# asu-resume-audit-skill

Adopt this skill: https://proskills.md/skills/other/claycui828-asu-resume-skills-skills-asu-resume-audit-skill

Page: https://proskills.md/skills/other/claycui828-asu-resume-skills-skills-asu-resume-audit-skill
This document is the public skill bundle for that page. It contains SKILL.md and every helper file the catalog carries. No login is required.

## File: skills/asu-resume-audit-skill/SKILL.md
size: 12231
sha: e6eac05319724cbc7c38c73c45906064f0970b9b
upstream: https://github.com/claycui828/asu-resume-skills/blob/main/skills/asu-resume-audit-skill/SKILL.md

````text
---
name: asu-resume-audit-skill
description: 以证据为中心的简历真实性审计与报告生成技能。用户要求核验简历、打假履历、调查候选人经历、分析 GitHub/开源贡献、识别 contributor 到 maintainer/core author 的角色膨胀、核验中外合作办学或学校 title、检查业务指标、梳理公开争议，或者把调查结果制作成 HTML/PDF 时，应主动使用本技能。技能会把简历、截图、链接、帖子、代码仓库和官方记录拆成原子主张，区分事实、矛盾、指控和不可核验信息，并生成不含开盒信息、不把未经证实指控写成事实的自包含证据报告。
---

# ASU 简历真实性审计 Skill

把简历视为一组可以独立检验的主张。目标不是判断一个人“好”或“坏”，而是确定现有证据支持什么、直接反驳什么，以及哪些内容仍然无法核验。

## 必须交付的结果

除非用户明确缩小范围，否则生成以下内容：

1. `report-data.json`：标准化主张、来源、结论、包装模式、时间线和限制。
2. 自包含 `report.html`：不引用外部样式、脚本、字体或图片。
3. 与同一数据模型一致的 `report.pdf`。
4. 一段简短的对话总结：优先说明最强的支持证据、直接矛盾和未解决缺口。

完成 JSON 后，用 `scripts/render_report.py` 生成 HTML/PDF；交付前用 `scripts/validate_report.py` 校验。

## 证据与伤害边界

简历审计涉及可识别个人，错误结论可能造成真实的名誉伤害，因此始终遵守以下规则：

- 只使用公开且与任务直接相关的信息。不得搜集住址、电话、家庭成员、账号凭证、私人消息或无关个人信息。
- 截图、指控文章、匿名评论和候选人自有主页只能证明“有人这样说过”，不能自动成为独立证据。
- 使用 `公开证据仅支持 contributor，尚未支持 core author` 等精确表述，避免使用 `骗子`、`害虫` 或 `欺诈者` 等人格标签。
- 只有可靠证据与主张直接冲突时才标记 `contradicted`；否则使用 `unsupported`、`partially_corroborated` 或 `unverifiable`。
- 主动提 issue、贡献前端/文档、与维护者建立关系或因此获得正式社区身份，本身不是不当行为。要核验的是简历是否准确描述正式角色、技术深度和个人贡献。
- 不得用学校排名或“双非”身份推断诚信。“双非”是非正式标签，不是造假证据。应核验院校、项目、学籍与学位授予方。
- 性别、外貌、性格、税务或动机推断通常与简历真实性无关；除非权威证据证明其直接关联某条简历主张，否则排除。
- 对当事人有利的重要证据必须与不利证据同等展示。

给结论状态前先阅读 `references/evidence-methodology.md`。核验开源或教育主张前，阅读相应专项参考。

## 工作流程

### 1. 确定范围并保存来源集合

列出用户提供的全部材料：

- 简历 PDF 或截图；
- 文章和社交媒体帖子；
- 代码仓库及个人主页链接；
- 网页存档；
- 用户提供的就业、学校、奖项或付费社群背景。

条件允许时完整阅读链接和文档，以原始分辨率检查图片。页面被安全策略或登录限制阻挡时，说明限制；可使用用户提供的正文或其他公开来源，但不得绕过访问控制。

立即为每个来源分配编号（`S-001`、`S-002`……），并标记来源类型：

- `official_record`：官方记录；
- `repository_record`：代码仓库记录；
- `candidate_self_statement`：候选人自述；
- `user_provided_document`：用户提供材料；
- `media_or_commentary`：媒体或评论文章；
- `anonymous_or_unverified`：匿名或未经核验来源。

### 2. 把简历拆成原子主张

不要把整段经历作为一条主张。将角色、范围、结果和因果关系分开检验。

例如：

> “作为核心作者主导项目从 1.0 到 2.0，性能提升 25%。”

应拆为：

1. 候选人正式或事实上属于核心作者。
2. 候选人领导了 1.0 到 2.0 的迁移。
3. 性能指标确实提升了 25%。
4. 该提升由候选人的工作造成或得到其实质贡献。

每条主张记录：

- 简历原文；
- 标准化主张；
- 主张类别；
- 时间范围；
- 组织或项目；
- 隐含角色与责任范围；
- 核验所需证据。

数据格式见 `references/report-schema.md`。

### 3. 先做确定性的内部一致性检查

联网研究前，先让简历与自身对账：

- 重算转化率、增长率和比例；
- 比较简历、主页、offer 和帖子中的日期；
- 标记重叠的全职或实习时间；
- 比较不同平台使用的角色级别；
- 找出没有明确比较范围的“最年轻、第一、核心”等最高级；
- 区分项目整体指标与个人影响指标；
- 检查是否在没有基线或对照组时宣称因果关系。

算术矛盾不依赖外部解释，通常可以给出高置信度。

当材料能够明确给出分子、分母和展示百分比时，在对应的结构化 Claim 中写入：

```json
"metric": {
  "numerator": 200,
  "denominator": 2000,
  "displayed_percent": 10
}
```

交由确定性校验器重算。不要从只有“转化率 38%”的自然语言中猜测分母。数字关系不一致只说明当前口径下的数值不一致，不自动等于候选人造假；若可能存在未披露的分母，应在分析中说明这一限制。

当材料明确给出基线、结果、变化类型和展示变化值时，也在同一个 `metric` 对象中记录 `baseline`、`result`、`change_type` 与 `displayed_change`。`relative_percent` 按 `(result - baseline) / baseline * 100` 重算，例如 100 到 125 是 `25%`；`percentage_points` 直接相减，例如 60% 到 70% 是 `10` 个百分点，而不是 `10%` 的相对变化（相对变化约为 16.67%）。不要从自然语言猜测变化类型或基线。相对变化的 baseline 为零时应说明无法计算；数字关系不一致同样只说明已提供数值之间的关系，不自动等于候选人造假。

### 4. 用最强来源核验每条主张

技术与机构主张优先使用一手资料。

#### 开源与 GitHub 主张

先阅读 `references/open-source-audit.md`，再检查：

- 作者 PR 和 issue 搜索；
- merged、closed-unmerged、open、duplicate、superseded 的区别；
- 修改文件、代码所有权、评审记录和 release note；
- README 致谢、maintainer 列表、CODEOWNERS、组织成员与正式任命；
- 贡献类型：核心引擎、功能、缺陷修复、前端、网站、文档、测试、生成代码、评论或仅 issue；
- 贡献时间与所声称版本/架构阶段的关系；
- star、排名、采用率和项目成功是否早于候选人的贡献。

GitHub contribution 数量不等于合并到生产的代码；某个子项目的正式 committer 身份也不等于整个核心引擎的作者身份。

#### 就业、offer 与内部项目主张

优先使用雇主记录、offer 元数据、主管确认、内部设计文档、代码所有权、上线记录或指标看板。无法取得时标记 `unverifiable`，不能直接判假。

遇到 `owner`、`0-to-1`、`core author`、`architect` 或 `lead` 时追问：

- 谁授予或分配了这个角色？
- 实际负责哪个子系统？
- 哪些决策由候选人本人提出？
- 哪些产物通过评审并进入生产？
- 哪个结果可以归因于个人而不是团队？

#### 学校与中外合作项目主张

阅读 `references/education-branding-audit.md`，分别核验：

- 录取和注册学籍所在院校；
- 实际就读校区或项目；
- 海外合作院校；
- 交换或访问身份；
- 中外合作项目状态；
- 学位授予院校；
- 最终取得的学位、文凭或证书。

只有在官方项目和学历证明允许的范围内，才能使用合作院校品牌。不得因为学校不够知名就推断造假。

#### 产品、创业与付费用户指标

要求定义注册用户、活跃用户、付费用户、转化事件、分母、时间窗口、收入、退款和测试账号。重算所有可见比例。第三方流量估算不能证明内部支付数据或项目归属。

#### 奖项与“最年轻/首个/第一”主张

查找官方获奖名单和明确的比较集合。没有公开排名或可穷举比较范围时，即使底层奖项或身份真实，最高级仍应标记 `unsupported`。

### 5. 检查简历包装与夸大模式

阅读 `references/inflation-patterns.md`。必须先完成逐条证据核验，再判断是否存在模式。常见模式包括：

- contributor 升级为 maintainer/core author；
- 网站或文档贡献被表述为核心引擎深度；
- 项目 star、品牌和排名转移到个人；
- 社交或可见度工作被用来暗示技术权威；
- 复述完整系统架构代替个人产物证明；
- 团队结果和采用率归因于个人；
- 分母切换和伪精确指标；
- 在多个自有平台重复自授 title；
- 将合作学校或海外项目呈现为学位主体；
- 时间压缩及重复的 `owner/0-to-1` 表述。

发现模式只是调查信号，不能单独作为造假证据。

### 6. 分配证据状态

每条主张只使用一个状态：

- `corroborated`：强独立证据支持主张的关键内容。
- `partially_corroborated`：真实事实存在，但角色、范围、因果或幅度超过证据。
- `contradicted`：可靠证据与主张直接冲突。
- `unsupported`：合理搜索后仍没有足够证据。
- `unverifiable`：只有当前不可取得的内部或私人记录才能核验。

同时记录置信度（`high`、`medium`、`low`），并说明什么证据可以改变结论。

### 7. 建立报告数据

按 `references/report-schema.md` 创建 `report-data.json`。引用保持简短，每个重要结论都要指向来源。指控必须带归属，例如：

> `文章作者指控……；当前材料缺少原始截图，尚未独立验证。`

不要直接写：

> `当事人伪造了……`

除非直接、权威的证据已经证明该结论。

### 8. 生成 HTML 与 PDF

在技能目录运行：

```bash
python3 scripts/render_report.py \
  --input /absolute/path/report-data.json \
  --html /absolute/path/report.html \
  --pdf /absolute/path/report.pdf
```

HTML 必须保持自包含并使用附带的纸张式证据报告设计，至少包含：

1. 范围与限制；
2. 证据状态卡片；
3. 调查流程图；
4. 最高风险主张；
5. 完整主张-证据矩阵；
6. 包装模式及反向证据；
7. 时间线；
8. 来源和下一步核验。

### 9. 校验并视觉检查

运行：

```bash
python3 scripts/validate_report.py \
  --data /absolute/path/report-data.json \
  --html /absolute/path/report.html \
  --pdf /absolute/path/report.pdf
```

如果安装了 `pdftoppm`，将 PDF 渲染为 PNG 并检查每一页，确认没有文字裁切、中文缺字、表格破裂或元素重叠。发现问题后先修改再交付。

### 10. 使用校准后的语言交付

结论顺序为：

- 最强的已证实事实；
- 最强的直接矛盾；
- 最大的不可核验缺口。

不要复述文章中的煽动性措辞。明确区分 `字面虚构`、`角色/范围膨胀`、`缺乏支持的营销表述` 和 `仅仅缺少证据`。

## 附带参考资料

- `references/evidence-methodology.md`：来源等级与状态判断规则。
- `references/open-source-audit.md`：GitHub/Apache 贡献和角色审计。
- `references/education-branding-audit.md`：院校、中外合作、交换和学位表述。
- `references/inflation-patterns.md`：防御性简历包装分类。
- `references/report-schema.md`：报告生成器读取的 JSON 格式。
- `references/asu-case-study.md`：基于公开记录和用户材料的有限案例；不得将其视为永恒或全面事实。

## 附带工具

- `scripts/render_report.py`：确定性 HTML/PDF 生成器。
- `scripts/validate_report.py`：数据结构、证据引用、HTML 和 PDF 冒烟检查。
- `assets/report_template.html`：自包含中文 HTML 报告模板。
- `evals/evals.json`：中文测试任务和预期行为。
````

