找回密码
立即注册
搜索
热搜: Java Python Linux Go
云栈社区»论坛 › 站务中心「 Forum Service 」 › SKILL.md 实战：从零构建 Markdown 转 PDF 简历生成器 ...
发回帖 发新帖
大佬

3334

积分

0

好友

438

主题

SKILL.md 实战：从零构建 Markdown 转 PDF 简历生成器

发表于 1 小时前 | 查看: 4| 回复: 0

一个卡通小白熊手举羽毛球拍的欢迎形象

“你养龙虾了吗？”——这大概是 2026 年春天最流行的社交寒暄了。一个月前，我也跟风在阿里云买了台轻量服务器，把那只可爱的 OpenClaw 小龙虾接回了家。它能听懂指令、操控电脑，24 小时在线。可兴奋过后，我很快陷入了困惑：我到底该怎么“教”它干活？

这其实也是很多“养虾人”共同的瓶颈：OpenClaw 给你的只是一个空转的引擎，它潜力无穷，但它不知道你的目标是什么。有人用它自动盯盘选股，有人让它一键发公众号，还有人用它处理民生政务。真正用起来的人，都掌握了一项核心技能：给 AI 写一份靠谱的“说明书”。

今天，我们就一起来亲手写一份“说明书”。我们要做一个名为 Resume Forge 的 Skill，它能一键把你的 Markdown 简历转成精致的 PDF。全程不写复杂的 Agent 逻辑，只靠一个 SKILL.md 文件和 OpenClaw 的 Skills 机制。

为什么选“简历生成”这个场景？

原因很直接：

  • 零外部依赖：不需要 API Key、数据库或网络。克隆下来就能跑。
  • 输出直观：丢进去一份 Markdown，出来一份漂亮的 PDF，效果立等可取。
  • 天然覆盖 Skill 所有特性：元数据、渐进式披露的三级加载、脚本、参考资料、资产、验证循环、陷阱清单、模板——这些会用到的知识全部用上。

我们的目标是：构建一个能在 Claude Code、VS Code with Copilot、Cursor 或任何支持 agentskills.io 规范的 Agent 中安装运行的完整 Skill。

最终目录结构

resume-forge/
├── SKILL.md                           ← 核心：Skill的“大脑”
├── scripts/                           ← Level 3: 可执行代码
│   ├── parse_resume.py                ← Markdown → 结构化JSON
│   ├── validate_resume.py             ← 检查缺失内容、质量问题
│   └── generate_pdf.py                ← JSON + 模板 → PDF
├── references/                        ← Level 3: 按需加载
│   ├── ats-optimization.md            ← ATS关键词策略和格式规则
│   └── industry-styles.md             ← 不同行业的风格建议（科技、金融等）
└── assets/                            ← Level 3: 静态资源
    ├── template_modern.html           ← 现代风格模板
    ├── template_classic.html          ← 经典风格模板
    ├── template_compact.html          ← 紧凑风格模板
    ├── report_template.md             ← 质量报告模板
    └── sample_input.md                ← 示例简历（供测试）

每个文件都对应着核心概念。我们一步步来搭建。

Step 1: 定义前置元数据（Frontmatter）

这是 Agent 在 Level 1 就能看到的“身份证”，启动时嵌入系统提示词，只消耗约 100 个 token。描述得是否精准，直接决定了 LLM 会不会把相关请求路由到你的 Skill。

---
name: resume-forge
description: >-
  Convert a Markdown resume into a professionally formatted PDF with multiple
  style options and ATS optimization. Use this skill when the user asks to
  create a resume, format a resume, convert a resume to PDF, build a CV,
  generate a professional resume, make a resume ATS-friendly, or restyle an
  existing resume. Triggers include: 'resume', 'CV', 'curriculum vitae',
  'resume PDF', 'format my resume', 'ATS-friendly resume', 'professional resume',
  or any mention of creating career documents from markdown or plain text.
  Do NOT use for: cover letters, job searching, interview preparation,
  LinkedIn profile optimization, or portfolio websites.
license: Apache-2.0
compatibility: Requires Python 3.10+ and weasyprint. No network access needed.
metadata:
  author: abvijaykumar
  version: "1.0.0"
  last-updated: "2026-03-17"
  category: document-generation
  tags: "resume, pdf, career, formatting"
allowed-tools: Bash(python3:*) Bash(pip:*) Read Write
---

