pandoc_resume模板详解:从markdown/resume.md开始编写你的完美简历
pandoc_resume是一个基于Markdown的简历模板工具,能帮助你快速创建专业美观的简历文档。通过简单编辑markdown/resume.md文件,即可生成HTML、PDF、DOCX等多种格式的简历,满足不同场景的投递需求。
快速上手:项目结构解析
pandoc_resume采用简洁清晰的目录结构,核心文件集中在三个目录:
- markdown/:存放简历内容的Markdown源文件,核心文件为markdown/resume.md
- styles/:包含样式定义文件,如styles/chmduquesne.css(HTML样式)和styles/chmduquesne.tex(PDF样式)
- actions/:存放自动化构建脚本,支持GitHub Actions自动生成简历
编写简历内容:markdown/resume.md详解
简历的所有内容都在markdown/resume.md文件中编写,采用标准Markdown语法,主要包含以下几个核心模块:
个人信息区块
文件开头使用blockquote格式(>开头)添加个人简介:
> In this style, the resume starts with a blockquote, where
> you can briefly list your specialties, or include a salient
> quote. Ending a line with a backslash forces a line break.
教育经历(Education)
使用二级标题## Education定义区块,时间和内容采用定义列表格式:
2010-2014 (expected)
: **PhD, Computer Science**; Awesome University (MyTown)
*Thesis title: Deep Learning Approaches to the Self-Awesomeness
Estimation Problem*
工作经验(Experience)
同样使用二级标题## Experience,每个职位作为三级标题,内容部分可包含列表和链接:
**Your Most Recent Work Experience:**
Short text containing the type of work done, results obtained,
lessons learned and other remarks. Can also include lists and
links:
* First item
* Item with [link](http://www.example.com). Links will work both in
the html and pdf versions.
技能与其他信息
技术经验、编程语言等内容推荐使用定义列表格式,如:
Programming Languages
: **first-lang:** Here, we have an itemization, where we only want
to add descriptions to the first few items...
自定义样式:打造个性化简历
pandoc_resume提供了可自定义的样式系统,主要通过以下文件进行调整:
HTML样式定制
styles/chmduquesne.css控制HTML简历的外观,主要可调整项包括:
- 整体字体和页面宽度(body选择器)
- 标题样式(h1, h2选择器)
- 区块颜色(通过修改h2:before的background-color)
- 链接样式(a选择器)
例如修改标题颜色只需调整h2选择器的color属性:
h2 {
color: #397249; /* 这是默认的绿色,可以改为#2c3e50等其他颜色 */
}
PDF样式定制
PDF样式由styles/chmduquesne.tex控制,需要一定的LaTeX知识。可调整页面边距、字体大小等参数。
生成多格式简历:使用Makefile一键构建
项目根目录的Makefile提供了便捷的构建命令,支持生成多种格式简历:
基本命令
make html:生成HTML格式简历,输出到output目录make pdf:生成PDF格式简历make docx:生成Word格式简历make all:同时生成HTML、PDF、DOCX和RTF格式
构建过程
执行构建命令后,系统会:
- 创建output目录(如果不存在)
- 读取markdown目录下的.md文件
- 应用styles目录中的样式
- 生成对应格式的简历文件到output目录
完整使用流程
-
克隆项目:
git clone https://gitcode.com/gh_mirrors/pa/pandoc_resume cd pandoc_resume -
编辑简历内容: 使用文本编辑器打开markdown/resume.md,替换示例内容为个人信息
-
自定义样式(可选): 修改styles/chmduquesne.css调整HTML样式
-
生成简历:
make all -
查看结果: 在output目录中找到生成的各种格式简历文件
通过pandoc_resume模板,你可以用简单的Markdown语法创建专业简历,轻松应对不同公司的投递要求。无论是技术岗位还是非技术岗位,这个工具都能帮助你快速制作出格式规范、美观大方的简历。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00