## File: skills/asu-resume-audit-skill/scripts/render_report.py
size: 17922
sha: 054a299612fa321461b7fca6cf59bedd0b738f6d
upstream: https://github.com/claycui828/asu-resume-skills/blob/main/skills/asu-resume-audit-skill/scripts/render_report.py

```text
#!/usr/bin/env python3
"""从统一 JSON 数据生成中文 HTML 和 PDF 简历证据审计报告。"""

from __future__ import annotations

import argparse
import json
import re
from collections import Counter
from pathlib import Path
from typing import Any
from xml.sax.saxutils import escape

STATUS_ZH = {
    "corroborated": "已证实",
    "partially_corroborated": "部分证实",
    "contradicted": "存在直接矛盾",
    "unsupported": "缺乏支持",
    "unverifiable": "暂不可核验",
}
RISK_ZH = {"low": "低", "medium": "中", "high": "高", "critical": "严重"}
CONFIDENCE_ZH = {"low": "低", "medium": "中", "high": "高"}

def normalize_pdf_text(value: Any) -> str:
    """把 PDF 中容易造成断行或字体问题的破折号统一为 ASCII。"""
    text = "" if value is None else str(value)
    return (
        text.replace("‐", "-")
        .replace("‑", "-")
        .replace("‒", "-")
        .replace("–", "-")
        .replace("—", "-")
        .replace("−", "-")
        .replace("·", " / ")
    )

def ptext(value: Any) -> str:
    return escape(normalize_pdf_text(value)).replace("\n", "<br/>")

def load_data(path: Path) -> dict[str, Any]:
    with path.open("r", encoding="utf-8") as handle:
        return json.load(handle)

def render_html(data: dict[str, Any], template_path: Path, output_path: Path) -> None:
    template = template_path.read_text(encoding="utf-8")
    payload = json.dumps(data, ensure_ascii=False, separators=(",", ":"))
    payload = payload.replace("</", "<\\/")
    if "__REPORT_JSON__" not in template:
        raise ValueError(f"HTML 模板缺少 __REPORT_JSON__ 占位符：{template_path}")
    html = template.replace("__REPORT_JSON__", payload)
    output_path.parent.mkdir(parents=True, exist_ok=True)
    output_path.write_text(html, encoding="utf-8")

def build_pdf(data: dict[str, Any], output_path: Path) -> None:
    try:
        from reportlab.lib import colors
        from reportlab.lib.enums import TA_CENTER, TA_LEFT
        from reportlab.lib.pagesizes import A4
        from reportlab.lib.styles import ParagraphStyle, getSampleStyleSheet
        from reportlab.lib.units import mm
        from reportlab.pdfbase import pdfmetrics
        from reportlab.pdfbase.cidfonts import UnicodeCIDFont
        from reportlab.platypus import (
            LongTable,
            PageBreak,
            Paragraph,
            SimpleDocTemplate,
            Spacer,
            Table,
            TableStyle,
        )
    except ImportError as exc:
        raise SystemExit("缺少 reportlab。请运行：python3 -m pip install reportlab") from exc

    output_path.parent.mkdir(parents=True, exist_ok=True)
    try:
        pdfmetrics.registerFont(UnicodeCIDFont("STSong-Light"))
        font_name = "STSong-Light"
    except Exception:
        font_name = "Helvetica"

    palette = {
        "ivory": colors.HexColor("#FAF9F5"),
        "slate": colors.HexColor("#141413"),
        "clay": colors.HexColor("#D97757"),
        "oat": colors.HexColor("#E3DACC"),
        "olive": colors.HexColor("#788C5D"),
        "gray100": colors.HexColor("#F0EEE6"),
        "gray300": colors.HexColor("#D1CFC5"),
        "gray500": colors.HexColor("#87867F"),
        "gray700": colors.HexColor("#3D3D3A"),
        "rust": colors.HexColor("#B04A3F"),
        "info": colors.HexColor("#5C7CA3"),
        "warning": colors.HexColor("#C78E3F"),
    }

    styles = getSampleStyleSheet()
    body = ParagraphStyle(
        "中文正文",
        parent=styles["BodyText"],
        fontName=font_name,
        fontSize=9.4,
        leading=14,
        textColor=palette["gray700"],
        wordWrap="CJK",
        spaceAfter=5,
    )
    small = ParagraphStyle(
        "中文小字",
        parent=body,
        fontSize=7.8,
        leading=11,
        textColor=palette["gray500"],
    )
    title = ParagraphStyle(
        "中文标题",
        parent=body,
        fontSize=24,
        leading=31,
        textColor=palette["slate"],
        alignment=TA_LEFT,
        spaceAfter=8,
    )
    subtitle = ParagraphStyle(
        "中文副标题",
        parent=body,
        fontSize=12,
        leading=18,
        textColor=palette["gray700"],
        spaceAfter=12,
    )
    h2 = ParagraphStyle(
        "中文二级标题",
        parent=body,
        fontSize=16,
        leading=22,
        textColor=palette["slate"],
        spaceBefore=12,
        spaceAfter=9,
        keepWithNext=True,
    )
    h3 = ParagraphStyle(
        "中文三级标题",
        parent=body,
        fontSize=12,
        leading=17,
        textColor=palette["slate"],
        spaceBefore=7,
        spaceAfter=5,
        keepWithNext=True,
    )
    badge = ParagraphStyle(
        "标签",
        parent=small,
        alignment=TA_CENTER,
        textColor=palette["slate"],
    )
    cell = ParagraphStyle("表格正文", parent=body, fontSize=7.8, leading=11, spaceAfter=0)
    cell_small = ParagraphStyle("表格小字", parent=small, fontSize=7.0, leading=9.5, spaceAfter=0)

    metadata = data.get("metadata", {})
    summary = data.get("summary", {})
    claims = data.get("claims", [])
    sources = data.get("sources", [])
    patterns = data.get("patterns", [])
    timeline = data.get("timeline", [])
    next_steps = data.get("next_steps", [])
    counts = Counter(c.get("status") for c in claims)

    doc = SimpleDocTemplate(
        str(output_path),
        pagesize=A4,
        rightMargin=17 * mm,
        leftMargin=17 * mm,
        topMargin=17 * mm,
        bottomMargin=17 * mm,
        title=normalize_pdf_text(metadata.get("title", "简历真实性审计报告")),
        author=normalize_pdf_text(metadata.get("analyst", "asu-resume-audit-skill")),
    )
    story: list[Any] = []
    story.append(Paragraph("证据优先 / 简历主张审计", small))
    story.append(Paragraph(ptext(metadata.get("title", "简历真实性审计报告")), title))
    story.append(Paragraph(ptext(metadata.get("subject", "未命名审计对象")), subtitle))
    meta_line = " · ".join(
        [
            "范围：" + normalize_pdf_text(metadata.get("scope", "未说明")),
            "生成时间：" + normalize_pdf_text(metadata.get("generated_at", "未说明")),
            "分析者：" + normalize_pdf_text(metadata.get("analyst", "未说明")),
        ]
    )
    story.append(Paragraph(ptext(meta_line), small))
    story.append(Spacer(1, 7 * mm))

    story.append(Paragraph("证据结论总览", h2))
    status_order = [
        "corroborated",
        "partially_corroborated",
        "contradicted",
        "unsupported",
        "unverifiable",
    ]
    metric_cells = []
    metric_colors = [palette["olive"], palette["info"], palette["rust"], palette["warning"], palette["gray500"]]
    for status, color in zip(status_order, metric_colors):
        metric_cells.append(
            Table(
                [[Paragraph(str(counts.get(status, 0)), ParagraphStyle("数字", parent=title, fontSize=20, leading=22, alignment=TA_CENTER))],
                 [Paragraph(ptext(STATUS_ZH[status]), badge)]],
                colWidths=[30 * mm],
                rowHeights=[13 * mm, 8 * mm],
                style=TableStyle([
                    ("BACKGROUND", (0, 0), (-1, -1), colors.white),
                    ("BOX", (0, 0), (-1, -1), 0.7, palette["gray300"]),
                    ("LINEBEFORE", (0, 0), (0, -1), 3, color),
                    ("VALIGN", (0, 0), (-1, -1), "MIDDLE"),
                    ("LEFTPADDING", (0, 0), (-1, -1), 4),
                    ("RIGHTPADDING", (0, 0), (-1, -1), 4),
                ]),
            )
        )
    story.append(Table([metric_cells], colWidths=[33 * mm] * 5, style=TableStyle([("VALIGN", (0, 0), (-1, -1), "TOP")])))
    story.append(Spacer(1, 4 * mm))
    conclusion_box = Table(
        [[Paragraph(ptext(summary.get("conclusion", "尚未形成结论。")), body)]],
        colWidths=[168 * mm],
        style=TableStyle([
            ("BACKGROUND", (0, 0), (-1, -1), colors.white),
            ("BOX", (0, 0), (-1, -1), 0.7, palette["gray300"]),
            ("LINEBEFORE", (0, 0), (0, -1), 3, palette["clay"]),
            ("LEFTPADDING", (0, 0), (-1, -1), 10),
            ("RIGHTPADDING", (0, 0), (-1, -1), 10),
            ("TOPPADDING", (0, 0), (-1, -1), 8),
            ("BOTTOMPADDING", (0, 0), (-1, -1), 8),
        ]),
    )
    story.append(conclusion_box)
    if metadata.get("disclaimer"):
        story.append(Paragraph(ptext(metadata["disclaimer"]), small))
    if summary.get("limitations"):
        story.append(Paragraph("已知限制", h3))
        for item in summary["limitations"]:
            story.append(Paragraph("- " + ptext(item), body))

    story.append(Paragraph("审计流程", h2))
    flow_data = [[
        Paragraph("解析简历<br/><font size='7'>文本 / 图片 / PDF</font>", badge),
        Paragraph("拆分主张<br/><font size='7'>角色 / 范围 / 指标</font>", badge),
        Paragraph("检索证据<br/><font size='7'>官方 / GitHub / 档案</font>", badge),
        Paragraph("交叉核验<br/><font size='7'>支持 / 矛盾 / 缺口</font>", badge),
        Paragraph("生成报告<br/><font size='7'>JSON / HTML / PDF</font>", badge),
    ]]
    story.append(Table(flow_data, colWidths=[33.5 * mm] * 5, rowHeights=[17 * mm], style=TableStyle([
        ("BACKGROUND", (0, 0), (-2, -1), colors.white),
        ("BACKGROUND", (-1, 0), (-1, -1), palette["oat"]),
        ("BOX", (0, 0), (-1, -1), 0.7, palette["gray300"]),
        ("INNERGRID", (0, 0), (-1, -1), 0.7, palette["gray300"]),
        ("VALIGN", (0, 0), (-1, -1), "MIDDLE"),
    ])))

    high_ids = set(summary.get("highest_risk", []))
    high_claims = [c for c in claims if c.get("id") in high_ids or c.get("risk") == "critical"]
    if not high_claims:
        high_claims = claims[:5]
    story.append(Paragraph("最高风险主张", h2))
    high_rows = [[
        Paragraph("编号", cell_small),
        Paragraph("简历主张", cell_small),
        Paragraph("结论", cell_small),
        Paragraph("风险", cell_small),
        Paragraph("核心分析", cell_small),
    ]]
    for claim in high_claims:
        high_rows.append([
            Paragraph(ptext(claim.get("id")), cell_small),
            Paragraph(ptext(claim.get("resume_text") or claim.get("normalized_claim")), cell),
            Paragraph(ptext(STATUS_ZH.get(claim.get("status"), claim.get("status"))), cell_small),
            Paragraph(ptext(RISK_ZH.get(claim.get("risk"), claim.get("risk"))), cell_small),
            Paragraph(ptext(claim.get("analysis")), cell),
        ])
    story.append(LongTable(high_rows, repeatRows=1, colWidths=[13 * mm, 42 * mm, 21 * mm, 13 * mm, 79 * mm], style=TableStyle([
        ("BACKGROUND", (0, 0), (-1, 0), palette["gray100"]),
        ("BOX", (0, 0), (-1, -1), 0.6, palette["gray300"]),
        ("INNERGRID", (0, 0), (-1, -1), 0.35, palette["gray300"]),
        ("VALIGN", (0, 0), (-1, -1), "TOP"),
        ("LEFTPADDING", (0, 0), (-1, -1), 5),
        ("RIGHTPADDING", (0, 0), (-1, -1), 5),
        ("TOPPADDING", (0, 0), (-1, -1), 5),
        ("BOTTOMPADDING", (0, 0), (-1, -1), 5),
    ])))

    story.append(PageBreak())
    story.append(Paragraph("完整主张与证据矩阵", h2))
    for claim in claims:
        if claim.get("page_break_before"):
            story.append(PageBreak())
        evidence_for = "、".join(claim.get("evidence_for", [])) or "无"
        evidence_against = "、".join(claim.get("evidence_against", [])) or "无"
        steps = claim.get("verification_steps", [])
        block = [
            [Paragraph(ptext(claim.get("id")), cell_small), Paragraph(ptext(claim.get("normalized_claim")), cell)],
            [Paragraph("状态", cell_small), Paragraph(ptext(STATUS_ZH.get(claim.get("status"), claim.get("status"))), cell)],
            [Paragraph("风险 / 置信度", cell_small), Paragraph(ptext(f"{RISK_ZH.get(claim.get('risk'), claim.get('risk'))} / {CONFIDENCE_ZH.get(claim.get('confidence'), claim.get('confidence'))}"), cell)],
            [Paragraph("证据", cell_small), Paragraph(ptext(f"支持：{evidence_for}；反向：{evidence_against}"), cell)],
            [Paragraph("分析", cell_small), Paragraph(ptext(claim.get("analysis")), cell)],
            [Paragraph("下一步", cell_small), Paragraph("<br/>".join("- " + ptext(x) for x in steps) or "无", cell)],
        ]
        claim_table = Table(block, colWidths=[27 * mm, 141 * mm], style=TableStyle([
            ("BACKGROUND", (0, 0), (0, -1), palette["gray100"]),
            ("BOX", (0, 0), (-1, -1), 0.6, palette["gray300"]),
            ("INNERGRID", (0, 0), (-1, -1), 0.35, palette["gray300"]),
            ("VALIGN", (0, 0), (-1, -1), "TOP"),
            ("LEFTPADDING", (0, 0), (-1, -1), 6),
            ("RIGHTPADDING", (0, 0), (-1, -1), 6),
            ("TOPPADDING", (0, 0), (-1, -1), 5),
            ("BOTTOMPADDING", (0, 0), (-1, -1), 5),
        ]))
        story.extend([claim_table, Spacer(1, 3 * mm)])

    story.append(Paragraph("识别到的包装与夸大模式", h2))
    for pattern in patterns:
        if pattern.get("page_break_before"):
            story.append(PageBreak())
        signals = "；".join(pattern.get("signals", [])) or "无"
        pattern_table = Table([
            [Paragraph(ptext(pattern.get("name")), h3)],
            [Paragraph(ptext(pattern.get("description")), body)],
            [Paragraph(ptext("观察信号：" + signals), body)],
            [Paragraph(ptext("反向证据/合理解释：" + (pattern.get("counter_evidence") or "无")), body)],
            [Paragraph(ptext("置信度：" + CONFIDENCE_ZH.get(pattern.get("confidence"), pattern.get("confidence"))), small)],
        ], colWidths=[168 * mm], style=TableStyle([
            ("BACKGROUND", (0, 0), (-1, -1), colors.white),
            ("BOX", (0, 0), (-1, -1), 0.6, palette["gray300"]),
            ("LINEBEFORE", (0, 0), (0, -1), 3, palette["clay"]),
            ("LEFTPADDING", (0, 0), (-1, -1), 8),
            ("RIGHTPADDING", (0, 0), (-1, -1), 8),
            ("TOPPADDING", (0, 0), (-1, -1), 4),
            ("BOTTOMPADDING", (0, 0), (-1, -1), 4),
        ]))
        story.extend([pattern_table, Spacer(1, 3 * mm)])

    if timeline:
        story.append(Paragraph("时间线", h2))
        time_rows = [[Paragraph("日期", cell_small), Paragraph("事件", cell_small), Paragraph("详情", cell_small), Paragraph("来源", cell_small)]]
        for item in timeline:
            time_rows.append([
                Paragraph(ptext(item.get("date")), cell_small),
                Paragraph(ptext(item.get("title")), cell),
                Paragraph(ptext(item.get("detail")), cell),
                Paragraph(ptext("、".join(item.get("source_ids", [])) or "无"), cell_small),
            ])
        story.append(LongTable(time_rows, repeatRows=1, colWidths=[28 * mm, 39 * mm, 78 * mm, 23 * mm], style=TableStyle([
            ("BACKGROUND", (0, 0), (-1, 0), palette["gray100"]),
            ("BOX", (0, 0), (-1, -1), 0.6, palette["gray300"]),
            ("INNERGRID", (0, 0), (-1, -1), 0.35, palette["gray300"]),
            ("VALIGN", (0, 0), (-1, -1), "TOP"),
            ("LEFTPADDING", (0, 0), (-1, -1), 5),
            ("RIGHTPADDING", (0, 0), (-1, -1), 5),
            ("TOPPADDING", (0, 0), (-1, -1), 5),
            ("BOTTOMPADDING", (0, 0), (-1, -1), 5),
        ])))

    story.append(Paragraph("下一步核验", h2))
    for index, item in enumerate(next_steps, 1):
        story.append(Paragraph(ptext(f"{index}. {item}"), body))

    story.append(Paragraph("来源与证据等级", h2))
    for source in sources:
        label = f"{source.get('id')} · {source.get('title')}"
        url = normalize_pdf_text(source.get("url", ""))
        if url and re.match(r"^https?://", url):
            heading = f'<link href="{escape(url)}" color="#D97757">{ptext(label)}</link>'
        else:
            heading = ptext(label)
        source_block = [
            Paragraph(heading, h3),
            Paragraph(ptext(" · ".join(str(x) for x in [source.get("type"), source.get("publisher"), source.get("accessed_at"), "等级 " + str(source.get("reliability", "?"))] if x)), small),
        ]
        if source.get("notes"):
            source_block.append(Paragraph(ptext(source.get("notes")), body))
        story.extend(source_block)

    def decorate_page(canvas, document):
        canvas.saveState()
        canvas.setStrokeColor(palette["gray300"])
        canvas.setLineWidth(0.5)
        canvas.line(17 * mm, 12 * mm, 193 * mm, 12 * mm)
        canvas.setFont(font_name, 7)
        canvas.setFillColor(palette["gray500"])
        canvas.drawString(17 * mm, 8 * mm, "asu-resume-audit-skill / 证据快照")
        canvas.drawRightString(193 * mm, 8 * mm, f"第 {document.page} 页")
        canvas.restoreState()

    doc.build(story, onFirstPage=decorate_page, onLaterPages=decorate_page)

def parse_args() -> argparse.Namespace:
    parser = argparse.ArgumentParser(description="生成中文简历真实性审计 HTML/PDF")
    parser.add_argument("--input", required=True, type=Path, help="报告 JSON 数据")
    parser.add_argument("--html", required=True, type=Path, help="HTML 输出路径")
    parser.add_argument("--pdf", required=True, type=Path, help="PDF 输出路径")
    parser.add_argument("--template", type=Path, help="可选 HTML 模板路径")
    return parser.parse_args()

def main() -> None:
    args = parse_args()
    skill_root = Path(__file__).resolve().parents[1]
    template = args.template or skill_root / "assets" / "report_template.html"
    data = load_data(args.input)
    render_html(data, template, args.html)
    build_pdf(data, args.pdf)
    print(f"HTML 已生成：{args.html.resolve()}")
    print(f"PDF 已生成：{args.pdf.resolve()}")

if __name__ == "__main__":
    main()
```