逐项解读：

  • name：规范要求 1-64 个字符，只能用小写字母、数字和连字符，且必须和目录名一致。resume-forge 这个名字清晰明了。
  • description：这是最关键的字段。因为没有算法路由，LLM 全靠它来决定是否激活 Skill。所以这份描述必须做好三件事：
    1. 说明做什么：“Convert a Markdown resume into a professionally formatted PDF”
    2. 列出触发词：resume, CV, resume PDF, ATS-friendly resume……
    3. 划出负面边界：“Do NOT use for cover letters, job searching...”。负面边界能有效防止“帮我准备面试”这类无关请求被误触发。
  • license：既是法律声明，也是信任信号。Apache-2.0 意味着开源、允许商用，让人用着放心。
  • compatibility：告知 Agent 环境需求。如果机器没有 Python 3.10 或 WeasyPrint，Agent 能提前知晓。“No network access needed”是个额外的安全加分项。
  • metadata：规范对内容没有定义，是自由键值对。我在这里用它来做版本管理、作者、分类。这也是在没有内置 version 字段时一种推荐的版本追踪方式（配合 Git）。
  • allowed-tools：声明 Skill 需要的工具权限。这里只涉及 Python 脚本、pip 安装包、文件的读写。试想，如果一个简历 Skill 突然要执行 curl 或访问网络，那就是危险信号。

至此，前置元数据用到了规范里的所有字段，且每个都有实际意义。

Step 2: 编写 SKILL.md 正文

正文是 Level 2，当 LLM 判断 Skill 相关时才会加载。它包含了 Agent 需要遵守的完整指令。规范建议控制在 500 行、5000 个 token 以内。我们这篇正文约 186 行，~1350 token，很安全。

下面提炼几个关键的模式。

模式1：清单式工作流

## Workflow
Progress:
- [ ] Step 1: Obtain the Markdown resume
- [ ] Step 2: Parse into structured JSON (`scripts/parse_resume.py`)
- [ ] Step 3: Validate structure and content (`scripts/validate_resume.py`)
- [ ] Step 4: Fix any validation issues (loop until clean)
- [ ] Step 5: Select style and generate PDF (`scripts/generate_pdf.py`)
- [ ] Step 6: Final review and delivery

这个清单给 Agent 提供了清晰的进度感：它清楚自己身在何处、下一步要做什么、哪些已经完成。每一步都指向具体的脚本，Agent 不用自己去摸索“怎么做”。

模式2：验证循环

### Step 4: Fix and Re-validate
If validation reports issues:
1. Read the specific error messages — they explain what's wrong and how to fix it
2. Edit `resume.md` to address the issues
3. Re-run Step 2 (parse) and Step 3 (validate)
4. **Only proceed to Step 5 when validation passes with zero errors**

这就是经典的“执行-验证-修复-重复”模式。Agent 只有通过验证，才能进入下一步。验证器的错误消息被设计成自解释的，方便 Agent 进行自我纠正。

模式3：计划-验证-执行

整体流程是：解析简历（计划）→ 验证结构（验证）→ 生成 PDF（执行）。中间的 parsed.json 就是“计划”——一个结构化的呈现，可以在生成 PDF 前先按规则校验，防止“垃圾进，垃圾出”。

模式4：条件文件加载（渐进式披露 Level 3）

For ATS-specific optimization, read
[references/ats-optimization.md](references/ats-optimization.md)
before generating — it contains keyword placement strategies and formatting
rules that affect how ATS parsers score the resume.

For industry-specific styling guidance, read
[references/industry-styles.md](references/industry-styles.md)
only if the user specifies a target industry.

这就是渐进式披露在行动。参考文件不在启动或激活时一股脑加载，只在具体任务需要时才读取。一个只想“把我的简历转成 PDF”的用户，永远不会为 ATS 指南付出 token 成本。但若要求“为科技岗位做一份 ATS 友好的简历优化”，这两个文件才会被按需加载。

模式5：“Gotchas”陷阱清单

## Gotchas
- **WeasyPrint font rendering**: WeasyPrint uses system fonts. If a template
  specifies a font not installed on the system, it silently falls back to
  a default serif font.
- **Page overflow**: Long resumes may push content onto a second page with
  awkward breaks mid-section.
- **Special characters in names**: Accented characters (é, ñ, ü) work fine
  in the PDF but may break some ATS parsers.
- **Markdown parsing edge cases**: The parser expects `##` for sections and
  `###` for sub-entries. Using `**bold text**` as a section header will cause
  the parser to miss that section entirely.

