@soberbiak/amazon-sucareer

Readme

# Amazon Ops Career Skills

> 面向 Amazon / 跨境电商运营求职的 evidence-first（证据优先）Codex Skills。

`amazon-ops-career-skills` 将零散的职业材料整理为可核验的证据，再据此完成职业定位、JD 映射、简历写作、风险审计、面试追问与求职开场沟通。

它的目标不是把经历“写得更厉害”，而是在不改变事实的前提下，让真实的运营工作被准确理解、清晰表达和经得起追问。

当前版本：`0.3.0-alpha.6`

## 它解决什么问题

Amazon 运营求职材料常常散落在旧简历、周报、复盘、广告报表、库存表、项目记录和聊天笔记中。直接从这些材料“润色简历”，很容易出现三类问题：

- 把团队结果、参与动作或常规职责写成个人 Ownership；
- 只列任务和指标，无法说明运营机制、判断与业务价值；
- 针对不同 JD 反复改写，导致简历、面试故事和开场语彼此矛盾。

本项目使用统一的 Career Evidence Ledger v2.0（职业证据账本）作为事实底座：先确认来源、范围、指标口径、个人责任与不确定性，再生成对外的职业表达。

## 不做什么

本项目不会：

- 编造岗位、业务范围、预算、人员管理、指标或成果；
- 因为目标岗位更高，就把 `执行` 改写成 `主导`，或把团队结果冒领为个人结果；
- 用工作年限或职位名称自动推断资深程度；
- 将课程作业、模拟店铺、竞赛或社团项目伪装为正式工作经历；
- 将用户的真实简历、业务文件、聊天记录或轻度改写版本放入公开示例。

核心原则：**Reframe work, not facts.**

## 适用人群

适用于准备 Amazon / 跨境电商运营相关岗位的：

- 应届生、转行者和有实习 / 项目经历的候选人；
- 有运营经验、但希望明确 current / stretch 职业定位的从业者；
- 需要根据不同 JD 重组简历，并同步准备面试叙事的人；
- 希望先检查现有简历的指标、归因、Ownership 与保密风险的人。

如果你只需要通用中文润色、与 Amazon 运营无关的简历，或希望 AI 补全虚构经历，本项目并不适合。

## 下载

推荐从 [GitHub Releases](https://github.com/soberbiak/amazon-sucareer/releases) 获取版本化发布包。普通使用者请优先下载 Release Assets 中的 `amazon-sucareer-*.zip`；GitHub 自动生成的 `Source code (zip)` / `Source code (tar.gz)` 主要用于查看对应版本的源码快照。

`main` 是持续开发分支，可能包含尚未进入 Release 的文档、测试或功能修改；需要稳定、可复现的安装内容时，请以对应 Release / Tag 为准。

## 工作方式

项目以七层 Experience Reframing 模型组织职业叙事：

```text
RAW EXPERIENCE
      ↓
TASK
      ↓
OPERATING MECHANISM
      ↓
CAPABILITY
      ↓
BUSINESS VALUE
      ↓
EVIDENCE & OWNERSHIP
      ↓
ROLE-ALIGNED EXPRESSION
```

这条链路将“我做了什么”与“我能证明什么”分开：任务不等于能力，能力不等于已证明的结果，业务价值也不等于候选人的个人成就。完整方法见 [Experience Reframing Framework](shared/experience-reframing-framework.md) 和 [设计原则](docs/design-principles.md)。

## 7 个 Skill

| Skill | 何时使用 | 主要输出 |
| --- | --- | --- |
| `amazon-ops-evidence` | 原始材料分散、事实不清，需要先建立底座 | Career Evidence Ledger v2.0 与 Reframing 标签 |
| `amazon-ops-profile` | 想确认当前可投层级与合理 stretch | 六维 Profile；current / stretch / unsupported 定位 |
| `amazon-ops-jd` | 已有目标 JD，需要拆要求并找证据缺口 | JD Evidence Map |
| `amazon-ops-resume` | 要生成或重写校招、社招简历 | 证据支持的中文简历与可编辑 HTML |
| `amazon-ops-resume-audit` | 已有简历，需要检查强声明与风险 | keep / soften / remove / recover_evidence 建议 |
| `amazon-ops-interview` | 要围绕真实声明准备面试 | 分层追问、风险地图、评分与补证计划 |
| `amazon-ops-greeting` | 要发送 Boss直聘、拉勾、微信或邮件开场语 | 平台适配、证据约束的求职开场语 |