## File: skills/asu-resume-audit-skill/scripts/validate_report.py
size: 7509
sha: 1794276991ae504c458fcc85f2d5ed998ff309b4
upstream: https://github.com/claycui828/asu-resume-skills/blob/main/skills/asu-resume-audit-skill/scripts/validate_report.py

```text
#!/usr/bin/env python3
"""校验报告 JSON、HTML 自包含性与 PDF 基本完整性。"""

from __future__ import annotations

import argparse
import json
import math
import re
import sys
from pathlib import Path
from urllib.parse import urlparse

ALLOWED_STATUSES = {
    "corroborated",
    "partially_corroborated",
    "contradicted",
    "unsupported",
    "unverifiable",
}
ALLOWED_RISKS = {"low", "medium", "high", "critical"}
ALLOWED_CONFIDENCE = {"low", "medium", "high"}

def fail(errors: list[str], message: str) -> None:
    errors.append(message)

def validate_metric(claim: dict, errors: list[str]) -> None:
    metric = claim.get("metric")
    if metric is None:
        return

    cid = claim.get("id", "<无编号>")
    if not isinstance(metric, dict):
        fail(errors, f"{cid} metric 必须是对象")
        return

    ratio_keys = {"numerator", "denominator", "displayed_percent"}
    if ratio_keys <= set(metric):
        try:
            expected = float(metric["numerator"]) / float(metric["denominator"]) * 100
            displayed = float(metric["displayed_percent"])
        except (TypeError, ValueError, ZeroDivisionError):
            fail(errors, f"{cid} metric 指标字段无法计算")
        else:
            if not math.isclose(expected, displayed, abs_tol=0.5):
                fail(errors, f"{cid} metric 百分比与分子分母不一致")

    change_keys = {"baseline", "result", "change_type", "displayed_change"}
    if not change_keys <= set(metric):
        return

    try:
        baseline = float(metric["baseline"])
        result = float(metric["result"])
        displayed_change = float(metric["displayed_change"])
    except (TypeError, ValueError):
        fail(errors, f"{cid} metric 变化字段无法计算")
        return

    change_type = metric["change_type"]
    if change_type == "relative_percent":
        if baseline == 0:
            fail(errors, f"{cid} metric 相对百分比变化的 baseline 不能为 0")
            return
        expected_change = (result - baseline) / baseline * 100
    elif change_type == "percentage_points":
        expected_change = result - baseline
    else:
        fail(errors, f"{cid} metric change_type 非法：{change_type}")
        return

    if not math.isclose(expected_change, displayed_change, abs_tol=0.5):
        fail(errors, f"{cid} metric 变化值与基线结果不一致")

def validate_data(data: dict, errors: list[str]) -> None:
    metadata = data.get("metadata", {})
    for key in ("title", "subject", "generated_at"):
        if not metadata.get(key):
            fail(errors, f"metadata.{key} 缺失")

    sources = data.get("sources")
    claims = data.get("claims")
    if not isinstance(sources, list) or not sources:
        fail(errors, "sources 必须是非空数组")
        sources = []
    if not isinstance(claims, list) or not claims:
        fail(errors, "claims 必须是非空数组")
        claims = []

    source_ids = {s.get("id") for s in sources if s.get("id")}
    if len(source_ids) != len(sources):
        fail(errors, "source id 缺失或重复")
    for source in sources:
        sid = source.get("id", "<无编号>")
        url = source.get("url")
        if url:
            parsed = urlparse(str(url))
            if parsed.scheme not in {"http", "https"} or not parsed.netloc:
                fail(errors, f"{sid} URL 必须使用 http 或 https：{url}")
    claim_ids = {c.get("id") for c in claims if c.get("id")}
    if len(claim_ids) != len(claims):
        fail(errors, "claim id 缺失或重复")

    for claim in claims:
        cid = claim.get("id", "<无编号>")
        for key in ("normalized_claim", "status", "risk", "confidence", "analysis"):
            if not claim.get(key):
                fail(errors, f"{cid} 缺少 {key}")
        if claim.get("status") not in ALLOWED_STATUSES:
            fail(errors, f"{cid} status 非法：{claim.get('status')}")
        if claim.get("risk") not in ALLOWED_RISKS:
            fail(errors, f"{cid} risk 非法：{claim.get('risk')}")
        if claim.get("confidence") not in ALLOWED_CONFIDENCE:
            fail(errors, f"{cid} confidence 非法：{claim.get('confidence')}")
        validate_metric(claim, errors)
        for sid in claim.get("evidence_for", []) + claim.get("evidence_against", []):
            if sid not in source_ids:
                fail(errors, f"{cid} 引用了不存在的 source id：{sid}")

    for pattern in data.get("patterns", []):
        for cid in pattern.get("claim_ids", []):
            if cid not in claim_ids:
                fail(errors, f"模式 {pattern.get('name')} 引用了不存在的 claim id：{cid}")

    for item in data.get("timeline", []):
        for sid in item.get("source_ids", []):
            if sid not in source_ids:
                fail(errors, f"时间线 {item.get('title')} 引用了不存在的 source id：{sid}")

def validate_html(path: Path, data: dict, errors: list[str]) -> None:
    if not path.exists() or path.stat().st_size < 10_000:
        fail(errors, f"HTML 不存在或体积异常：{path}")
        return
    html = path.read_text(encoding="utf-8")
    if "__REPORT_JSON__" in html:
        fail(errors, "HTML 仍包含未替换的数据占位符")
    if re.search(r"<script[^>]+src\s*=", html, re.I):
        fail(errors, "HTML 引用了外部脚本，不是自包含文件")
    if re.search(r"<link[^>]+rel=[\"']?stylesheet", html, re.I):
        fail(errors, "HTML 引用了外部样式表，不是自包含文件")
    subject = str(data.get("metadata", {}).get("subject", ""))
    if subject and subject not in html:
        fail(errors, "HTML 中未找到报告对象名称")
    for claim in data.get("claims", [])[:3]:
        if str(claim.get("id")) not in html:
            fail(errors, f"HTML 中未找到 claim id：{claim.get('id')}")

def validate_pdf(path: Path, errors: list[str]) -> None:
    if not path.exists() or path.stat().st_size < 5_000:
        fail(errors, f"PDF 不存在或体积异常：{path}")
        return
    with path.open("rb") as handle:
        if handle.read(4) != b"%PDF":
            fail(errors, "PDF 文件头无效")
    try:
        from pypdf import PdfReader

        reader = PdfReader(str(path))
        if not reader.pages:
            fail(errors, "PDF 没有页面")
    except ImportError:
        pass
    except Exception as exc:
        fail(errors, f"PDF 解析失败：{exc}")

def parse_args() -> argparse.Namespace:
    parser = argparse.ArgumentParser(description="校验中文简历真实性审计报告")
    parser.add_argument("--data", required=True, type=Path)
    parser.add_argument("--html", required=True, type=Path)
    parser.add_argument("--pdf", required=True, type=Path)
    return parser.parse_args()

def main() -> None:
    args = parse_args()
    errors: list[str] = []
    try:
        data = json.loads(args.data.read_text(encoding="utf-8"))
    except Exception as exc:
        print(f"JSON 读取失败：{exc}", file=sys.stderr)
        raise SystemExit(1)
    validate_data(data, errors)
    validate_html(args.html, data, errors)
    validate_pdf(args.pdf, errors)
    if errors:
        print("校验失败：", file=sys.stderr)
        for error in errors:
            print(f"- {error}", file=sys.stderr)
        raise SystemExit(1)
    print("校验通过：JSON 结构、证据引用、HTML 自包含性和 PDF 基本完整性均正常。")

if __name__ == "__main__":
    main()
```

