[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-83159":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":15,"subscribersCount":15,"size":15,"stars1d":16,"stars7d":17,"stars30d":17,"stars90d":15,"forks30d":15,"starsTrendScore":18,"compositeScore":19,"rankGlobal":10,"rankLanguage":10,"license":20,"archived":21,"fork":21,"defaultBranch":22,"hasWiki":23,"hasPages":23,"topics":24,"createdAt":10,"pushedAt":10,"updatedAt":45,"readmeContent":46,"aiSummary":47,"trendingCount":15,"starSnapshotCount":15,"syncStatus":48,"lastSyncTime":49,"discoverSource":50},83159,"LLMInternSkill","couragec\u002FLLMInternSkill","couragec","LLMInternSkill: LLM internship resume and job-search Codex Skill for resume polish, JD tailoring, evidence guard, interview grilling, and Project Scout. 大模型实习简历与求职工具箱。","https:\u002F\u002Fcouragec.github.io\u002FLLMInternSkill\u002F",null,"Markdown",191,6,96,0,5,95,28,2.54,"MIT License",false,"main",true,[25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44],"agent","ai-career","aigc","chinese","codex-skill","interview-prep","jd-tailoring","job-search","latex-resume","llm","llm-internship","multimodal","openai-codex","post-training","pretraining","project-scout","rag","resume","resume-polish","search-ranking","2026-06-12 02:04:31","\u003Cdiv align=\"center\">\n\n# LLMInternSkill \u002F LLM Intern Skill\n\n**大模型实习简历与求职工具箱：LLM internship resume polish, JD tailoring, RAG \u002F Agent \u002F Post-training 项目包装、面试拷打、开源项目补强。**\n\n\u003Csub>一个面向大模型实习、AI 求职和 Codex Skill 工作流的 evidence-bound resume toolkit：不只是把简历写好听，而是让每一行都能扛住面试追问。\u003C\u002Fsub>\n\n\u003Csub>Keywords: LLM internship resume, 大模型实习简历, Codex Skill, resume polish, JD tailoring, interview prep, RAG, Agent, post-training, pretraining, search ranking, AIGC, multimodal.\u003C\u002Fsub>\n\n\u003Cbr>\n\u003Cbr>\n\n![Type](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftype-Codex%20Skill-111827)\n![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-blue)\n![Focus](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ffocus-LLM%20Internship-4f46e5)\n![Method](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fmethod-evidence--bound-f59e0b)\n![Language](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flanguage-ZH%20%2B%20EN-10b981)\n![Status](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fstatus-final%20MVP-ec4899)\n![GitHub Repo stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fcouragec\u002Fllm-intern-skill?style=flat&label=stars)\n\n[30 秒看懂](#30-秒看懂) · [快速开始](#快速开始) · [Seed 示例](#旗舰示例豆包-seed-搜索排序) · [功能地图](#功能地图) · [Star History](#star-history) · [参考](#参考)\n\n\u003C\u002Fdiv>\n\n---\n\n## 30 秒看懂\n\n| 你给它什么 | 它帮你做什么 |\n| --- | --- |\n| 一份原始简历 | 📝 润色成更清楚、更技术、更像实习候选人的表达 |\n| 一个目标 JD | 🎯 判断匹配度，重排经历，生成定制版简历 |\n| 一个材料文件夹 | 🔍 审计代码、项目素材、论文笔记、日志、截图和奖项 |\n| 一堆单薄项目 | 🧪 包装成真实、可讲、能补证据的项目故事 |\n| 一份担心被问穿的简历 | 🎤 生成面试官式追问、危险回答、及格回答、强回答 |\n| 证据不足 | 🌱 推荐开源项目学习、复现、改造，形成新证据 |\n| 最终要投递 | 📄 用 Bill Ryan LaTeX 模板生成 PDF-ready 简历草稿 |\n\n核心判断：\n\n```text\n可以写 \u002F 谨慎写 \u002F 补证据后写 \u002F 不能写 \u002F 无法判断\n```\n\n核心产出：\n\n```text\nraw resume + materials\u002F + target_jd.txt\n-> 简历润色\n-> JD 匹配\n-> 真实性边界\n-> Evidence Contract\n-> 定制简历\n-> 面试拷打\n-> 回答卡\n-> 补证据计划\n-> Project Scout\n-> LaTeX 简历草稿\n```\n\n---\n\n## 一眼 Before \u002F After\n\n\u003Ctable>\n  \u003Ctr>\n    \u003Cth width=\"28%\">原始简历\u003C\u002Fth>\n    \u003Cth width=\"36%\">安全润色版\u003C\u002Fth>\n    \u003Cth width=\"36%\">为什么这样写\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>熟悉大模型与 RAG，优化搜索效果。\u003C\u002Ftd>\n    \u003Ctd>围绕搜索相关性场景整理 query-doc 样例与长尾查询 bad case，分析歧义查询、时效性不足和低权威 DOC 对检索结果的影响。\u003C\u002Ftd>\n    \u003Ctd>没有指标时不写“优化效果”；先把真实证据写成问题分析能力。\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>完成企业级知识库问答系统。\u003C\u002Ftd>\n    \u003Ctd>完成企业文档问答 demo 的文档切分、向量检索和 Prompt 模板配置，记录召回错误、引用错位和无依据回答等问题。\u003C\u002Ftd>\n    \u003Ctd>没有上线、权限、监控和用户记录时，不写“企业级系统”。\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>训练大模型并提升生成质量。\u003C\u002Ftd>\n    \u003Ctd>复现小参数 LLM 的训练与推理流程，记录配置、日志、样例输出和 bad case，形成端到端理解笔记。\u003C\u002Ftd>\n    \u003Ctd>没有数据、配置、训练日志和 checkpoint 时，不写“训练大模型”。\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftable>\n\n一句话原则：\n\n```text\n润色可以让真实经历更清楚、更有技术含量；\n但不能把没有证据的经历润色成事实。\n```\n\n---\n\n## 快速开始\n\n### 方式一：只想润色简历\n\n```text\n使用 LLMInternSkill。\n请帮我做简历润色，但不要编造经历。\n\n目标岗位：\n[贴 JD 或写岗位方向]\n\n我的原始简历：\n[贴简历内容]\n\n请输出：\n1. Before \u002F After\n2. 哪些行可以写、哪些需要降级\n3. 技术表达增强版\n4. JD 定制版\n5. 面试可能追问的问题\n```\n\n### 方式二：完整材料文件夹\n\n准备：\n\n```text\nmaterials\u002F\n├── target_jd.txt\n├── resume.md\n├── projects\u002F\n├── code\u002F\n├── notes\u002F\n├── papers\u002F\n├── awards\u002F\n└── other\u002F\n```\n\n然后说：\n\n```text\nUse LLMInternSkill on .\u002Fmaterials.\nGenerate resume polish, JD fit verdict, targeted resume, interview grilling,\nanswer cards, evidence upgrade plan, and project scout recommendations.\n```\n\n### 方式三：安装成 Codex Skill\n\n```bash\nmkdir -p ~\u002F.codex\u002Fskills\ngit clone https:\u002F\u002Fgithub.com\u002Fcouragec\u002Fllm-intern-skill.git ~\u002F.codex\u002Fskills\u002Fllm-intern-skill\n```\n\n重启 Codex 或开启新会话后，直接说：\n\n```text\n使用 LLMInternSkill，读取我的 materials\u002F 文件夹。\n```\n\n---\n\n## 旗舰示例：豆包 Seed 搜索排序\n\n这个示例故意选了一个强 JD：豆包大模型团队 Seed 搜索 \u002F Ranking \u002F DOC 理解研究实习。\n\n它展示了这个项目最核心的能力：\n\n```text\n强 JD + 弱\u002F中等材料\n-> 不硬吹 strong fit\n-> 找到可写证据\n-> 降级危险表达\n-> 生成能投递的保守简历\n-> 生成面试官会追问的问题\n-> 给出 1 天 \u002F 3 天 \u002F 1 周补证据计划\n```\n\n直接看三份文件：\n\n- [目标 JD](examples\u002Fdoubao-seed-search-ranking-jd.md)\n- [候选人材料输入](examples\u002Fdoubao-seed-materials-input.md)\n- [最终输出包](examples\u002Fdoubao-seed-final-pack.md)\n- [模拟 LaTeX 简历 PDF](examples\u002Fseed-resume-latex\u002Fseed-topseed-resume.pdf)\n\n关键输出片段：\n\n```text\nVerdict: risky fit\nWhy: 有 RAG 和小搜索 demo，但缺 ranking metrics、强算法实习证据和 DOC 理解实验。