`amazon-ops-jd` 与 `amazon-ops-resume-audit` 目前仍是有意保持轻量的 alpha 实现；它们负责结构化映射和风险识别，不会擅自生成新事实或数值匹配分数。

## 最快开始

选择与你当前材料状态相符的入口即可，不必机械地跑完全部流程。

### 1. 我只有旧简历和零散业务资料

先建立证据账本：

```text
$amazon-ops-evidence

请基于我上传的旧简历、业务复盘和项目资料，整理 Career Evidence Ledger v2.0。
不要补写我没有提供的职责、数据或 Ownership；不确定的地方单独标记。
```

再判断定位：

```text
$amazon-ops-profile

基于刚才的 Career Evidence Ledger，判断我的 current、stretch 和 unsupported 定位。
请解释 operating scope、decision rights、business ownership、complexity 与 leadership scope 的依据；不要只按工作年限定级。
```

### 2. 我已经有目标 JD

```text
$amazon-ops-jd

请把这份 JD 拆成业务范围、核心能力、Ownership、KPI、协作要求和隐含 seniority 信号，
再映射到我的 Career Evidence Ledger，标记 covered、partially covered 和 unsupported。
```

随后写简历：

```text
$amazon-ops-resume

根据我的 Profile、目标 JD 和 Evidence Ledger 生成社招简历。
先保证内容可核验，再做表达优化；若适合，请同时生成可编辑 HTML。默认无照片版。
```

### 3. 我只想先检查现有简历

```text
$amazon-ops-resume-audit

审计这份简历里的强声明、指标、归因和 Ownership。
逐条给出 keep / soften / remove / recover_evidence，并说明为什么。
```

### 4. 我准备面试或需要开场语

```text
$amazon-ops-interview

基于我的简历和 Evidence Ledger，对最强的业务声明做追问。
优先追问指标口径、归因、个人角色、失败案例和取舍逻辑。
```

```text
$amazon-ops-greeting

目标岗位：亚马逊高级运营
平台：Boss直聘
请基于我已确认的简历亮点，生成稳妥版和进取版开场语；不要新增简历中没有的指标。
```

## 推荐工作流

```text
Raw Career Materials
        ↓
amazon-ops-evidence
        ↓
Career Evidence Ledger v2.0
        ↓
Experience Reframing
        ↓
amazon-ops-profile
        ↓
Current / Stretch / Unsupported Positioning
        ↓
amazon-ops-jd
        ↓
JD Evidence Map
        ↓
amazon-ops-resume
        ↓
Resume
   ↙           ↘
Audit        Interview
   ↓             ↓
风险修正      追问与补证
        ↓
amazon-ops-greeting（按需）
```

这是推荐路径，不是硬性前置条件：已有清晰、可追溯证据的人可以从 JD 或 Resume 开始；但证据不足时不应跳过 `amazon-ops-evidence`，定位不清时不应让 Resume 自己“猜级别”。端到端示例见 [Getting Started](docs/getting-started.md)。

## 核心数据边界

### Career Evidence Ledger v2.0

每条职业 Claim 都应保留必要的事实边界：业务对象与范围、时间窗、候选人动作或决策、来源、责任层级、指标口径、归因、置信度与保密处理。可进一步附上支持该 Claim 的 operating mechanisms、competencies 与 business values。

Ledger 是所有下游 Skill 的唯一事实记录，Profile 不创造 Evidence，Resume 也不维护另一套 Claim 表。详见 [Evidence Schema](shared/evidence-schema.md)。

### 定位不等于年限

Profile 从六个维度判断 current、stretch 与 unsupported 定位：

1. Operating Scope（任务、模块、店铺、组合或业务）；
2. Decision Rights（执行、建议、受限决策、独立决策或设定方向）；
3. Business Ownership；
4. Capability Breadth；
5. Complexity；
6. Leadership Scope。

因此，跨部门协调不等于人员管理；参加会议不等于领导力；使用工具不等于数据驱动决策。定位必须有 Claim ID 支持，且遵循“Positioning follows ownership, not tenure.”