## File: skills/asu-resume-audit-skill/references/asu-case-study.md
size: 5325
sha: 4ab1d9c4bf409852647974bba627da67555a3308
upstream: https://github.com/claycui828/asu-resume-skills/blob/main/skills/asu-resume-audit-skill/references/asu-case-study.md

```text
# ASU 公开证据案例研究

本案例演示如何审计争议简历，而不把指控文章直接当成事实。它是有范围限制的工作样例，不是对任何人的永久结论。

## 来源边界

创建技能时可用材料包括：

- 用户提供的两张简历截图；
- 用户粘贴的一篇公开公众号质疑文章全文，但多数内嵌证据图片缺失；
- 2026-08-13 可访问的公开 GitHub 项目、个人主页、PR 与 Apache 名册记录。

目标公众号页面因站点安全限制无法通过浏览器打开；用户随后提供了完整正文。依赖缺失图片的主张没有得到独立核验。

## 截图中可见的主要简历主张

- 当事人是 DeerFlow `项目 owner 核心作者之一`，并主导 1.0 到 2.0 的架构升级；
- 当事人是 Apache Committer，且 `18 岁成为全球最年轻 Apache Committer`；
- 多段短期实习中反复出现 `项目 owner`、`完全负责 0 到 1` 等表述；
- Thumbnail AI 有 2,000+ 注册用户、200+ 付费用户，付费转化率约 38%；
- Krene-Art 有 1,200+ 用户、150+ 付费用户，付费转化率约 42%；
- 多个内部 AI4SE/AgentScaling/Tracer 项目声称取得 Benchmark 与成本改进。

截图未展示完整教育条目，因此无法仅凭图片判定中外合作项目或海外院校 Title 的表述。

## 公开核验结果

### DeerFlow：参与事实与核心作者主张

公开记录支持确有参与：

- 审计时 GitHub 作者搜索返回 5 个 `bytedance/deer-flow` PR；
- PR #1077 已合并，内容为有边界的前端导航/状态修复；
- PR #1081 与 #1064 涉及中间件、后端或内存管理尝试，但关闭未合并。

相关链接：

- https://github.com/bytedance/deer-flow/pulls?q=is%3Apr+author%3ALofiSu
- https://github.com/bytedance/deer-flow/pull/1077
- https://github.com/bytedance/deer-flow/pull/1081
- https://github.com/bytedance/deer-flow/pull/1064

公开 README 将 2.0 描述为从头重写，并在致谢中列出 Daniel Walnut 与 Henry Li 为核心作者；该段未列出 LofiSu：

- https://github.com/bytedance/deer-flow#acknowledgments

校准结论：Contributor 活动已证实；“核心作者并主导 1.0 到 2.0 重写”的更强表述与公开记录存在张力，未得到公开证实。仍可能存在内部工作，因此状态应为 `partially_corroborated`，而不是断言完全没有核心工作。

### Apache 角色与技术范围

Apache 公开名册确认 `LofiSu` 是 Fory Committer：

- https://people.apache.org/phonebook.html?unix=fory

公开 GitHub 搜索显示有实质 Apache 活动，但多数集中在 `apache/fory-site` 官网、前端与文档；可见的主引擎工作很有限。这不推翻正式 Committer 头衔，只限制公开证据能够支持的“核心序列化引擎深度”。

`全球最年轻` 缺乏 ASF 全局年龄排名。审计时 Apache 记录显示 2025 年 4 月新增 Committer，而个人 GitHub 页面写明出生于 2006 年 1 月，这使“18 岁”出现时间线疑问；正式邀请日期可能早于名册更新。负责任的状态是 `unsupported` 或 `partially_corroborated`，而非在任命日期确定前直接写 `contradicted`。

### 确定性的指标矛盾

- 200 / 2,000 = 10%，不是 38%；
- 150 / 1,200 = 12.5%，不是 42%。

百分比可能使用更窄漏斗分母，但简历没有披露。可见呈现内部不一致，存在误导风险；这是高置信度结论。

### 内部 AI、Offer 与就业主张

AI Infra 所有权、内部 Benchmark、成本下降、榜单、Offer 类型、薪酬和具体数据工作需要雇主或内部记录。质疑文章提出了相关指控，但粘贴文本没有包含支撑截图，因此样例报告必须标记为 `unverifiable`。

### 学历品牌

用户指控国内院校与海外合作项目 Title 被视觉绑定。现有截图没有展示教育条目，也没有官方项目或学位记录，不能把该指控重复成事实。取得完整条目后使用 `education-branding-audit.md`。

### 主动贡献与社交策略

公开记录显示当事人积极参与官网/前端工作并与 Maintainer 互动。这些行为可以正当地带来信任与正式角色。审计关注的不是“靠社交拿 Title”，而是后续简历是否：

- 省略官网/前端范围；
- 用项目级正式头衔暗示核心引擎作者身份；
- 用知名关系或项目品牌替代个人工件。

## 对质疑文章的证据评价

文章最强的部分是可复现的仓库历史；较弱的推理包括：

- 用学校声望推断 Offer 不可能；
- 把所有数据工作一概排除在 AI 基础设施之外；
- 与简历核验无关的性别、人格、税务与道德修辞；
- 号召迫使当事人退网。

证据报告应排除这些内容，只把文章作为带归因的指控与链接来源。

## 样例结论

> 公开证据支持真实实习、正式 Apache Committer 角色和部分有意义的开源贡献；现有证据不足以支持 DeerFlow 核心作者及主导 1.0 到 2.0 的完整强度。两组付费转化率与同屏用户数存在算术不一致。内部 AI 所有权、性能、Offer 与学历品牌主张在缺乏雇主或官方凭证时仍不可核验。证据支持“角色与范围存在重大膨胀风险”，不支持“所有经历均为虚构”的笼统结论。
```

## File: skills/asu-resume-audit-skill/references/education-branding-audit.md
size: 2179
sha: b8d2ec5cb93d272fa16e28ee067050fd7450fb38
upstream: https://github.com/claycui828/asu-resume-skills/blob/main/skills/asu-resume-audit-skill/references/education-branding-audit.md

````text
# 学历与中外合作项目表述审计

## 不以学校声望作为证据

“双非”、排名、录取分数或社会声誉既不能证明也不能推翻学历。只核验正式教育事实以及简历如何呈现这些事实。

## 建立院校关系图

每条教育经历分别记录：

1. 学籍院校：正式录取与注册所在学校；
2. 授课院校/校区：实际完成教学的地点；
3. 合作院校：参与联合、交换或课程合作的学校；
4. 项目性质：联合学院、合作专业、交换、访问、双学位、衔接项目或普通合作；
5. 学位授予方：出现在每张学位证书上的学校；
6. 实际获得凭证：学位、毕业证、项目证书或仅有参与证明。

## 强证据

优先顺序：

- 教育主管部门的官方项目名录；
- 对应年份的大学项目页与招生简章；
- 经授权提供的学籍/学位核验；
- 正式成绩单或学历认证；
- 项目措辞发生变化时的官方网页存档。

候选人主页与宣传手册的证明力低于正式凭证。

## 措辞测试

### 通常准确

