Tamar 简历定制化

使用 tamar CLI 工具，通过 Tamar API 为特定职位申请定制化简历。

触发条件

当用户说出以下任意类似表述时激活：

• “定制我的简历”
• “为……定制我的简历”
• “帮我申请这个职位”
• “为这个岗位生成一份简历”
• “调整我的简历”
• “将我的简历定向至……”

前提条件

• 用户必须预先安装 tamar CLI：执行 npm install -g tamar-cli
• 必须配置有效的 API 密钥。运行 tamar status 进行验证；若返回错误 “No API key configured”，请提示用户运行 tamar auth --key （密钥需从 https://ask-tamar.com → Profile → API Keys 获取）
• 请勿直接读取或检查 ~/.tamarrc 文件 —— 应始终使用 tamar status 检查认证状态

处理流程

1. 检查用户是否已创建经验档案（experience profile）

tamar profile

该命令显示已存在的档案列表，包含名称、职位、职级、技能及增强深度（enrichment depth）。若存在档案，请在后续步骤中使用其 ID（即 tamar tailor --profile ），以获得更高质量的输出；若不存在，则进入第 2 步。

2. 确保用户已上传简历

若用户持有简历文件但尚未上传：

tamar upload 

3. 获取职位描述（job description, JD）

向用户索取职位描述。支持以下任一形式：

• URL（如 LinkedIn 页面、公司招聘页等）
• 本地文件路径 —— 需先读取该文件内容
• 粘贴的纯文本

4. 定制化简历

重要 — 输入安全性要求：切勿将用户提供的字符串直接插值进 shell 命令中。应始终将职位描述或多词参数写入临时文件，并传入该文件路径；或使用 -- 分隔符并对参数加单引号。此举可防止恶意输入引发的 Shell 注入攻击。

# 安全做法：将 JD 写入临时文件，再传入路径
echo '' > /tmp/jd.txt
tamar tailor --job /tmp/jd.txt

# 安全做法：对参数加单引号，禁用 Shell 展开
tamar tailor --job 'https://example.com/jobs/12345'

若用户同时提供了简历文件且此前未上传过：

tamar tailor --job /tmp/jd.txt --resume ''

5. 审阅输出结果

命令返回 JSON 格式响应，包含以下字段：

• id —— 生成的简历唯一 ID（供后续命令引用）
• quality —— 取值为 "enriched"（已关联经验档案）或 "basic"（仅基于简历）
• analysis —— 职位匹配度分析
• changes —— 已应用的具体修改项列表

请以自然对话方式呈现分析摘要，重点指出关键匹配点与能力缺口。

6. 处理用户反馈

若用户提出修改意见：

为避免 Shell 注入风险，请先将反馈内容写入临时文件：

echo '' > /tmp/feedback.txt
tamar feedback "$(cat /tmp/feedback.txt)"

若需针对某份特定简历提交反馈：

tamar feedback "$(cat /tmp/feedback.txt)" --id ''

7. 下载最终结果

tamar download                    # 默认下载 PDF 格式
tamar download --format json      # 下载结构化 JSON 格式

PDF 文件将保存至当前工作目录。请明确告知用户所保存的完整文件路径。

错误处理

质量说明

• Enriched（增强型）质量：用户已创建经验档案（可通过 tamar profile 查验）→ 定制化效果更优
• Basic（基础型）质量：仅基于简历本身，无经验档案 → 仍具实用性，但细节适配程度较低
• 若用户尚无经验档案，建议其前往 https://ask-tamar.com 使用交互式问答流程创建，或调用 enrichment API 流程完成构建

交互示例

User: Can you tailor my resume for this job? https://linkedin.com/jobs/12345

Agent: Let me tailor your resume for that role.

[runs: tamar tailor --job 'https://linkedin.com/jobs/12345']

Agent: Done! Here's what I found:
- Quality: enriched (used your experience profile)
- Key alignments: Python, data pipelines, team leadership
- Adjusted: Reframed your experience to emphasize data platform work
- Gaps: Kubernetes — no production experience listed

Want me to tweak anything? I can also download the PDF for you.