Shushu 实习简历优化器
把你的实习材料，从“散乱记录”变成“可投简历 + 可讲项目故事”。
Shushu 会先审计成果与证据，再按目标 JD 排序，最后生成简历 bullet、项目总结、STAR 草稿、面试 Q&A 和风险检查清单。
最近更新：2026-07-14
⚠️ 使用前请先脱敏：不要提交公司内部文档、真实用户数据、密钥、访问凭证，或任何不能公开传播的实习材料。
快速入口
最近更新
这一轮更新把主流程进一步收敛到 model-first, script-second：
achievement_audit优先读取sources.json里的structured_extract_path或structured_extract- 结构化抽取存在时，
business_docs默认主要补业务上下文，不再单独产生成果候选污染主线 resume_rank/interview_pack进一步收回了脚本里的写法模板和项目类型硬编码，更偏向做结构化压缩、排序、提示与可读性复核- 如果检测到强相关 bullet，脚本只给“可人工审阅的候选组合”和原因；项目边界、是否合并、最终语气优先交给 skill / prompt 层判断
更推荐的使用顺序是：
- 先准备干净的
project_summary.md或等价原始项目材料。 - 如果材料很长、语义很密，先补一份
structured_extract.json。 - 在
sources.json里通过structured_extract_path接入这份结构化结果。 - 让
business_docs主要承担业务背景和流程上下文补充，而不是主导成果抽取。
它解决什么问题
很多实习材料的问题不是“没有内容”，而是内容太散：
- 代码仓库里有实现，但简历里讲不清贡献边界
- 项目总结写得很长，但不适合直接压成简历 bullet
- 面试时能回忆细节，却很难稳定讲出一条完整项目故事
- 直接用 AI 总结，容易出现空泛、机械、夸大或证据不足的表述
这个项目的目标不是替你“直接编一份简历”，而是先把原始材料拆开审计，再把可验证的成果、证据、风险和缺口整理出来，最后生成更适合你自己二次确认和改写的求职材料。
为什么用它
- 不是直接“编简历”：先提取证据、指标、职责边界，再生成表达
- 不是统一模板：会结合目标 JD 对成果排序
- 不是只看代码：同时支持
code_repo、project_summary、business_docs - 脚本更像护栏：主要负责限额、排序、风险提醒和可读性检查，而不是替你拍板项目边界
- 不鼓励吹牛：会标记 AI 味、夸大风险和待确认信息
- 不止写简历：同时生成项目介绍、STAR 草稿、追问 Q&A 和投递前检查清单
3 分钟试跑
环境要求：Python >= 3.10
仓库内自带一套可公开提交的最小示例输入，适合先验证命令、输出结构和工作流，再替换成你自己的本地材料。
示例文件：
examples/minimal_input/sources.jsonexamples/minimal_input/project_summary.mdexamples/minimal_input/business_overview.mdexamples/minimal_input/target_jd.txt
git clone https://github.com/Sunanzhe2004/shushu-internship-resume-optimizer.git
cd shushu-internship-resume-optimizer
python -m venv .venv
macOS / Linux:
source .venv/bin/activate
python -m pip install -e ".[dev]"
python -m shushu_internship_tool.achievement_audit \
--sources examples/minimal_input/sources.json \
--out demo_reports/audit \
--name demo-materials
python -m shushu_internship_tool.resume_rank \
--jd examples/minimal_input/target_jd.txt \
--achievements demo_reports/audit/achievement_audit.json \
--target-role llm-application-intern \
--out demo_reports/rank
python -m shushu_internship_tool.interview_pack \
--project-notes demo_reports/rank/resume_rank.json \
--target-role llm-application-intern \
--out demo_reports/interview
Windows PowerShell:
.\.venv\Scripts\Activate.ps1
python -m pip install -e ".[dev]"
python -m shushu_internship_tool.achievement_audit `
--sources examples/minimal_input/sources.json `
--out demo_reports/audit `
--name demo-materials
python -m shushu_internship_tool.resume_rank `
--jd examples/minimal_input/target_jd.txt `
--achievements demo_reports/audit/achievement_audit.json `
--target-role llm-application-intern `
--out demo_reports/rank
python -m shushu_internship_tool.interview_pack `
--project-notes demo_reports/rank/resume_rank.json `
--target-role llm-application-intern `
--out demo_reports/interview
跑完后优先看：
demo_reports/audit/overview.mddemo_reports/rank/resume_project_summary.mddemo_reports/interview/interview_qa.md
工作流
主流程：
JD + 多源实习材料 -> achievement_audit -> resume_rank -> interview_pack
可选增强：
business_docs -> doc_knowledge
推荐顺序：
- 先准备
sources.json，把代码仓库、项目总结和业务背景文档整理进去。 - 先跑
achievement_audit，确认成果抽取、证据和风险提醒是否合理。 - 再跑
resume_rank，判断哪些成果最适合当前目标岗位，并检查项目数、bullet 数和可读性提醒是否合理。 - 如果输出里出现“强关联项目合并建议”，优先把它当成人工审阅线索，而不是默认接受。
- 最后跑
interview_pack，把结果转成 STAR、项目介绍和面试问答，再由 skill / prompt 做最终口语化或风格整理。
接入自己的材料
把上面 Demo 里的 examples/minimal_input/... 替换成你自己的 your_materials/... 即可。最小输入结构可以参考 examples/minimal_input：
sources.json：输入索引，串起 repo、总结和业务文档project_summary.md：长一点也没关系，适合先交给工具做拆解business_overview.md：帮助补足业务背景、上下游关系和问题场景target_jd.txt：目标岗位 JD，用来做成果排序和表达校准
如果你想让材料先走结构化抽取，sources.json 可以这样写：
{
"code_repo": [
{ "path": "./repo", "label": "main-repo" }
],
"project_summary": [
{
"path": "./project_summary.md",
"label": "internship-summary",
"structured_extract_path": "./structured_extract.json"
}
],
"business_docs": [
{ "path": "./business_overview.md", "label": "business-context" }
]
}
如果你还想让工具辅助理解业务文档，可以额外运行：
python -m shushu_internship_tool.doc_knowledge --docs your_materials/business_overview.md --mode basic_rag --query "What are the main failure modes?" --out reports/knowledge
输出文件
运行主流程后，通常会得到三组核心结果：
reports/audit/：成果审计、证据、风险提醒、业务背景改写reports/rank/：按目标 JD 排序后的简历版项目总结，包含 bullet 数控制、可读性复核和可人工审阅的合并候选reports/interview/：项目介绍、STAR 草稿、面试 Q&A、风险回答；默认提供结构化骨架，最终语气和细化表达建议由 skill / prompt 再处理
如果需要业务文档问答或知识检索，可以额外运行 doc_knowledge。
致谢与来源
这个仓库基于原项目做了面向“实习简历整理 / 面试复盘”场景的二次开发与定向重构。 感谢原项目开发者提供基础工作流与思路，原始项目：
参与贡献
如果你想改进成果抽取、简历改写、面试表达、测试覆盖或文档内容，建议先阅读 CONTRIBUTING.md，也欢迎直接提交 Issue 或 PR。
安全提醒
使用这个项目整理实习经历、项目材料或业务文档时，请优先遵守所在公司或团队的安全规范，不要触碰公司安全红线。
尤其不要上传、提交或公开以下内容：
- 未脱敏的内部业务数据
- 公司内部文档、策略、流程细节
- 含有用户信息、账号信息、密钥、访问凭证的材料
- 任何明确不能对外传播的实习内容