```text
X 大学 · Y 联合学院｜计算机本科｜学位授予方：X 大学
X 大学｜2025 年 9-12 月赴 Y 大学交换
X 与 Y 双学位项目｜分别由 X、Y 授予学位
```

### 可能误导

```text
Y University｜BSc in ...
```

如果 Y 仅是合作方、交换接收方、课程提供方或品牌参与方，并未授予学位，该写法可能让读者误以为候选人正式就读于 Y。

### 必查问题

- 海外合作方是否被视觉放大，而学籍院校被弱化？
- 标题是否暗示在合作大学正式就读？
- 是否省略 `联合`、`交换`、`访问`、`项目` 等限定词？
- 展示的英文校名是否与正式学历凭证一致？
- 是否把两所学校写成都授予学位，而实际上只有一方授予？

## 结论措辞

- `合作项目本身已证实，但当前写法可能扩大读者对学位授予方的理解。`
- `合作关系真实；现有证据不能证明合作方授予了学位。`
- `没有正式凭证或项目记录，暂不能形成结论。`

绝不能因为学校不属于名校就写“学历造假”。
````

## File: skills/asu-resume-audit-skill/references/evidence-methodology.md
size: 3239
sha: 64a3a05200b8cb4e940cd5da279eef0a660e5fc0
upstream: https://github.com/claycui828/asu-resume-skills/blob/main/skills/asu-resume-audit-skill/references/evidence-methodology.md

```text
# 证据方法论

## 来源层级

每条主张都使用能够取得的最强来源。低层级来源可以提供线索，但不会因为谈论某个权威组织而自动获得该组织的可信度。

| 层级 | 来源类型 | 常见示例 | 能够证明什么 |
|---|---|---|---|
| A | 官方且同期的直接记录 | 雇佣核验、学历记录、官方项目名册、已合并 PR、正式任命、官方获奖名单 | 正式角色、学历、已交付产物、任命、奖项 |
| B | 可复现的公开一手记录 | 仓库历史、Release Note、第一方网页存档、当事人公开发言 | 公开说过或发生过什么；部分情况下可证明贡献范围 |
| C | 有署名的二手报道 | 带链接与可复现证据的署名文章 | 调查线索与上下文解释 |
| D | 未核验陈述 | 匿名帖、无出处截图、评论区、情绪性表达 | 只能证明“有人这样说过”，不能证明内容为真 |

## 结论状态规则

### `corroborated`（已证实）

独立的 A/B 级证据支持主张的关键措辞、角色与范围时使用。一个已合并 PR 只能证明该次具体贡献，不能自动证明“核心作者”。

### `partially_corroborated`（部分证实）

事实锚点真实，但简历扩大了它。例如：

- 正式拥有某开源项目 Committer 身份，但公开贡献主要集中在官网/前端，简历却暗示核心引擎深度；
- 确有已合并 PR，但简历声称主导整个从 1.0 到 2.0 的重写；
- 确有实习，但 `AI Infra owner` 的范围无法得到支持。

### `contradicted`（存在直接矛盾）

必须存在可确定的冲突，例如：

- 同屏分子、分母算不出展示百分比；
- 官方学位授予方与简历声称的学位来源冲突；
- 完整同期的官方项目名册与简历声称的排他性正式头衔冲突；
- 权威时间戳证明所声称日期不可能成立。

### `unsupported`（缺乏支持）

对公开主张做过合理范围检索后仍无足够证据，尤其适用于“最年轻”“第一”“核心”等最高级。报告必须写明检索边界。

### `unverifiable`（暂不可核验）

只有私有雇佣、薪酬、支付或内部项目记录才能判定时使用。没有公开证据不等于内部主张为假。

## 置信度

- `high`：结论来自直接证据或确定性算术。
- `medium`：多个独立来源趋同，但仍可能存在内部或历史例外。
- `low`：主要依靠推断，或关键来源不完整。

## 归因与引用

- 对争议性陈述使用归因：`文章作者指控`、`当事人自述`、`截图显示`。
- 只引用识别主张所需的最短文字。
- 保存原始日期、URL 与访问日期。
- 区分“页面现在显示”与“相关时间点曾显示”。
- 使用网页存档时记录存档时间戳。

## 反证检查

在形成不利结论前逐项检查：

1. 是否存在支持部分主张的已合并贡献或正式头衔？
2. 内部贡献是否可能被 squash、镜像或使用服务账号提交？
3. 官方名单是完整名册还是示例名单？
4. 争议词是否可能存在合理的宽泛含义？
5. 普通读者是否可能用比审计者更窄的方式理解该措辞？

所有限制都必须写入报告。
```

## File: skills/asu-resume-audit-skill/references/inflation-patterns.md
size: 3285
sha: 6c6ab771677e15da0b1cacc72457d3b48da6c954
upstream: https://github.com/claycui828/asu-resume-skills/blob/main/skills/asu-resume-audit-skill/references/inflation-patterns.md

```text
# 简历夸大模式防御分类

这些模式用于组织证据与提出核验问题，是待验证假设，不是先验定罪。

## 1. 角色升格

`参与者 / Contributor -> Maintainer -> 核心作者 -> Owner / Lead`

检查正式任命、持续贡献范围、设计决策权、评审责任与 Release 责任。

## 2. 全系统叙事 / 范围漂白

个人只做了 UI、文档、数据清洗或胶水逻辑，却用整个系统的架构链描述自己。应把“候选人实际产物”与“候选人能够解释的系统架构”分开。

## 3. 品牌强关联

把公司名、知名仓库、Star 数、投资机构或知名合作者放在显眼位置，让其声誉迁移到个人。必须区分“与该品牌有关联”和“对结果作出多少贡献”。

## 4. 可见度耕作

在多个知名项目中主动寻找高可见、低风险的官网、文档、注释、前端或配置任务。该行为本身可以是正当的作品集建设；只有在后续被描述为深度核心所有权时才构成误导信号。

审计时统计：

- 提交数量、合并数量与未合并数量；
- 代码区域分布；
- 是否集中在上线可见但架构影响有限的区域；
- 简历是否省略了这些边界。

## 5. 社交邻接转技术授权

与 Maintainer 互动、获得点赞、被回复、共同出现在 Issue 或参加活动，被当作技术权威或联合开发的证据。社交与建立信任并非不当；应核验正式角色与交付产物，不能把“认识谁”当作“实现了什么”。

## 6. 团队结果个人化

项目流量、排名、收入、效率或融资结果被展示，却不说明个人增量贡献。要求给出归因机制、时间窗口和个人负责链路。

## 7. 伪精确

看似精确的百分比和计数缺少分母、基线、时间窗口、样本或数据来源。

## 8. 分母切换

展示一个宽口径用户总数，却用更窄漏斗阶段作百分比分母。必须用同屏数字重算，再要求给出真正分母。

## 9. 没有比较全集的最高级

`最年轻`、`首个`、`No.1`、`Top`、`核心` 没有公开比较集合或定义。

## 10. 自证循环 / 多平台重复

同一个自授角色在多个自有账号重复发布，搜索结果看起来像多方证实。审计要统计独立来源，而不是页面数量。

## 11. 合作院校替代学籍

把海外合作方或联合项目品牌写成主要大学身份，却未准确说明学籍与学位授予方。

## 12. 时间压缩

短期或重叠经历中出现多个“0 到 1”“Owner”“跨部门主导”。结合工件、团队证据与可行工时核验，不能仅凭目标宏大直接判假。

## 13. 修正传播不对称

最强主张被广泛传播，而删除、限定或更正只触达少数人。只有原文与更正都得到保存时才能纳入报告。

## 14. 术语邻接

因为工作发生在 AI 团队、数据管线或模型产品附近，就把任何前端、数据或运营任务统称为 `AI Infra`。应分别记录团队背景、任务对象、个人技术栈和基础设施责任。

## 报告模板

每个模式都写明：

- 观察到的信号；
- 涉及主张；
- 支持证据；
- 反向证据或善意解释；
- 置信度；
- 哪些材料能够证实或推翻该模式。
```

## File: skills/asu-resume-audit-skill/references/open-source-audit.md
size: 3545
sha: c1040e17168ee3fa52694000f4d0bf8d06f4d473
upstream: https://github.com/claycui828/asu-resume-skills/blob/main/skills/asu-resume-audit-skill/references/open-source-audit.md

````text
# 开源贡献与角色审计

## 四个必须分开的问题

1. 当事人是否参与过？
2. 哪些工作被提出、合并、发布或持续维护？
3. 获得了什么正式角色？
4. 简历措辞是否准确描述了工作的深度与广度？

## GitHub 取证清单

- `author:<login> repo:<owner>/<repo> is:pr` 搜索结果；
- PR 状态：已合并、关闭未合并、进行中、重复或被替代；
- Commit 与改动文件；
- 代码区域：核心运行时、独立功能、前端、官网、文档、测试、配置、仅注释；
- Review 评论、Request Changes 与最终合并人；
- 变更是否进入 Release；
- 只提 Issue 还是交付实现；
- README 致谢、CODEOWNERS、Team 文件、Maintainer 名单与组织成员关系；
- 提交日期是否落在声称的版本或架构阶段。

常用搜索：

```text
https://github.com/<owner>/<repo>/pulls?q=is%3Apr+author%3A<login>
https://github.com/search?q=org%3A<org>+author%3A<login>+is%3Apr&type=pullrequests
```

使用 GitHub API 时保存查询语句和原始结果数；绝不能把 `closed` 当成 `merged`。

## 贡献深度分级

| 级别 | 常见证据 | 简历安全措辞 |
|---|---|---|
| 0 - 仅可见 | Fork、Star、评论、无实现的 Issue | 关注/讨论该项目 |
| 1 - 边缘贡献 | 文档、错字、官网、小 UI、配置 | 贡献文档/官网/UI 修改 |
| 2 - 有边界实现 | 已合并缺陷修复或功能，责任范围清晰 | 实现/修复具体组件 |
| 3 - 持续子系统所有权 | 多次合并、评审、设计决策、Release | 维护/负责具体子系统 |
| 4 - 项目领导 | 正式核心角色，加上跨模块架构与发布责任 | Maintainer/核心作者/项目负责人 |

正式头衔与贡献深度可能不完全相同。报告应同时保留“头衔真实”和“公开技术范围有限”两类事实。

## 常见夸大信号

### 品牌或 Star 迁移

简历把项目 Star、排名或公司品牌放在个人经历旁。除非能够证明个人造成了其中的实质增量，否则 Star 只能作为项目背景。

### 贡献数量漂白

GitHub Contribution 可能包含 Issue、评论、Fork Commit 与未合并 PR。必须单独统计已合并工件。

### 官网到核心引擎的歧义

官网、文档和 Developer Experience 都是正当贡献。误导发生在简历省略代码区域，让读者推断为核心引擎或算法所有权时。

### 主动合 PR 与角色升格

主动寻找可贡献任务、与 Maintainer 互动、修复前端/官网问题、通过持续贡献获得社区信任都可以是正当成长路线。审计不判断动机，只检查后续措辞：

- 正式角色是否确实授予；
- 角色适用于整个项目还是网站/子项目；
- 简历是否把可见度高的外围工作升级为核心技术深度；
- 社交互动是否被当作无法支持的工作证明。

不能把社交能力本身描述为欺诈。潜在问题在于后续如何描述角色和贡献。

### 全系统架构叙事

候选人可能准确理解整个项目，却只实现其中很小一部分。要求其给出本人负责的设计文档、PR、Commit、测试与线上事件。

## 公平性检查

- 内部公司贡献可能被 squash 或由服务账号提交；
- Maintainer 权限不一定公开；
- README 的“关键贡献者”列表可能只是示例而非穷举；
- 关闭未合并的 PR 仍可显示努力和技术思考，但不能证明已上线影响。

存在这些例外时使用“与公开证据存在张力”，不要写绝对否定。
````

