATS，也不能伪造经历、指标或技能。
GitHub 下载链接：https://github.com/Uzimelow/ai-native-resume-kit/archive/refs/heads/main.zip