\nFastest upgrade: 把 mini search demo 补成 BM25 vs embedding vs rerank 对比，加入 NDCG@10 \u002F MRR 和 bad-case 分析。\n```\n\n---\n\n## 功能地图\n\n| Icon | 模块 | 输出 |\n| --- | --- | --- |\n| 📝 | Resume Polish | Before\u002FAfter、技术表达增强、CN\u002FEN 版本、ATS 关键词 |\n| 🎯 | JD Tailoring | JD match table、定制版简历、岗位关键词重排 |\n| 🔍 | Resume Diagnosis | 弱表达、风险 claim、缺证据、被问穿点 |\n| 🧪 | Project Packaging | 项目 bullet、架构叙事、2-3 分钟项目故事 |\n| 🛡 | Evidence Guard | Truth Boundary、Evidence Contract、危险表达降级 |\n| 🎤 | Interview Drill | 逐行拷打、追问链、危险\u002F及格\u002F强回答 |\n| 🌱 | Project Scout | 开源项目推荐、最小运行路径、改造点、可写证据 |\n| 📄 | LaTeX Export | Bill Ryan 中文 LaTeX 模板、PDF-ready 简历草稿 |\n\n---\n\n## 输出长什么样\n\n完整模式会生成：\n\n```text\noutput\u002F\n├── 01_jd_analysis.md\n├── 02_materials_audit.md\n├── 03_truth_boundary.md\n├── 04_evidence_contract.md\n├── 05_resume_polish.md\n├── 06_targeted_resume.md\n├── 07_interview_grilling.md\n├── 08_answer_cards.md\n├── 09_upgrade_plan.md\n├── 10_project_scout.md\n└── 11_final_pack.md\n```\n\n简历润色模式会优先输出：\n\n```text\n1. Resume Polish Verdict\n2. Before \u002F After\n3. Line-by-line diagnosis\n4. Final polished resume section\n5. Optional English version\n6. Evidence upgrade list\n```\n\n---\n\n## 支持岗位\n\n| 方向 | 会重点检查什么 |\n| --- | --- |\n| RAG \u002F 知识库问答 | chunk、retrieval、rerank、citation、eval、拒答、权限 |\n| Agent \u002F Tool Use | tool schema、参数校验、trace、重试、状态、人审 |\n| Agentic RL | trajectory、environment、reward\u002Fverifier、GRPO\u002FPPO、任务成功率 |\n| Post-training \u002F Alignment | SFT、DPO、RLHF\u002FRLAIF、reward model、偏好数据、评估 |\n| Pretraining \u002F Mid-training | 数据引擎、tokenizer、训练配置、loss、分布式、污染检查 |\n| LLM 应用工程 | structured output、prompt 版本、bad case、成本、延迟 |\n| LLM 算法 | Transformer、SFT\u002FLoRA\u002FDPO、训练配置、日志、评测 |\n| 搜索 \u002F 推荐 \u002F 排序 | query-doc、召回、粗排、rerank、NDCG\u002FMRR、DOC 质量 |\n| AIGC | 生成链路、质量评估、安全、人工复核、成本 |\n| 多模态 | OCR\u002Flayout、VLM、跨模态检索、视觉 bad case |\n| AI 后端 | API、队列、重试、观测、权限、部署、成本 |\n\n---\n\n## 为什么不只是简历润色器\n\n普通简历润色器经常只做这件事：\n\n```text\n把一句普通话改成一句漂亮话。\n```\n\nLLMInternSkill 要多走三步：\n\n```text\n这句话有没有证据？\n这句话会被面试官怎么追？\n如果现在不能写，补什么证据后能写？\n```\n\n所以它不会把：\n\n```text\n做过 RAG demo\n```\n\n硬包装成：\n\n```text\n主导企业级智能知识库系统上线，显著提升业务效率。\n```\n\n它会更倾向于输出：\n\n```text\n完成企业文档问答 demo 的文档切分、向量检索和 Prompt 模板配置，\n记录召回错误、引用错位和无依据回答等问题，\n为后续 query-answer-evidence 评估集建设沉淀样例。\n```\n\n这就是它的差异化：**好听，但不虚。**\n\n---\n\n## Project Scout\n\n当当前材料太弱时，LLMInternSkill 会建议你补项目，而不是硬写。\n\n示例：\n\n- MiniMind-style from-scratch LLM 项目\n- RAG evaluation \u002F citation accuracy 项目\n- Search \u002F rerank baseline 项目\n- Agent tool-calling workflow 项目\n- LLM inference \u002F serving \u002F quantization 项目\n\n每个推荐都必须包含：\n\n```text\nwhy this fits\nwhy not \u002F risk\nminimum run path\nwhat to modify\nwhat evidence to collect\nresume-safe claim after completion\ninterview grilling questions\n```\n\n边界：\n\n```text\n学习开源项目不能直接包装成工作经历。