## File: skills/asu-resume-audit-skill/references/report-schema.md
size: 4625
sha: 765f42dee089499700642e917d91adc67c60a4e3
upstream: https://github.com/claycui828/asu-resume-skills/blob/main/skills/asu-resume-audit-skill/references/report-schema.md

````text
# 审计报告数据格式

渲染器接收 UTF-8 JSON，未知字段会被忽略。

```json
{
  "metadata": {
    "title": "简历主张真实性审计",
    "subject": "公开资料对象或匿名候选人",
    "generated_at": "2026-08-13T12:00:00+08:00",
    "scope": "公开来源简历主张审计",
    "analyst": "Codex",
    "disclaimer": "结论描述现有证据，不评价人格，也不构成法律认定。"
  },
  "summary": {
    "conclusion": "一段校准后的总括结论。",
    "highest_risk": ["C-001", "C-004"],
    "limitations": ["无法取得内部雇佣记录"]
  },
  "sources": [
    {
      "id": "S-001",
      "title": "官方项目 README",
      "url": "https://example.com",
      "type": "official_record",
      "publisher": "项目组织",
      "accessed_at": "2026-08-13",
      "reliability": "A",
      "notes": "同期公开记录"
    }
  ],
  "claims": [
    {
      "id": "C-001",
      "category": "open_source_role",
      "resume_text": "简历中的短句原文",
      "normalized_claim": "被核验的原子化命题",
      "status": "partially_corroborated",
      "risk": "high",
      "confidence": "high",
      "evidence_for": ["S-002"],
      "evidence_against": ["S-001"],
      "metric": {
        "numerator": 200,
        "denominator": 2000,
        "displayed_percent": 10
      },
      "analysis": "说明真实事实锚点、扩大部分与最终结论。",
      "verification_steps": ["要求提供正式 Maintainer 任命记录"],
      "page_break_before": false
    }
  ],
  "patterns": [
    {
      "name": "角色升格",
      "description": "Contributor 活动被描述为核心作者身份。",
      "signals": ["核心作者措辞", "已合并工件有限"],
      "claim_ids": ["C-001"],
      "counter_evidence": "存在一个有意义的已合并 PR。",
      "confidence": "medium",
      "page_break_before": false
    }
  ],
  "timeline": [
    {
      "date": "2026-03-11",
      "title": "PR 合并",
      "detail": "一个有明确边界的前端修复被合并。",
      "source_ids": ["S-003"]
    }
  ],
  "next_steps": [
    "要求提供声称子系统对应的设计文档与代码所有权记录。"
  ]
}
```

## 必填字段

- `metadata.title`、`metadata.subject`、`metadata.generated_at`；
- 至少一个 `source`；
- 至少一个 `claim`；
- 每条 Claim 必须包含 `id`、`normalized_claim`、`status`、`risk`、`confidence`、`analysis`；
- 所有引用的 Source ID 必须存在；
- Pattern 中引用的 Claim ID 必须存在。

证据来源的 `url` 为可选字段；提供时必须是完整的 `http` 或 `https` URL。渲染器会忽略其他协议和相对路径，避免在自包含报告中生成可执行或本地链接。

允许的状态：

```text
corroborated
partially_corroborated
contradicted
unsupported
unverifiable
```

允许的风险：

```text
low
medium
high
critical
```

允许的置信度：

```text
low
medium
high
```

字段标识保持英文，所有用户可见内容使用中文。

Claim 可选使用 `metric` 对象记录明确的比例口径。只有同时提供 `numerator`、`denominator` 和 `displayed_percent` 时，校验器才会按 `numerator / denominator * 100` 重算，并允许 0.5 个百分点的舍入误差。缺少任一字段时不会推断；分母为零或字段不可转换为数字会导致校验失败。

同一个 `metric` 对象还可选记录明确的变化口径。只有同时提供 `baseline`、`result`、`change_type` 和 `displayed_change` 时，校验器才会重算；缺少任一字段时不会推断。`change_type` 可以是 `relative_percent` 或 `percentage_points`。

```json
{
  "baseline": 100,
  "result": 125,
  "change_type": "relative_percent",
  "displayed_change": 25
}
```

`relative_percent` 按 `(result - baseline) / baseline * 100` 计算；其 baseline 不能为零。百分比指标使用 `percentage_points` 表示百分点变化：

```json
{
  "baseline": 60,
  "result": 70,
  "change_type": "percentage_points",
  "displayed_change": 10
}
```

上例表示从 60% 到 70% 增加 10 个百分点，而不是增加 10% 的相对变化；相对变化约为 16.67%。两种变化校验与比例校验一样允许 0.5 的绝对舍入误差。

通过或失败的比例或变化校验仅说明已提供数字之间的关系，不能单独证明候选人存在虚假陈述。可能存在未披露分母或口径时，应在 Claim 的分析和报告限制中说明。

`claims[]` 与 `patterns[]` 可选使用 `page_break_before: true` 控制长报告的 A4 分页；它只影响 PDF，不改变 HTML 内容。
````