陷阱清单是 Skill 里价值最高的内容之一。这些都是 Agent 不被告知就会踩的坑。每个陷阱都说明了症状、原因和隐含的解决方法。Agent 无需通过试错去发现，直接获得了“前人的智慧”。

Step 3: 编写脚本（scripts/）

脚本是干活的主力。它们通过 bash 运行，只有输出会进入 Agent 的上下文，脚本代码本身不加载，节省 token。

scripts/parse_resume.py —— 解析器

将 Markdown 转成结构化的 JSON。有几个设计上的亮点：

内联依赖（PEP 723）

# /// script
# dependencies = [
#   "markdown-it-py>=3.0",
# ]
# ///

用 uv run scripts/parse_resume.py 就能自动安装依赖，不需要 requirements.txt，也不需要虚拟环境。Agent 一个命令就能跑起来。

结构化 JSON 输出

{
  "status": "success",
  "name": "Alex Chen",
  "sections_found": ["Summary", "Experience", "Education", "Skills", "Certifications"],
  "total_entries": 6
}

结构化输出远比自然语言好解析。Agent 可以程序化地检查 sections_found，而不是费力去理解一段文本。

友好的错误信息

Error: File not found: resume.md
       Check the path and try again.

错误信息直接告诉 Agent 该怎么做。同时提供 --help 让 Agent 能探索接口：

python3 scripts/parse_resume.py --input resume.md --output parsed.json
python3 scripts/parse_resume.py --input resume.md  # 输出到stdout

scripts/validate_resume.py —— 质量门禁

验证器让“计划-验证-执行”模式落了地。下面是一个损坏简历的验证输出示例：

{
  "status": "fail",
  "errors": [
    {
      "field": "name",
      "message": "Missing name. Add an H1 heading (# Your Name) at the top of the Markdown."
    },
    {
      "field": "contact.email",
      "message": "Missing email address. Add it below your name: **Email:** you@example.com"
    },
    {
      "field": "sections",
      "message": "Missing required section: Skills. Add ## Skills to your Markdown."
    },
    {
      "field": "sections.Experience",
      "message": "Section \"Experience\" is empty. Add content or remove the heading."
    }
  ],
  "warnings": [
    {
      "field": "contact.phone",
      "message": "No phone number found. Recommended for most job applications."
    },
    {
      "field": "sections",
      "message": "Consider adding a Summary section to strengthen your resume."
    }
  ],
  "summary": {
    "error_count": 5,
    "warning_count": 5
  }
}

注意几个细节：

  • 错误 vs 警告：错误会阻止流程（退出码 3），警告不会（退出码 0）。正文里明确规定“只有零错误才能继续”。
  • 每条错误都包含修复建议：不只是说“缺少姓名”，而是具体到“添加 H1 标题 (# 你的姓名)”。Agent 能直接执行，无需再次询问用户。
  • 退出码有意义：0=通过，1=文件错误，3=验证失败。不同的失败类型用不同码，便于脚本编排。

--strict 开关可以对每个项目符号检查动词（例如要求用“Led”“Developed”等行为动词开头），严格程度可调节。

scripts/generate_pdf.py —— 渲染器

接收 JSON 和样式名，加载对应的 HTML 模板，用 Jinja2 渲染，再用 WeasyPrint 转 PDF。

$ python3 scripts/generate_pdf.py --input parsed.json --style modern --output resume.pdf
{
  "status": "success",
  "output": "resume.pdf",
  "style": "modern",
  "pages": 1,
  "overflow_warning": false
}

设计要点：

  • 三种样式：modern, classic, compact，分别对应 assets/ 下的三个 HTML 模板。
  • 页面溢出检测：脚本会检查 PDF 是否超过推荐页数，发出警告但不中断流程。长简历是有效的，但 Agent 需要知道。
  • ATS 可提取性：PDF 由语义 HTML 生成，不是图片或 Canvas 绘图。像 pdfplumber 这样的工具能提取每一个单词，这对 ATS 兼容性至关重要。

Step 4: 定义参考资料（references/）

参考资料属于 Level 3，存放在文件系统，零 token 占用，只在需要时加载，为特定场景提供深度知识。

references/ats-optimization.md

仅在用户明确要求“ATS 友好”时加载。内容包括：

  • 主流 ATS（Workday、Greenhouse、Lever、iCIMS）的工作原理
  • 格式规则（禁用表格、多栏，使用标准标题）
  • 关键词策略（镜像职位描述，包含缩写和全称）
  • 章节排序建议
  • 可靠 vs 易出错的日期格式