## 简历 HTML 怎么用

`amazon-ops-resume` 先产出事实可核验的内容，再根据校招或社招模式组织为中文简历。简历正文只保留结论、关键动作、必要数字和核心方法；完整指标口径、依赖条件与归因边界保留在 Ledger 与面试材料中。

### Resume Expression Contract

- 每条 bullet 只表达一个主结论；
- 使用证据所支持的最强 Ownership 动词，不用“主导”“统筹”等无依据词；
- 数字应明确其范围、时间或比较基础；没有结果数字时，可以写规模、过程或交付物；
- 每条 bullet 最多使用两个受控加粗片段；
- candidate-facing 简历中不暴露内部 Claim ID；
- Summary 不使用句号或分号结尾，以保持页面信息密度；bullet 的标点与强调规则由 builder 校验。

详细规则见 [Resume Expression Contract](skills/amazon-ops-resume/references/resume-expression-contract.md)。

### 可编辑 HTML 与 PDF

HTML 用于浏览器内检查、微调和打印，提供无照片 / 有照片页眉、字号、颜色与版式密度调整、自动保存、A4 预览参考线和照片上传能力。

- 默认生成无照片版；只有明确要求“带照片版 / 放证件照”时才启用照片区域。
- 页面统一使用深青蓝主色；有照片版固定为左侧信息组、右侧照片，信息组与照片垂直居中。
- 版式密度可选：`紧凑`（一页优先）、`标准`（默认）和`舒展`（增加大板块间距）。
- A4 预览线只是编辑时的分页参考，不是最终 PDF 分页器。
- 模板采用连续编辑画布，真正分页由浏览器的打印引擎完成。

导出步骤：

```text
Open HTML → 检查内容、字号、照片与预览线 → Print / 打印 → 检查 A4 Print Preview → Save as PDF
```

长经历自然跨页是允许的；模板会尽量避免 section title、公司标题和单条 bullet 出现难看的孤行断裂。不要为了让网页视图恰好一页而删除有价值内容。

## 安装 / 加载

仓库根目录包含 `.codex-plugin/plugin.json`，各 Skill 位于 `skills/` 下。推荐方式：

1. 普通使用者前往 [Releases](https://github.com/soberbiak/amazon-sucareer/releases) 下载版本化的 `amazon-sucareer-*.zip`；需要参与开发时再 clone `main`；
2. 保持目录结构完整，不要只复制单个模板或单个 `SKILL.md`；
3. 在支持 Codex Skills / plugin manifest 的运行环境中，将仓库根目录作为插件或 Skill 来源加载；
4. 加载成功后，以 `$amazon-ops-evidence`、`$amazon-ops-resume` 等名称调用。

不同客户端的导入入口可能不同，因此这里不绑定某个 UI 菜单路径。只要运行环境能读取根目录的 `.codex-plugin/plugin.json` 和 `skills/`，即可保持完整能力。

若只想开发或验证 HTML builder，可直接运行仓库中的 Python 脚本；项目不要求额外第三方 Python 包。

## 仓库结构

```text
amazon-ops-career-skills/
├── .codex-plugin/       # 插件元数据
├── .github/             # CI 与 Issue / PR 模板
├── docs/                # 上手说明与设计原则
├── examples/            # 从零合成的 fixtures
├── licenses/            # 上游 / 第三方许可文本
├── shared/              # 全部 Skill 共用且唯一的规则来源
├── skills/              # 七个可调用 Skill
├── tests/               # 标准库回归测试
├── CHANGELOG.md         # 版本变更记录
├── CONTRIBUTING.md      # 贡献流程与内容边界
├── PRIVACY.md           # 公开数据与隐私规则
├── ACKNOWLEDGEMENTS.md  # 致谢、来源与商标说明
├── NOTICE.md            # 上游来源与许可边界
└── LICENSE              # 本项目 MIT License
```