## File: skills/asu-resume-audit-skill/assets/report_template.html
size: 18529
sha: f8e9bc045b3f2adeaa3ae66259a515950689ea3f
upstream: https://github.com/claycui828/asu-resume-skills/blob/main/skills/asu-resume-audit-skill/assets/report_template.html

```text
<!doctype html>
<html lang="zh-CN">
<head>
<meta charset="utf-8">
<meta name="viewport" content="width=device-width, initial-scale=1">
<title>简历真实性审计报告</title>
<style>
:root {
  --ivory: #FAF9F5;     /* page background */
  --slate: #141413;     /* primary text */
  --clay: #D97757;      /* warm accent - CTAs, danger, highlights */
  --oat: #E3DACC;       /* secondary fill - chips, soft panels */
  --olive: #788C5D;     /* success, positive deltas */
  --gray-100: #F0EEE6;  /* subtle background */
  --gray-300: #D1CFC5;  /* borders, dividers */
  --gray-500: #87867F;  /* meta text, captions */
  --gray-700: #3D3D3A;  /* secondary body text */
  --white: #FFFFFF;     /* card surface */

  --serif: ui-serif, Georgia, "Songti SC", serif;
  --sans: system-ui, -apple-system, "PingFang SC", "Microsoft YaHei", sans-serif;
  --mono: ui-monospace, "SF Mono", Menlo, monospace;

  --radius-panel: 12px;
  --radius-row: 8px;
  --border: 1.5px solid var(--gray-300);
  --rust: #B04A3F;
  --warning: #C78E3F;
  --info: #5C7CA3;
}
* { box-sizing: border-box; }
body {
  margin: 0;
  padding: 56px 24px 96px;
  background: var(--ivory);
  color: var(--slate);
  font-family: var(--sans);
  font-size: 15px;
  line-height: 1.55;
  -webkit-font-smoothing: antialiased;
}
.page { max-width: 980px; margin: 0 auto; }
header { margin-bottom: 44px; }
.eyebrow, .label, .chip {
  font-family: var(--mono);
  font-size: 11px;
  letter-spacing: .06em;
  text-transform: uppercase;
}
.eyebrow { color: var(--clay); margin-bottom: 10px; }
h1, h2, h3 { font-family: var(--serif); font-weight: 500; letter-spacing: -.01em; }
h1 { font-size: clamp(32px, 6vw, 46px); line-height: 1.12; margin: 0 0 14px; }
h2 { font-size: 27px; margin: 0 0 8px; }
h3 { font-size: 20px; margin: 0 0 8px; }
.subtitle { color: var(--gray-700); font-size: 16px; max-width: 760px; }
.meta { color: var(--gray-500); font-size: 13px; margin-top: 16px; display: flex; flex-wrap: wrap; gap: 8px 16px; }
section { margin: 0 0 58px; }
.section-head { border-bottom: 1px solid var(--gray-300); padding-bottom: 12px; margin-bottom: 22px; }
.section-note { color: var(--gray-500); font-size: 13px; }
.summary-grid { display: grid; grid-template-columns: repeat(5, minmax(0, 1fr)); gap: 12px; }
.card, .panel {
  background: var(--white);
  border: var(--border);
  border-radius: var(--radius-panel);
}
.card { padding: 18px; }
.metric-value { font-family: var(--serif); font-size: 38px; line-height: 1; margin-bottom: 8px; }
.metric-label { color: var(--gray-500); font-size: 12px; }
.status-corroborated { border-left: 4px solid var(--olive); }
.status-partially_corroborated { border-left: 4px solid var(--info); }
.status-contradicted { border-left: 4px solid var(--rust); }
.status-unsupported { border-left: 4px solid var(--warning); }
.status-unverifiable { border-left: 4px solid var(--gray-500); }
.callout { padding: 22px 24px; border-left: 4px solid var(--clay); background: var(--white); border-radius: var(--radius-panel); }
.callout p { margin: 0; color: var(--gray-700); font-size: 16px; }
.limitations { margin-top: 14px; color: var(--gray-700); }
.limitations li { margin: 6px 0; }
.flow { padding: 24px; overflow-x: auto; }
.flow svg { min-width: 760px; width: 100%; height: auto; display: block; }
.table-wrap { overflow-x: auto; border: var(--border); border-radius: var(--radius-panel); background: var(--white); }
table { border-collapse: separate; border-spacing: 0; width: 100%; min-width: 850px; }
th { text-align: left; background: var(--gray-100); color: var(--gray-500); padding: 12px 14px; border-bottom: 1px solid var(--gray-300); font-family: var(--mono); font-size: 11px; letter-spacing: .04em; }
td { padding: 14px; border-bottom: 1px solid var(--gray-100); vertical-align: top; font-size: 13px; }
tr:last-child td { border-bottom: 0; }
.claim-id { font-family: var(--mono); color: var(--gray-500); white-space: nowrap; }
.badge, .risk-pill {
  display: inline-flex;
  align-items: center;
  border-radius: 999px;
  padding: 4px 8px;
  font-family: var(--mono);
  font-size: 10px;
  white-space: nowrap;
}
.badge { background: var(--gray-100); }
.badge.corroborated { color: #52663D; background: rgba(120,140,93,.14); }
.badge.partially_corroborated { color: #3D5E7C; background: rgba(92,124,163,.14); }
.badge.contradicted { color: var(--rust); background: rgba(176,74,63,.10); }
.badge.unsupported { color: #8B6328; background: rgba(199,142,63,.14); }
.badge.unverifiable { color: var(--gray-700); background: var(--gray-100); }
.risk-pill { border: 1px solid var(--gray-300); color: var(--gray-700); }
.risk-pill.critical { border-color: var(--rust); color: var(--rust); }
.risk-pill.high { border-color: var(--clay); color: var(--clay); }
.pattern-grid { display: grid; grid-template-columns: repeat(2, minmax(0, 1fr)); gap: 16px; }
.pattern { padding: 20px; }
.pattern p { color: var(--gray-700); margin: 0 0 12px; }
.pattern ul { margin: 0; padding-left: 20px; color: var(--gray-700); }
.counter { margin-top: 14px; border-left: 3px solid var(--olive); padding: 8px 0 8px 12px; color: var(--gray-700); font-size: 13px; }
.timeline { position: relative; margin-left: 8px; }
.timeline:before { content: ""; position: absolute; left: 5px; top: 8px; bottom: 8px; width: 1px; background: var(--gray-300); }
.event { position: relative; padding: 0 0 24px 30px; }
.event:before { content: ""; position: absolute; left: 0; top: 7px; width: 11px; height: 11px; border-radius: 50%; background: var(--clay); border: 3px solid var(--ivory); }
.event-date { font-family: var(--mono); font-size: 11px; color: var(--gray-500); }
.event-title { font-weight: 620; margin: 3px 0; }
.event-detail { color: var(--gray-700); }
.steps { display: grid; gap: 10px; counter-reset: steps; }
.step { counter-increment: steps; display: grid; grid-template-columns: 30px 1fr; gap: 12px; align-items: start; background: var(--white); border: var(--border); border-radius: var(--radius-row); padding: 14px 16px; }
.step:before { content: counter(steps); width: 26px; height: 26px; border-radius: 50%; display: grid; place-items: center; background: var(--slate); color: var(--white); font-family: var(--mono); font-size: 11px; }
.source { padding: 14px 0; border-bottom: 1px solid var(--gray-300); }
.source:last-child { border-bottom: 0; }
.source-top { display: flex; justify-content: space-between; gap: 16px; }
.source a { color: var(--clay); text-decoration: none; border-bottom: 1px dotted var(--clay); }
.source-meta { color: var(--gray-500); font-family: var(--mono); font-size: 11px; margin-top: 5px; }
.source-note { color: var(--gray-700); font-size: 13px; margin-top: 6px; }
footer { margin-top: 72px; padding-top: 20px; border-top: 1px solid var(--gray-300); color: var(--gray-500); font-family: var(--mono); font-size: 11px; }
.empty { color: var(--gray-500); font-style: italic; }
@media (max-width: 780px) {
  body { padding: 32px 16px 72px; }
  .summary-grid { grid-template-columns: repeat(2, minmax(0, 1fr)); }
  .pattern-grid { grid-template-columns: 1fr; }
  .source-top { display: block; }
}
@media print {
  @page { size: A4; margin: 15mm; }
  body { padding: 0; background: #fff; font-size: 11px; }
  .page { max-width: none; }
  section { margin-bottom: 32px; break-inside: auto; }
  .card, .panel, .pattern, .step, .event { break-inside: avoid; }
  a { color: var(--slate) !important; border: 0 !important; word-break: break-all; }
  .flow { overflow: visible; }
}
</style>
</head>
<body>
<div class="page" id="report"></div>
<script id="report-data" type="application/json">__REPORT_JSON__</script>
<script>
(function () {
  "use strict";
  const data = JSON.parse(document.getElementById("report-data").textContent);
  const root = document.getElementById("report");
  const statuses = {
    corroborated: "已证实",
    partially_corroborated: "部分证实",
    contradicted: "存在直接矛盾",
    unsupported: "缺乏支持",
    unverifiable: "暂不可核验"
  };
  const risks = { low: "低", medium: "中", high: "高", critical: "严重" };
  function el(tag, cls, text) {
    const node = document.createElement(tag);
    if (cls) node.className = cls;
    if (text !== undefined && text !== null) node.textContent = String(text);
    return node;
  }
  function safeUrl(value) {
    try {
      const url = new URL(value);
      return ["http:", "https:"].includes(url.protocol) ? url.href : null;
    } catch (_) {
      return null;
    }
  }
  function section(title, note) {
    const s = el("section");
    const head = el("div", "section-head");
    head.appendChild(el("h2", "", title));
    if (note) head.appendChild(el("div", "section-note", note));
    s.appendChild(head);
    return s;
  }
  function appendList(parent, items, cls) {
    if (!items || !items.length) return;
    const ul = el("ul", cls || "");
    items.forEach(item => ul.appendChild(el("li", "", item)));
    parent.appendChild(ul);
  }
  const m = data.metadata || {};
  const summary = data.summary || {};
  const claims = data.claims || [];
  const sources = data.sources || [];
  document.title = (m.title || "简历真实性审计报告") + " - " + (m.subject || "");

  const header = el("header");
  header.appendChild(el("div", "eyebrow", "证据优先 / 简历主张审计"));
  header.appendChild(el("h1", "", m.title || "简历真实性审计报告"));
  header.appendChild(el("div", "subtitle", m.subject || "未命名审计对象"));
  const meta = el("div", "meta");
  ["范围：" + (m.scope || "未说明"), "生成时间：" + (m.generated_at || "未说明"), "分析者：" + (m.analyst || "未说明")].forEach(x => meta.appendChild(el("span", "", x)));
  header.appendChild(meta);
  root.appendChild(header);

  const counts = {};
  Object.keys(statuses).forEach(k => counts[k] = claims.filter(c => c.status === k).length);
  const overview = section("证据结论总览", "每个数字代表一条原子化简历主张，而不是对人的评分。 ");
  const grid = el("div", "summary-grid");
  Object.keys(statuses).forEach(k => {
    const c = el("div", "card status-" + k);
    c.appendChild(el("div", "metric-value", counts[k]));
    c.appendChild(el("div", "metric-label", statuses[k]));
    grid.appendChild(c);
  });
  overview.appendChild(grid);
  const callout = el("div", "callout");
  callout.style.marginTop = "18px";
  callout.appendChild(el("p", "", summary.conclusion || "尚未形成结论。"));
  overview.appendChild(callout);
  if (m.disclaimer) overview.appendChild(el("div", "section-note", m.disclaimer));
  if (summary.limitations && summary.limitations.length) {
    const lim = el("div", "limitations");
    lim.appendChild(el("strong", "", "已知限制"));
    appendList(lim, summary.limitations);
    overview.appendChild(lim);
  }
  root.appendChild(overview);

  const flow = section("审计流程", "从简历文本到可复核结论，所有不确定性都保留在证据账本中。 ");
  const flowPanel = el("div", "panel flow");
  flowPanel.innerHTML = '<svg viewBox="0 0 880 150" role="img" aria-label="审计流程：解析简历、拆分主张、检索证据、交叉核验、生成报告">' +
    '<defs><marker id="arrow" markerWidth="10" markerHeight="10" refX="8" refY="3" orient="auto"><path d="M0,0 L0,6 L9,3 z" fill="#87867F"/></marker></defs>' +
    '<g font-family="system-ui, sans-serif" text-anchor="middle">' +
    '<g><rect x="10" y="36" width="140" height="70" rx="12" fill="#FFFFFF" stroke="#D1CFC5" stroke-width="1.5"/><text x="80" y="66" font-size="14" fill="#141413">解析简历</text><text x="80" y="87" font-size="11" fill="#87867F">文本 / 图片 / PDF</text></g>' +
    '<g><rect x="190" y="36" width="140" height="70" rx="12" fill="#FFFFFF" stroke="#D1CFC5" stroke-width="1.5"/><text x="260" y="66" font-size="14" fill="#141413">拆分原子主张</text><text x="260" y="87" font-size="11" fill="#87867F">角色 / 范围 / 指标</text></g>' +
    '<g><rect x="370" y="36" width="140" height="70" rx="12" fill="#FFFFFF" stroke="#D1CFC5" stroke-width="1.5"/><text x="440" y="66" font-size="14" fill="#141413">检索证据</text><text x="440" y="87" font-size="11" fill="#87867F">官方 / GitHub / 档案</text></g>' +
    '<g><rect x="550" y="36" width="140" height="70" rx="12" fill="#FFFFFF" stroke="#D1CFC5" stroke-width="1.5"/><text x="620" y="66" font-size="14" fill="#141413">交叉核验</text><text x="620" y="87" font-size="11" fill="#87867F">支持 / 矛盾 / 缺口</text></g>' +
    '<g><rect x="730" y="36" width="140" height="70" rx="12" fill="#E3DACC" stroke="#D97757" stroke-width="1.5"/><text x="800" y="66" font-size="14" fill="#141413">生成报告</text><text x="800" y="87" font-size="11" fill="#3D3D3A">JSON / HTML / PDF</text></g>' +
    '<path d="M150 71 L185 71" stroke="#87867F" marker-end="url(#arrow)"/><path d="M330 71 L365 71" stroke="#87867F" marker-end="url(#arrow)"/><path d="M510 71 L545 71" stroke="#87867F" marker-end="url(#arrow)"/><path d="M690 71 L725 71" stroke="#87867F" marker-end="url(#arrow)"/>' +
    '</g></svg>';
  flow.appendChild(flowPanel);
  root.appendChild(flow);

  const highIds = new Set(summary.highest_risk || []);
  const highClaims = claims.filter(c => highIds.has(c.id) || c.risk === "critical");
  const high = section("最高风险主张", "只展示最可能影响招聘判断、且证据差距最大的项目。 ");
  const highTable = el("div", "table-wrap");
  const table = document.createElement("table");
  table.innerHTML = "<thead><tr><th>编号</th><th>简历主张</th><th>结论</th><th>风险</th><th>核心分析</th></tr></thead>";
  const tbody = document.createElement("tbody");
  (highClaims.length ? highClaims : claims.slice(0, 5)).forEach(c => {
    const tr = document.createElement("tr");
    const id = el("td", "claim-id", c.id);
    const text = el("td", "", c.resume_text || c.normalized_claim);
    const status = el("td"); status.appendChild(el("span", "badge " + c.status, statuses[c.status] || c.status));
    const risk = el("td"); risk.appendChild(el("span", "risk-pill " + c.risk, risks[c.risk] || c.risk));
    const analysis = el("td", "", c.analysis);
    [id, text, status, risk, analysis].forEach(x => tr.appendChild(x));
    tbody.appendChild(tr);
  });
  table.appendChild(tbody); highTable.appendChild(table); high.appendChild(highTable); root.appendChild(high);

  const matrix = section("完整主张与证据矩阵", "每一条结论均保留支持证据、反向证据和下一步核验方式。 ");
  const matrixWrap = el("div", "table-wrap");
  const matrixTable = document.createElement("table");
  matrixTable.innerHTML = "<thead><tr><th>编号</th><th>原子主张</th><th>状态</th><th>置信度</th><th>证据</th><th>下一步</th></tr></thead>";
  const matrixBody = document.createElement("tbody");
  claims.forEach(c => {
    const tr = document.createElement("tr");
    tr.appendChild(el("td", "claim-id", c.id));
    tr.appendChild(el("td", "", c.normalized_claim));
    const st = el("td"); st.appendChild(el("span", "badge " + c.status, statuses[c.status] || c.status)); tr.appendChild(st);
    tr.appendChild(el("td", "", c.confidence === "high" ? "高" : c.confidence === "medium" ? "中" : "低"));
    const ev = el("td");
    ev.appendChild(el("div", "", "支持：" + ((c.evidence_for || []).join("、") || "无")));
    ev.appendChild(el("div", "", "反向：" + ((c.evidence_against || []).join("、") || "无")));
    tr.appendChild(ev);
    const next = el("td"); appendList(next, c.verification_steps || []); tr.appendChild(next);
    matrixBody.appendChild(tr);
  });
  matrixTable.appendChild(matrixBody); matrixWrap.appendChild(matrixTable); matrix.appendChild(matrixWrap); root.appendChild(matrix);

  const patternSection = section("识别到的包装与夸大模式", "模式仅是对证据结构的描述；每项同时展示可能的合理解释。 ");
  const pg = el("div", "pattern-grid");
  (data.patterns || []).forEach(p => {
    const card = el("article", "panel pattern");
    card.appendChild(el("div", "eyebrow", "置信度 " + (p.confidence === "high" ? "高" : p.confidence === "medium" ? "中" : "低")));
    card.appendChild(el("h3", "", p.name));
    card.appendChild(el("p", "", p.description));
    appendList(card, p.signals || []);
    if (p.counter_evidence) card.appendChild(el("div", "counter", "反向证据/合理解释：" + p.counter_evidence));
    pg.appendChild(card);
  });
  if (!pg.children.length) pg.appendChild(el("div", "empty", "未记录模式。"));
  patternSection.appendChild(pg); root.appendChild(patternSection);

  const time = section("时间线", "时间顺序用于识别角色跃迁、版本先后和可能的时间压缩。 ");
  const tl = el("div", "timeline");
  (data.timeline || []).forEach(item => {
    const event = el("div", "event");
    event.appendChild(el("div", "event-date", item.date));
    event.appendChild(el("div", "event-title", item.title));
    event.appendChild(el("div", "event-detail", item.detail));
    tl.appendChild(event);
  });
  time.appendChild(tl); root.appendChild(time);

  const nextSection = section("下一步核验", "把争议转化为可以回答的问题，而不是继续堆叠情绪。 ");
  const steps = el("div", "steps");
  (data.next_steps || []).forEach(x => steps.appendChild(el("div", "step", x)));
  nextSection.appendChild(steps); root.appendChild(nextSection);

  const sourceSection = section("来源与证据等级", "A 为官方/直接记录；B 为一手公开自述；C/D 仅作为线索或指控来源。 ");
  sources.forEach(s => {
    const item = el("div", "source");
    const top = el("div", "source-top");
    const sourceUrl = safeUrl(s.url);
    const title = sourceUrl ? el("a", "", s.id + " · " + s.title) : el("strong", "", s.id + " · " + s.title);
    if (sourceUrl) { title.href = sourceUrl; title.target = "_blank"; title.rel = "noopener noreferrer"; }
    top.appendChild(title);
    top.appendChild(el("span", "badge", "等级 " + (s.reliability || "?")));
    item.appendChild(top);
    item.appendChild(el("div", "source-meta", [s.type, s.publisher, s.accessed_at].filter(Boolean).join(" · ")));
    if (s.notes) item.appendChild(el("div", "source-note", s.notes));
    sourceSection.appendChild(item);
  });
  root.appendChild(sourceSection);

  const footer = el("footer", "", "由 asu-resume-audit-skill 生成 · 结论仅反映报告时间点的证据快照 · " + (m.generated_at || ""));
  root.appendChild(footer);
})();
</script>
</body>
</html>
```

