[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-80930":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":9,"language":10,"languages":9,"totalLinesOfCode":9,"stars":11,"forks":12,"watchers":13,"openIssues":14,"contributorsCount":14,"subscribersCount":14,"size":14,"stars1d":15,"stars7d":16,"stars30d":17,"stars90d":14,"forks30d":14,"starsTrendScore":18,"compositeScore":19,"rankGlobal":9,"rankLanguage":9,"license":20,"archived":21,"fork":21,"defaultBranch":22,"hasWiki":23,"hasPages":21,"topics":24,"createdAt":9,"pushedAt":9,"updatedAt":25,"readmeContent":26,"aiSummary":27,"trendingCount":14,"starSnapshotCount":14,"syncStatus":12,"lastSyncTime":28,"discoverSource":29},80930,"shushu-internship-resume-optimizer","Sunanzhe2004\u002Fshushu-internship-resume-optimizer","Sunanzhe2004","A toolkit for turning internship materials into resume-ready bullets and interview-ready project narratives, with achievement auditing, JD-based ranking, AI-heavy phrasing checks, and structured interview prep outputs.",null,"Python",55,2,32,0,1,16,23,6,1.43,"Other",false,"main",true,[],"2026-06-12 02:04:08","# Shushu 实习简历优化器\n\n**把你的实习材料，从“散乱记录”变成“可投简历 + 可讲项目故事”。**\n\nShushu 会先审计成果与证据，再按目标 JD 排序，最后生成简历 bullet、项目总结、STAR 草稿、面试 Q&A 和风险检查清单。\n\n[简体中文](.\u002FREADME.md) · [English](.\u002FREADME.en.md) · [贡献指南](.\u002FCONTRIBUTING.md) · [更新说明](.\u002FRELEASE_NOTES.md)\n\n![workflow overview](.\u002Fassets\u002Fworkflow-overview.png)\n\n> ⚠️ 使用前请先脱敏：不要提交公司内部文档、真实用户数据、密钥、访问凭证，或任何不能公开传播的实习材料。\n\n## 快速入口\n\n- [先跑一遍 Demo](#3-分钟试跑)\n- [先看输出示例](#输出长什么样)\n- [接入自己的材料](#接入自己的材料)\n- [命名说明](#命名说明)\n- [先看安全提醒](#安全提醒)\n\n## 它解决什么问题\n\n很多实习材料的问题不是“没有内容”，而是内容太散：\n\n- 代码仓库里有实现，但简历里讲不清贡献边界\n- 项目总结写得很长，但不适合直接压成简历 bullet\n- 面试时能回忆细节，却很难稳定讲出一条完整项目故事\n- 直接用 AI 总结，容易出现空泛、机械、夸大或证据不足的表述\n\n这个项目的目标不是替你“直接编一份简历”，而是先把原始材料拆开审计，再把可验证的成果、证据、风险和缺口整理出来，最后生成更适合你自己二次确认和改写的求职材料。\n\n## 为什么用它\n\n- 不是直接“编简历”：先提取证据、指标、职责边界，再生成表达\n- 不是统一模板：会结合目标 JD 对成果排序\n- 不是只看代码：同时支持 `code_repo`、`project_summary`、`business_docs`\n- 不鼓励吹牛：会标记 AI 味、夸大风险和待确认信息\n- 不止写简历：同时生成项目介绍、STAR 草稿、追问 Q&A 和投递前检查清单\n\n## 3 分钟试跑\n\n环境要求：`Python >= 3.10`\n\n仓库内自带一套可公开提交的最小示例输入，适合先验证命令、输出结构和工作流，再替换成你自己的本地材料。\n\n示例文件：\n\n- `examples\u002Fminimal_input\u002Fsources.json`\n- `examples\u002Fminimal_input\u002Fproject_summary.md`\n- `examples\u002Fminimal_input\u002Fbusiness_overview.md`\n- `examples\u002Fminimal_input\u002Ftarget_jd.txt`\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FSunanzhe2004\u002Fshushu-internship-resume-optimizer.git\ncd shushu-internship-resume-optimizer\n\npython -m venv .venv\n```\n\nmacOS \u002F Linux:\n\n```bash\nsource .venv\u002Fbin\u002Factivate\npython -m pip install -e \".[dev]\"\n\npython -m shushu_internship_tool.achievement_audit \\\n  --sources examples\u002Fminimal_input\u002Fsources.json \\\n  --out demo_reports\u002Faudit \\\n  --name demo-materials\n\npython -m shushu_internship_tool.resume_rank \\\n  --jd examples\u002Fminimal_input\u002Ftarget_jd.txt \\\n  --achievements demo_reports\u002Faudit\u002Fachievement_audit.json \\\n  --target-role llm-application-intern \\\n  --out demo_reports\u002Frank\n\npython -m shushu_internship_tool.interview_pack \\\n  --project-notes demo_reports\u002Frank\u002Fresume_rank.json \\\n  --target-role llm-application-intern \\\n  --out demo_reports\u002Finterview\n```\n\nWindows PowerShell:\n\n```powershell\n.