没有这个文件，Agent 只能给出泛泛的建议。有了它，Agent 就有了具体可操作的规则。

references/industry-styles.md

只在用户说“我想申请金融岗位”这类指令时加载。它会针对不同行业给出风格建议：

  • 科技：现代风格，技能优先，包含 GitHub 链接
  • 金融：经典风格，教育优先，严格一页
  • 学术界：经典风格，无页数限制，必须包含出版物列表
  • 设计：现代风格，突出作品集链接
  • 医疗：经典风格，执照和证书优先
  • 政府：经典风格，如有安全许可需注明

Agent 只读相关部分，绝不会浪费 token 在无关行业上。

Step 5: 定义资产（assets/）

资产是 Skill 使用的原材料。

HTML+CSS 模板

每个模板都是一个自包含的 HTML 文件，内嵌 CSS。生成器用 Jinja2 注入数据，WeasyPrint 转 PDF。以下是从现代模板截取的 CSS 片段：

.section-title {
  font-size: 11pt;
  font-weight: 700;
  color: #1a1a2e;
  text-transform: uppercase;
  letter-spacing: 1.2pt;
  border-bottom: 1.5pt solid #2563eb;
  padding-bottom: 3pt;
  margin: 14pt 0 8pt 0;
}

以及 Jinja2 模板标记：

{% for section in resume.sections %}
<div class="section">
  <div class="section-title">{{ section.title }}</div>
  {% for entry in section.entries %}
  <div class="entry">
    <div class="entry-header">
      <span class="entry-title">{{ entry.title }}</span>
      {% if entry.organization %}
        <span class="entry-org"> — {{ entry.organization }}</span>
      {% endif %}
      {% if entry.dates %}
        <span class="entry-dates">{{ entry.dates }}</span>
      {% endif %}
    </div>
  </div>
  {% endfor %}
</div>
{% endfor %}

三个模板，三种风格，全部从同一份 JSON 数据生成。

assets/sample_input.md

一个完整的示例简历，方便用户立刻上手测试：

# Alex Chen
**Email:** alex.chen@email.com | **Phone:** 555-0142 | **Location:** San Francisco, CA
https://github.com/alexchen | https://linkedin.com/in/alexchen

## Summary
Full-stack engineer with 6 years of experience...

## Experience
### Senior Software Engineer — Acme Cloud Inc (2022–Present)
- Led migration of monolithic Node.js application to microservices...

端到端运行演示

我们现在就用示例文件来跑通整个流程。

解析

$ python3 scripts/parse_resume.py --input assets/sample_input.md --output parsed.json

输出：

{"status": "success", "name": "Alex Chen", "sections_found": ["Summary", "Experience", "Education", "Skills", "Certifications"], "total_entries": 6}

5 个章节，6 个条目被成功提取。解析器找到了姓名、联系方式，并结构化每个经历项（标题、组织、日期、项目符号）。

验证

$ python3 scripts/validate_resume.py parsed.json

输出：

{
  "status": "pass",
  "errors": [],
  "warnings": [
    { "field": "sections", "message": "Consider adding a Projects section to strengthen your resume." }
  ],
  "summary": { "error_count": 0, "warning_count": 1, "sections_found": ["Summary", "Experience", "Education", "Skills", "Certifications"], "total_entries": 6, "total_bullets": 11 }
}

零错误，只有一条温和的建议（添加“项目”章节），但绝不会阻止流程。退出码 0，可以继续。

生成

$ python3 scripts/generate_pdf.py --input parsed.json --style modern --output resume.pdf

输出：

{"status": "success", "output": "resume.pdf", "style": "modern", "pages": 1, "overflow_warning": false}

一份干净、专业的一页现代风格 PDF 诞生。你也可以生成另外两种风格：

$ python3 scripts/generate_pdf.py --input parsed.json --style classic --output resume_classic.pdf
$ python3 scripts/generate_pdf.py --input parsed.json --style compact --output resume_compact.pdf

全部生成有效、单页、ATS 可提取的 PDF。

验证 ATS 可提取性

import pdfplumber
with pdfplumber.open('resume.pdf') as pdf:
    for page in pdf.pages:
        print(page.extract_text())