## File: skills/asu-resume-audit-skill/agents/openai.yaml
size: 338
sha: 3b53729be58012072485e79a3d95c352113ae440
upstream: https://github.com/claycui828/asu-resume-skills/blob/main/skills/asu-resume-audit-skill/agents/openai.yaml

```text
interface:
  display_name: "ASU 简历质检"
  short_description: "核验角色膨胀、开源贡献、学历表述与指标口径并输出报告"
  brand_color: "#D97757"
  default_prompt: "使用 $asu-resume-audit-skill 对这份简历逐条核验，并生成中文 HTML/PDF 证据报告。"

policy:
  allow_implicit_invocation: true
```

## File: skills/asu-resume-audit-skill/evals/evals.json
size: 1582
sha: 5ed9abd4fc6e4481ade1ccc8779a0e8e28899b17
upstream: https://github.com/claycui828/asu-resume-skills/blob/main/skills/asu-resume-audit-skill/evals/evals.json

```text
{
  "skill_name": "asu-resume-audit-skill",
  "evals": [
    {
      "id": 1,
      "prompt": "我有一份候选人简历 PDF，里面写自己是某 5 万 star 开源项目的核心作者。请核验 GitHub 贡献、正式角色、学校中外合作项目和所有业务指标，输出证据矩阵以及 HTML/PDF 报告。",
      "expected_output": "拆分原子主张；区分已合并、未合并、官网/文档与核心工作；审计学历凭证的精确措辞；重新计算指标；生成带来源 JSON、自包含 HTML 和 PDF，并使用校准结论。",
      "files": []
    },
    {
      "id": 2,
      "prompt": "有人发帖说这个实习生伪造 offer、靠和 maintainer 搞关系拿 committer 后冒充核心开发。我把帖子截图和 GitHub 链接放在附件里了，帮我打假并做一份能公开发布的报告。",
      "expected_output": "把帖子当作待核验指控，只使用与任务有关的公开证据；说明社交本身不是不当行为；核验正式角色与个人工件；排除骚扰和隐私内容；没有直接证据时不直接认定欺诈。",
      "files": []
    },
    {
      "id": 3,
      "prompt": "只检查这份简历的数字和时间线：注册 2000、付费 200、转化率 38%，四个月内同时写了三个从零到一项目。不要上网，给我一份简短 HTML 和 PDF。",
      "expected_output": "计算出 10%；除非存在另一分母，否则把 38% 标记为内部不一致；把时间压缩列为信号而非定案；明确说明未联网的证据限制。",
      "files": []
    }
  ]
}
```

## File: README.md
upstream: https://github.com/claycui828/asu-resume-skills/blob/main/README.md

````text
# ASu Resume Skills

<div align="center">
  <img src="assets/asu-circle.png" width="180" height="180" alt="ASu Resume Skills 图标">
  <h3>阿酥式高密度履历生成 × 证据优先简历审计</h3>
  <p>一个负责把真实经历写得 Scope 很大，一个负责逐条检查到底大到哪里。</p>
</div>

[![Build with CODEX](https://img.shields.io/badge/Build%20with-CODEX-245579?style=for-the-badge&logo=openai&logoColor=white)](https://chatgpt.com/codex)
[![GitHub Stars](https://img.shields.io/github/stars/Claycui828/ASu-resume-skills?style=for-the-badge)](https://github.com/Claycui828/ASu-resume-skills/stargazers)
[![MIT License](https://img.shields.io/badge/License-MIT-D97757?style=for-the-badge)](LICENSE)

| Skill | 用途 | 主要交付 |
| --- | --- | --- |
| `$asu-resume-skill` | 阿酥式履历生成 | 来源映射 JSON、自包含 HTML、A4 PDF、小红书配文 |
| `$asu-resume-audit-skill` | 简历证据审计 | 原子主张、证据矩阵、夸大模式、HTML/PDF 审计报告 |

## 成品示例

| Skill | JSON 数据 | HTML 成品 | PDF 成品 |
| --- | --- | --- | --- |
| `$asu-resume-skill` | [resume-data.example.json](examples/resume-data.example.json) | [asu-resume-example.html](examples/asu-resume-example.html) | [asu-resume-example.pdf](examples/asu-resume-example.pdf) |
| `$asu-resume-audit-skill` | [audit-report.example.json](examples/audit-report.example.json) | [asu-resume-audit-example.html](examples/asu-resume-audit-example.html) | [asu-resume-audit-example.pdf](examples/asu-resume-audit-example.pdf) |

HTML 均为单文件自包含页面，下载后可直接用浏览器打开；PDF 为同一份 JSON 数据生成的 A4 版本。当前生成示例为 3 页高密度履历，覆盖 3 段经历、7 组核心项目、3 项开源贡献与 7 组技术沉淀；审计示例为 10 页完整报告，包含 16 条原子主张、15 项来源、6 类夸大模式与时间线。

## 安装

把下面这段直接发给 Codex：

```text
请从这个 GitHub 仓库安装插件，并启用 asu-resume-skill 与 asu-resume-audit-skill：
https://github.com/Claycui828/ASu-resume-skills
```

安装完成后建议新建一个 Codex 对话，让 Skill 列表重新加载。也可以显式调用：

```text
$asu-resume-skill 读取我的经历，查学校官方 Title，生成 Owner、0→1 和大 Scope 的中文技术履历。

$asu-resume-audit-skill 审计这份简历里的角色强度、Scope 外扩、指标口径和规划时态。
```

## `$asu-resume-skill`：高密度履历生成

它会完整读取用户提供的简历、飞书文档、截图和项目材料，然后完成：

- 用学校官网、教育主管部门或正式高校联盟核验学校 Title；
- 把真实项目拆成 Data / Model / Training / Serving / Agent / Eval 技术链；
- 为独立负责或主要负责的模块生成边界明确的 Owner、0→1 与架构演进叙事；
- 区分模块 Owner、策略架构 Owner、系统级共建者与规划中方向；
- 输出可截图的中文 HTML、2–3 页 A4 PDF 与小红书配文；
- 用来源标记和指标重算阻止不存在的学历、项目、指标和成果进入成品。

典型用法：

```text
$asu-resume-skill

请读取我的晋升材料和现有简历，保留真实学校、公司、部门和指标。
学校要查官方 Title；项目要有模块级 Owner、0→1、技术链和大 Scope；
最终输出 HTML、PDF 和发布配文。
```

### 打招呼示例

原始招聘平台打招呼截图：

<img src="assets/hr-intro-example.jpg" width="390" alt="阿酥式打招呼示例">

## `$asu-resume-audit-skill`：证据优先审计

它不会用“学校不够有名”“项目听起来太大”直接推断造假，而是把每一段拆成可核验的原子主张：

- 学校、学籍、合作项目和学位授予方；
- Contributor、Maintainer、Core Author、Owner、Lead 的角色强度；
- 个人产物、全系统架构、团队结果与个人归因；
- 用户数、转化率、Precision、AUC、延迟与 Benchmark 口径；
- “最年轻、首个、第一”等缺少比较全集的最高级；
- 已交付结果与当前方向、计划、探索之间的时态边界。

每条主张只使用一个状态：`已证实`、`部分证实`、`存在直接矛盾`、`缺乏支持` 或 `暂不可核验`。

典型用法：

```text
$asu-resume-audit-skill

请审计这份简历，逐条检查学校 Title、Owner、0→1、核心作者、项目指标和时间线，
生成证据矩阵、自包含 HTML 和 PDF；不要把未经证实的质疑写成事实。
```

## 两个 Skill 如何配合

1. 用生成 Skill 建立来源映射，输出高密度履历；
2. 用审计 Skill 把强表述拆成角色、范围、结果和因果四类主张；
3. 对审计报告中的高风险项补设计文档、代码所有权、评审记录、指标看板或学历凭证；
4. 将补强后的边界回写简历，再生成最终 HTML/PDF。

```text
真实经历
   ↓
学校 Title + Owner/0→1 + 技术链 + 大 Scope
   ↓
原子主张 + 证据等级 + 夸大模式
   ↓
可发布履历 / 可复核审计报告
```

## 事实边界

- 强表达必须限定到真实模块，不能把参与升级成整个项目 Owner；
- `0→1` 必须说明“0”指新服务、新训练链路还是新策略节点；
- 公司、项目 Star、团队收入和团队指标不会自动成为个人成果；
- 内部指标缺少评测集、分母、时间窗口或看板时，审计结果保持暂不可核验；
- 规划中的 Coding Agent、Memory、Compaction 等方向不能写成已上线收益；
- 审计只描述现有证据，不评价人格，也不把没有公开证据等同于虚假；
- 不要将含姓名、电话、邮箱、内部链接或雇主敏感数据的示例直接提交到公开仓库。

## 文件结构

```text
ASu-resume-skills/
├── .codex-plugin/
│   └── plugin.json
├── skills/
│   ├── asu-resume-skill/
│   │   ├── SKILL.md
│   │   ├── agents/openai.yaml
│   │   ├── assets/
│   │   ├── references/
│   │   └── scripts/
│   └── asu-resume-audit-skill/
│       ├── SKILL.md
│       ├── agents/openai.yaml
│       ├── assets/
│       ├── references/
│       └── scripts/
├── assets/
│   ├── asu-circle.png
│   └── hr-intro-example.jpg
├── examples/
│   ├── asu-resume-example.html
│   ├── asu-resume-example.pdf
│   ├── asu-resume-audit-example.html
│   ├── asu-resume-audit-example.pdf
│   ├── resume-data.example.json
│   └── audit-report.example.json
├── THIRD_PARTY_LICENSES/
│   └── Hisn00w-ASu-skills-LICENSE
├── LICENSE
└── README.md
```

## 开源协议

代码以 [MIT License](LICENSE) 发布。
````
