dsh-resume-expert
引导式简历生成插件：对话式四阶段 + A4 PDF 直出，双宿主验证
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add github:wmw343/dsh-resume-expert#6c14ccb1fb3fc49182626f670fe1d04c2db41fdf
Resume Expert 以 dsh-resume-expert 发布，当前版本为 1.0.1。Plugin Hub 会校验它的 manifest，并保存精确安装来源，便于复现安装结果。
引导式简历生成插件：用户说一句"帮我做份简历"，插件先诊断、再一轮一轮引导补齐，最终产出可直接投递的单页 A4 PDF。
已在两个宿主实跑验证：自研 Demo 宿主 + DeepSeek Harness 0.1.5。471 项自动化验收。
|
首轮诊断：建档与待补清单
① 首轮诊断——一句模糊需求，返回第一版文字稿、完整度评估与待补充清单 |
多轮补全与追问
② 多轮补全——吸收补充信息，关键信息主动追问（学制 / 实习 or 校招口径） |
|
成稿与导出
③ 成稿导出——定稿落盘，并逐条说明"这版简历是怎么写出来的" |
单页 A4 PDF
④ 单页 A4 PDF——真实排版直出，可直接投递 |
需要 DeepSeek Harness ≥ 0.1.5 与 Node.js ≥ 22。
dsh plugin --profile web add github:wmw343/dsh-resume-expert
设置环境变量 DEEPSEEK_API_KEY（模型调用由插件适配层直连 DeepSeek API，密钥不出宿主环境）：
# 写入 DSH 主目录的 .env
Add-Content "$env:USERPROFILE\.dsh\.env" "DEEPSEEK_API_KEY=sk-你的Key"
启动 dsh web，在会话里直接说 "帮我做一份简历，我是××专业应届生，会××和××"。
会话默认持久化到 ~/.dsh/resume-expert-store.json——重启 dsh web 不丢草稿；可用环境变量 RESUME_EXPERT_STORE 指定存储路径。
用户在对话里自然表达，Agent 自主调用 6 个工具完成四阶段：
| 工具 | 阶段 | 作用 |
|---|---|---|
resume_intake | 首轮诊断 | 一句模糊需求 → 第一版文字稿 + 待补充清单 + 追问 |
resume_refine | 迭代补全 | 多轮吸收用户补充（姓名/教育/实习/项目/技能） |
resume_compose | 成稿 | 整合成可直接投递的定稿（删除占位、只留有信息量的内容） |
resume_export | 导出 | A4 排版直出 PDF（本机无 Chrome 时降级为可打印 HTML） |
resume_set_photo | 证件照 | 本机图片 → 简历右上角 |
resume_tailor | JD 定制 | 按目标岗位 JD 重写简历 |
简历质量规则内建：量化句式（手段在前、结果在后，"从 A 到 B"式表达）、关键数字加粗、技能分组、关键指标置顶（≤3 条）、城市分主次、手机号 3-4-4。
DSH Agent ──工具调用──► 适配层（本包 src/adapter.ts）
│ 实现宿主契约：llm / auth / storage / telemetry / config / logger (+render)
▼
简历专家插件核心（src/plugin/，框架无关、零依赖）
│ llm 调用直连 DeepSeek API（OpenAI 兼容）
▼
A4 HTML ──Chrome CDP──► PDF
三条边界（可直接写进安全评审）：
插件核心 471 项自动化验收：内核 204（类型/渲染/合并/边界）+ 真实模型 70 + 端到端 37 + 真实浏览器 72 + 集成 58 + 启动器 30。导出 PDF 经 pypdf 实体解析验收（页数/纸张/结构/无占位残留）。
本适配层自带一套离线自测（不需要网络、不需要启动 dsh）：
npm install && npm run build # 首次：装依赖 + 编译
npm test # 21 项：会话持久化的全部不变量
npm test 覆盖的是最容易被忽视也最要紧的一条——跨进程存活：它会真的起子进程，
模拟 dsh web 重启，验证上一进程写入的草稿能被下一进程读到并继续修改。
另有 TTL、原子写（不留 .tmp）、损坏自愈（改名留档而非崩掉）、防抖窗口内不丢数据。
MIT —— 见 LICENSE。