每个单词都能被正确提取，没有乱码，没有缺失的章节。ATS 系统能无障碍读取。就像一份精心打磨的技术文档，结构清晰，数据完整。

渐进式披露计分卡

我们把构建的 Skill 映射到三个 Level：

Level 内容 Token成本 何时加载
Level 1 前置元数据 (name, description) ~100 启动时
Level 2 SKILL.md 正文 ~1,350 Skill激活时
Level 3 scripts/, references/, assets/ 可变，按需 仅当需要时

如果用户安装了 50 个 Skill，启动时总开销也只有 $50 \times \sim100 = \sim5000$ token。只有当用户说“格式化我的简历”时，~1350 token 的正文才会加载。ATS 指南、行业风格、模板都只在任务需要时才出现。

试想，如果把所有内容（ATS 规则、行业指南、三个模板、陷阱清单）都一股脑塞进一个 SKILL.md，它会有 3000 多行，轻松撑爆任何合理的 token 预算。渐进式披露让这一切变得可控。

功能检查清单

下面这张表对照了 SKILL.md 规范的每个特性，并标注我们在 Resume Forge 中是否用到：

特性 是否使用 说明
name ✅ resume-forge
description ✅ 包含触发词和负面边界
license ✅ Apache-2.0
compatibility ✅ Python 3.10+, weasyprint
metadata ✅ 版本、作者、标签等
allowed-tools ✅ 声明权限
清单式工作流 ✅ Step 1-6
验证循环 ✅ Step 4 循环
计划-验证-执行 ✅ 解析→验证→生成
条件文件加载 ✅ ATS和行业指南按需
Gotchas章节 ✅ 列出常见陷阱
脚本 ✅ 三个Python脚本
参考资料 ✅ ats-optimization.md, industry-styles.md
资产 ✅ 三个HTML模板，示例文件
帮助文档（--help） ✅ 每个脚本支持
错误码 ✅ 解析器、验证器用退出码区分状态

这就是一个覆盖了规范所有特性的完整 Skill。

安装 Skill

Claude Code

# 项目级（推荐）
cp -r resume-forge/ .claude/skills/resume-forge/
# 或全局（所有项目可用）
cp -r resume-forge/ ~/.claude/skills/resume-forge/

得益于实时文件监听，Claude Code 会立刻发现新 Skill。

VS Code with GitHub Copilot

cp -r resume-forge/ .github/skills/resume-forge/

Claude.ai

打包成 zip，通过“设置 → 功能”上传：

cd resume-forge && zip -r ../resume-forge.zip . && cd ..

调试技巧

  • Skill 没触发：直接问 Agent：“你用了哪个 Skill？”或“你用 resume-forge Skill 了吗？”。如果没触发，八成是 description 里缺了用户实际使用的短语，把它加上就好。
  • 解析器漏了章节：回头检查你的 Markdown 标题层级。解析器期望 ## 作为章节标题，### 作为条目。用 **加粗文本** 当标题是无效的。
  • PDF 显示不对：检查系统字体。WeasyPrint 使用操作系统字体，如果模板指定的字体没安装，它会静默回退到默认的衬线字体（serif）。
  • 验证太严/太松：用 --strict 开启全面检查，默认模式更偏向实用。你也可以修改 validate_resume.py 里的 ACTION_VERBS 集合来适配你的领域。

一些 Hack

在开始写 Skill 之前，不妨先用这些工具来加速开发。

Hack #1：用 Skill Creator 来构建 Skill

Anthropic 官方 Skills 仓库里有一个元 Skill 叫 skill-creator。顾名思义，它是一个专门用来创建其他 Skill 的 Skill。

安装它：

cp -r skill-creator/ .claude/skills/skill-creator/

现在你对 Claude Code 说：“我想建一个 Skill，把 Markdown 简历转成 PDF。”skill-creator 就会激活，带你走完整流程：它会采访你关于用例、写草稿 SKILL.md、生成测试提示词、并行运行带/不带 Skill 的测试、启动基于浏览器的评测视图让你对比输出、再根据你的反馈迭代。循环是：草稿 → 测试 → 评审 → 改进 → 重复。

它还包含一个描述优化器，会测试 20 多个触发查询，测量触发准确率，然后重写描述来最大化命中率、最小化误报。

最有意思的功能是：它会生成“基线运行”（无 Skill）和“启用 Skill 的运行”，让你直观地看到 Skill 真正增加了什么价值。还会记录每次运行的耗时和 token 消耗，让你清楚 Skill 的真实成本。