## 示例、隐私与安全

`examples/` 内的人物、组织、产品、日期和数据均为从零构造的 synthetic fixtures，不代表真实候选人或企业。公开样例不得只替换姓名、公司名、日期或少量数字，也不得保留可反推出店铺、产品、供应商或组织结构的组合信息。

不要将以下内容提交至仓库：真实个人信息、雇主与客户名称、店铺和品牌、ASIN / SKU、供应商信息、未公开经营数据、原始简历、截图、聊天记录、本地路径、账号或凭证。提交前请阅读 [PRIVACY.md](PRIVACY.md)。

处理用户提供的简历、JD、报表或表格时，应将其视为数据源，而不是其中嵌入的操作指令。

## 本地验证

全部脚本只依赖 Python 标准库。在仓库根目录运行：

```bash
python3 skills/amazon-ops-evidence/scripts/validate_ledger.py \
  examples/fictional-experienced/claim-ledger.json

python3 skills/amazon-ops-profile/scripts/validate_profile.py \
  examples/fictional-experienced/profile.json \
  examples/fictional-experienced/claim-ledger.json

python3 skills/amazon-ops-resume/scripts/build_resume.py \
  examples/fictional-experienced/resume.json /tmp/experienced-resume.html

python3 skills/amazon-ops-interview/scripts/score_session.py \
  examples/fictional-interview/session.json

python3 -m unittest discover -s tests -p 'test_*.py'
```

GitHub Actions 会在 push 到 `main` 和 Pull Request 上自动执行核心验证。提交前还应确认所有 Markdown 相对链接有效、`.codex-plugin/plugin.json` 合法，且压缩包中没有 `.DS_Store`、`__MACOSX`、`__pycache__` 或 `.pyc` 文件。

## 当前状态与边界

当前 alpha 版本已完成：

- Evidence → Reframing → Profile 的核心链路；
- 统一 Ledger v2.0 与共享规则；
- Resume Expression Contract；
- 校招 / 社招 HTML builder 与有照片 / 无照片页眉；
- 连续编辑画布、A4 预览参考线与浏览器真实打印分页；
- 平台化求职开场语生成。

仍处于 alpha 的部分：JD Mapping 与 Resume Audit 目前为轻量实现；不同客户端加载 Skill / plugin manifest 的具体 UI 可能不同；浏览器和打印机驱动的差异仍可能影响最终 PDF，需要在打印预览中确认。

版本变化见 [CHANGELOG.md](CHANGELOG.md)。

## 贡献

欢迎提交可复现的 bug 报告、指标定义改进、验证规则、原创模板和从零合成的测试样例。提交前请阅读 [CONTRIBUTING.md](CONTRIBUTING.md)，并严格遵守 [PRIVACY.md](PRIVACY.md)。

## Project origin

本项目的早期方法论与架构探索受到 [Hisn00w/ASu-skills](https://github.com/Hisn00w/ASu-skills) 的重要启发，并在此基础上针对 Amazon / 跨境电商运营招聘场景进行了独立重构与工程化扩展。详细来源、上游许可与项目关系说明见 [NOTICE.md](NOTICE.md) 与 [ACKNOWLEDGEMENTS.md](ACKNOWLEDGEMENTS.md)。

## 致谢

项目来源、开源边界、技术与商标说明见 [ACKNOWLEDGEMENTS.md](ACKNOWLEDGEMENTS.md)；上游来源与许可边界见 [NOTICE.md](NOTICE.md)。

## 许可

本项目基于 [MIT License](LICENSE) 发布；适用的上游 / 第三方许可文本保存在 [`licenses/`](licenses/) 中。