\n只有真实复现、理解、改造、记录证据后，才能写成个人项目或开源实践。\n```\n\n示例：[MiniMind Project Scout](examples\u002Fproject-scout-minimind.md)\n\n更多例子：\n\n- [Resume Polish Before \u002F After](examples\u002Fresume-polish-before-after.md)\n- [Prompt-only Work Safely Downgraded](examples\u002Fprompt-only-downgrade.md)\n- [Search \u002F Rerank Project Scout](examples\u002Fproject-scout-search-rerank.md)\n- [LoRA Experiment With Weak Metrics](examples\u002Flora-weak-metrics.md)\n- [Post-training \u002F Agentic RL Case](examples\u002Fposttraining-agentic-rl-case.md)\n- [Seed Resume LaTeX Demo](examples\u002Fseed-resume-latex\u002FREADME.md)\n\n---\n\n## LaTeX 简历模板\n\n默认使用 Bill Ryan's elegant LaTeX resume 的中文模板：\n\n```text\ntemplates\u002Fresume-latex\u002Fbill-ryan-elegant-zh_CN\u002F\n```\n\n来源：\n\n- Overleaf: \u003Chttps:\u002F\u002Fwww.overleaf.com\u002Flatex\u002Ftemplates\u002Fbill-ryans-elegant-latex-resume\u002Fxcqmhktmzmsw>\n- Upstream: \u003Chttps:\u002F\u002Fgithub.com\u002Fbillryan\u002Fresume>\n\n说明：\n\n- 中文入口：`resume-zh_CN.tex`\n- 编译方式：XeLaTeX\n- 保留 upstream attribution 和 license\n- 大号 CJK 字体本地保留但不进 Git\n\n---\n\n## Star History\n\n[![Star History Chart](https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=couragec\u002Fllm-intern-skill&type=Date)](https:\u002F\u002Fwww.star-history.com\u002F#couragec\u002Fllm-intern-skill&Date)\n\n---\n\n## 参考\n\n本项目参考和学习了以下开源项目，感谢这些项目的启发：\n\n- [`resumify`](https:\u002F\u002Fgithub.com\u002Fbreaker505\u002Fresumify)\n- [`shushu-internship-resume-optimizer`](https:\u002F\u002Fgithub.com\u002FSunanzhe2004\u002Fshushu-internship-resume-optimizer)\n- [`shushu-internship-tool`](https:\u002F\u002Fgithub.com\u002FLiuMengxuan04\u002Fshushu-internship-tool)\n- [`shushu-ProjectProof`](https:\u002F\u002Fgithub.com\u002FYingaoWang-casia\u002Fshushu-ProjectProof)\n- [`vibe-resume`](https:\u002F\u002Fgithub.com\u002FLiuMengxuan04\u002Fvibe-resume)\n- [`resuml`](https:\u002F\u002Fgithub.com\u002Fphoinixi\u002Fresuml)\n- [`Auto-claude-code-research-in-sleep`](https:\u002F\u002Fgithub.com\u002Fwanshuiyin\u002FAuto-claude-code-research-in-sleep)\n\n---\n\n## 仓库结构\n\n```text\n.\n├── SKILL.md\n├── skill-references\u002F\n│   ├── resume-polish.md\n│   ├── resume-tailoring.md\n│   └── roles\u002F\n├── templates\u002F\n│   ├── resume-polish-report.md\n│   └── resume-latex\u002F\n├── examples\u002F\n├── evals\u002F\n├── docs\u002F\n└── agents\u002F\n```\n\n欢迎通过 issue \u002F PR 补充更多 JD、案例、角色参考和 eval。\n\n## License\n\nMIT. The bundled Bill Ryan resume template keeps its upstream license and attribution; see `templates\u002Fresume-latex\u002FREADME.md`.\n","LLMInternSkill 是一个面向大模型实习和AI求职的工具箱，旨在帮助用户润色简历、定制职位描述匹配度、准备面试以及包装项目。其核心功能包括基于证据的简历润色、JD匹配调整、面试问题生成与回答建议、开源项目推荐等。该项目采用先进的大模型技术，并结合Codex Skill工作流，确保简历中的每一项内容都能经得起面试官的追问。适合正在寻找大模型相关实习或工作的学生及职场新人使用，尤其是在需要提升简历专业度和技术含量时。",2,"2026-06-11 04:10:18","CREATED_QUERY"]