\\.venv\\Scripts\\Activate.ps1\npython -m pip install -e \".[dev]\"\n\npython -m shushu_internship_tool.achievement_audit `\n  --sources examples\u002Fminimal_input\u002Fsources.json `\n  --out demo_reports\u002Faudit `\n  --name demo-materials\n\npython -m shushu_internship_tool.resume_rank `\n  --jd examples\u002Fminimal_input\u002Ftarget_jd.txt `\n  --achievements demo_reports\u002Faudit\u002Fachievement_audit.json `\n  --target-role llm-application-intern `\n  --out demo_reports\u002Frank\n\npython -m shushu_internship_tool.interview_pack `\n  --project-notes demo_reports\u002Frank\u002Fresume_rank.json `\n  --target-role llm-application-intern `\n  --out demo_reports\u002Finterview\n```\n\n跑完后优先看：\n\n- `demo_reports\u002Faudit\u002Foverview.md`\n- `demo_reports\u002Frank\u002Fresume_project_summary.md`\n- `demo_reports\u002Finterview\u002Finterview_qa.md`\n\n## 输出长什么样\n\n下面是 README 里直接给你看的示意片段，重点不是“自动生成一堆文件”，而是让你快速判断输出是否像你真的会拿来改、拿来讲。\n\n### `resume_project_summary.md` 示意片段\n\n```md\n- 围绕多源实习材料设计成果审计链路，统一整理代码仓库、项目总结与业务背景文档，\n  将零散记录压缩为可复用的成果项与证据清单。\n- 结合目标 JD 对成果进行排序，优先保留更能体现业务理解、实现深度和可量化影响的内容，\n  用于生成更适合简历投递的项目总结底稿。\n- 对 AI 味重、证据不足或职责边界不清的表述增加显式风险提醒，\n  降低“看起来像写得很好、但追问就露馅”的问题。\n```\n\n### `interview_qa.md` 示意片段\n\n```md\nQ: 这个项目里你最核心的贡献是什么？\nA: 我做的不是直接生成一份简历，而是把原始材料先拆成成果、证据和风险三层，\n   这样后面的简历表达和面试回答都能围绕可验证信息展开。\n\nQ: 为什么要加风险提醒？\nA: 因为很多 AI 生成表述在“读起来顺”之外，还会出现夸大、空泛和边界不清的问题。\n   我希望它先提醒哪些内容需要本人确认，再决定哪些能写进简历。\n```\n\n### `overview.md` 你通常会看到什么\n\n- 每个成果项对应的证据、指标、业务背景和待补信息\n- `user_check_flags` 标记，提醒哪些表述需要你亲自确认\n- 更适合先复盘、再人工压缩进简历的材料结构\n\n## 工作流\n\n主流程：\n\n`JD + 多源实习材料 -> achievement_audit -> resume_rank -> interview_pack`\n\n可选增强：\n\n`business_docs -> doc_knowledge`\n\n推荐顺序：\n\n1. 先准备 `sources.json`，把代码仓库、项目总结和业务背景文档整理进去。\n2. 先跑 `achievement_audit`，确认成果抽取、证据和风险提醒是否合理。\n3. 再跑 `resume_rank`，判断哪些成果最适合当前目标岗位。\n4. 最后跑 `interview_pack`，把结果转成 STAR、项目介绍和面试问答。\n\n## 接入自己的材料\n\n最常见的完整链路是：\n\n```bash\npython -m shushu_internship_tool.achievement_audit --sources your_materials\u002Fsources.json --out reports\u002Faudit --name internship-materials\npython -m shushu_internship_tool.resume_rank --jd your_materials\u002Ftarget_jd.txt --achievements reports\u002Faudit\u002Fachievement_audit.json --target-role llm-application-intern --out reports\u002Frank\npython -m shushu_internship_tool.interview_pack --project-notes reports\u002Frank\u002Fresume_rank.json --target-role llm-application-intern --out reports\u002Finterview\n```\n\n最小输入结构可以参考 [examples\u002Fminimal_input](.\u002Fexamples\u002Fminimal_input\u002F)：\n\n- `sources.json`：输入索引，串起 repo、总结和业务文档\n- `project_summary.md`：长一点也没关系，适合先交给工具做拆解\n- `business_overview.md`：帮助补足业务背景、上下游关系和问题场景\n- `target_jd.txt`：目标岗位 JD，用来做成果排序和表达校准\n\n如果你还想让工具辅助理解业务文档，可以额外运行：\n\n```bash\npython -m shushu_internship_tool.doc_knowledge --docs your_materials\u002Fbusiness_overview.md --mode basic_rag --query \"What are the main failure modes?