dsh-resume-expert
简历专家插件 × DeepSeek Harness 适配层（Phase 1：工具化接入）
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#85f47cf1b224a0d3a05414f47a829dbb861f170dResume Expert 以 dsh-resume-expert 发布，当前版本为 1.0.0。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。459 项自动化验收。
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××"。
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）：
459 项自动化验收：内核 192（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）。
MIT —— 见 LICENSE。