用这个工具，构建 Resume Forge 的时间能砍半。

Hack #2：发布前验证 —— 用 skills-ref

官方 agentskills/agentskills 仓库里有一个参考库 skills-ref，可以验证你的 Skill 是否符合规范。

安装：

pip install -e path/to/agentskills/skills-ref

然后验证：

skills-ref validate path/to/resume-forge

它会检查前置元数据字段、目录命名规范、结构。帮你捕获那些只会在运行时才暴露的错误：name 字段不匹配、缺少 description、目录名和 Skill 名不一致等。

它还提供 to-prompt 命令，生成 Agent 用来发现 Skill 的 <available_skills> XML 块，让你能预览 Agent 在 Level 1 看到的元数据——那个决定你的 Skill 是否会被激活的关键信息。

Hack #3：从模板开始，别从零开始

Anthropic Skills 仓库包含一个 template/ 目录，里面是极简的 SKILL.md 骨架。一个 name、一个 description 占位符、一个正文占位符。这很关键——与其对着空文件回忆前置元数据的语法，不如直接克隆模板来填空。

cp -r template/ .claude/skills/my-new-skill/

编辑 name 字段以匹配目录名，写下你的描述，就可以开始了。这消除了记住 YAML 格式的摩擦，并保证你不会漏掉任何必填字段。

浏览示例 Skill

在动手构建自己的之前，可以先看看官方仓库 github.com/anthropics/skills/tree/main/skills 里的示例。

里面有生成 PDF、构建 DOCX、创建 PowerPoint 演示文稿、设计 Canvas 布局、构建 MCP 服务器等现成 Skill。即使没有一个完全匹配你的用例，它们也是学习如何组织脚本、参考资料和实现渐进式披露的绝佳参考。特别是 docx 和 pdf 这两个 Skill，如果你和我们一样在做文档生成，很值得深入研读。

核心回顾

  1. 原理：SKILL.md 通过前置元数据（Level 1）、正文（Level 2）和按需加载的资源（Level 3）实现渐进式披露，让 Skill 既强大又轻量。LLM 根据描述进行路由，无需手写路由逻辑。
  2. 实践：构建一个高质量 Skill，关键在于写好 description（触发词+负面边界），用清单式工作流、验证循环、计划-验证-执行模式组织正文，并合理划分脚本、参考资料和资产。
  3. 避坑：调试 Skill 时，先检查描述是否包含用户实际使用的词汇；遇到触发不准就加负面边界；正文中一定要有“Gotchas”部分，把隐式知识显式化。

写在最后

这个 Skill 我们从零开始构建，每一行代码、每一个文件都对应着规范中的某个设计。它的意义远不止“能运行”，更在于它演示了如何把人类专家的经验——比如简历该怎么写、ATS 该怎么优化、不同行业的偏好是什么——封装进一个文件夹里，让 AI 去自动执行。

最让人感慨的是，构建这样一个功能完整的 Skill，我们几乎没有写复杂的 Agent 逻辑，只是写了一份“说明书”和一些确定性的 Python 脚本。AI 负责判断什么时候该用、怎么按步骤执行，而我们则把领域知识沉淀下来，一次编写，到处运行。

现在，你手头是不是也有那种“每次都要手动指导 AI 做”的重复性任务？如果把它封装成一个 SKILL.md，又会怎样呢？

在你的日常工作中，哪个任务最适合封装成 Skill？是部署流程、代码审查清单，还是某种文档生成？你会怎么设计它的渐进式披露层级？

一个从箱子里探出身子的小丑，象征惊喜和可能性的 GIF 动图

云栈社区也一直在探索如何更好地沉淀和分享这类工程智慧，如果你有好的想法，不妨多来交流。




上一篇：Python 泛型仓库实战：告别重复 CRUD，用 SQLAlchemy 实现类型安全复用
下一篇：Kubernetes生产落地全景实践：从崩溃到自愈的系统工程治理
OpenClaw, AI智能体, 简历生成, Python, 自动化

相关帖子
返回列表
高级模式
B Color Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

手机版|小黑屋|网站地图|云栈社区 ( 苏ICP备2022046150号-2 )

GMT+8, 2026-5-10 04:15 , Processed in 0.649916 second(s), 41 queries , Gzip On.

Powered by Discuz! X3.5

© 2025-2026 云栈社区.

快速回复 返回顶部 返回列表