\" --out reports\u002Fknowledge\n```\n\n## 命名说明\n\n- 仓库名：`shushu-internship-resume-optimizer`\n- Python package：`shushu-internship-tool`\n- 模块路径：`shushu_internship_tool`\n- Console scripts：`shushu-achievement-audit`、`shushu-resume-rank`、`shushu-interview-pack`\n- README 里当前推荐运行方式：`python -m shushu_internship_tool.xxx`\n\n这样做是为了优先保持当前包结构稳定；如果后续统一命名，会在更新说明里明确写出。\n\n## 命令说明\n\n### 1. 成果审计\n\n```bash\npython -m shushu_internship_tool.achievement_audit --sources your_materials\u002Fsources.json --out reports\u002Faudit --name internship-materials\n```\n\n输出：\n\n- `achievement_audit.json`\n- `overview.md`\n- `overview.html`\n- `business_context_rewrite.md`\n\n这一层额外会做：\n\n- 长项目总结拆分成多个成果项\n- 指标、证据、风险点、待补信息抽取\n- `user_check_flags` 标记，提示哪些表述 AI 味重、边界不清或可能夸大\n- 生成更适合自己复盘和面试解释的业务背景改写\n\n### 2. 简历成果排序\n\n```bash\npython -m shushu_internship_tool.resume_rank --jd your_materials\u002Ftarget_jd.txt --achievements reports\u002Faudit\u002Fachievement_audit.json --target-role llm-application-intern --out reports\u002Frank\n```\n\n输出：\n\n- `resume_rank.json`\n- `resume_rank.md`\n- `resume_project_summary.md`\n\n这一层额外会给出：\n\n- 更像简历 bullet 的推荐写法\n- 哪些指标最值得补\n- 哪些证据或实现细节还不够支撑当前表述\n- 哪些句子过于机械、重复或 AI 味偏重\n\n### 3. 业务文档知识层\n\n```bash\npython -m shushu_internship_tool.doc_knowledge --docs your_materials\u002Fbusiness_overview.md --mode basic_rag --query \"How does the workflow recover failures?\" --out reports\u002Fknowledge\n```\n\n支持模式：\n\n- `direct`\n- `basic_rag`\n- `knowledge_base`\n\n### 4. 面试包\n\n```bash\npython -m shushu_internship_tool.interview_pack --project-notes reports\u002Frank\u002Fresume_rank.json --target-role llm-application-intern --out reports\u002Finterview\n```\n\n输出：\n\n- `interview_pack.json`\n- `resume_star.md`\n- `project_intro.md`\n- `interview_qa.md`\n- `risk_answers.md`\n- `application_checklist.md`\n\n## 当前状态\n\n相对稳定：\n\n- 多源材料成果审计\n- JD-based 成果排序\n- 简历项目总结生成\n- 面试 Q&A \u002F STAR 草稿生成\n\n持续增强：\n\n- `doc_knowledge` 知识层\n- 更多行业 \u002F 岗位样本\n- 更细粒度的 AI 味和夸大检测\n- 更完整的测试覆盖\n\n## 设计原则\n\n- 不编造数字，没有稳定指标就明确标注“待补量化 \u002F 待补证据”\n- 不只看代码，也重视业务背景和上下游流程\n- 简历表达按目标岗位校准，而不是统一套模板\n- 对 AI 味重或可能夸大的内容做显式提醒\n- 优先产出“可投、可讲、可追问展开”的材料\n\n## 致谢与来源\n\n这个仓库基于原项目做了面向“实习简历整理 \u002F 面试复盘”场景的二次开发与定向重构。\n\n当前主流程聚焦于：\n\n`achievement_audit -> resume_rank -> interview_pack`\n\n可选增强能力：\n\n`doc_knowledge`\n\n感谢原项目开发者提供基础工作流与思路，原始项目：\n\n- `https:\u002F\u002Fgithub.com\u002FLiuMengxuan04\u002Fshushu-internship-tool`\n\n## 参与贡献\n\n如果你想改进成果抽取、简历改写、面试表达、测试覆盖或文档内容，建议先阅读 [CONTRIBUTING.md](.\u002FCONTRIBUTING.md)，也欢迎直接提交 Issue 或 PR。\n\n## 安全提醒\n\n使用这个项目整理实习经历、项目材料或业务文档时，请优先遵守所在公司或团队的安全规范，不要触碰公司安全红线。\n\n尤其不要上传、提交或公开以下内容：\n\n- 未脱敏的内部业务数据\n- 公司内部文档、策略、流程细节\n- 含有用户信息、账号信息、密钥、访问凭证的材料\n- 任何明确不能对外传播的实习内容\n\n如果你想体验测试，建议优先使用脱敏后的材料，或者自己手动改写后的项目总结。\n","Shushu 实习简历优化器是一个工具包，旨在将实习材料转化为简历条目和面试准备的项目叙述。其核心功能包括成果审计、基于职位描述（JD）的排序、AI 辅助的语言检查以及结构化的面试准备输出。该工具支持处理代码仓库、项目总结及业务文档等多种类型的输入，并能生成简历要点、STAR框架草稿、面试问答等求职所需材料。适用于那些希望系统化整理实习经历并提升求职竞争力的用户，尤其适合技术背景的实习生或初级工程师在准备简历和面试时使用。","2026-06-11 04:02:53","CREATED_QUERY"]