使用说明

CV Writer MCP服务器-革命性的研究驱动系统

一个使用模型上下文协议（MCP）的服务器 20多年的心理学研究 智能生成科学优化的简历。该系统利用对7.4秒注意力窗口、认知心理学、文化智力和眼动追踪研究的研究，为任何工作创建完美的简历。

🧠 革命性的智能驱动架构

该系统已从基于模板的完全转变为 研究驱动的简历生成:

📚 RESEARCH INTELLIGENCE ENGINE
├── Psychology Core: 7.4-second window optimization
├── Timing Optimization: Peak-end rule, anchoring bias
├── Cultural Intelligence: DACH, Nordic, US/UK adaptation  
├── Visual Optimization: F/Z-patterns, typography psychology
└── Cognitive Load: 4±1 sections rule, working memory limits

        ↓ Applied Dynamically ↓

🎯 SCIENTIFIC CV GENERATION
├── Job Analysis → Research-driven strategy selection
├── Cultural Adaptation → Region-specific optimization  
├── Content Intelligence → YAML ordering preserved
└── HTML-First Output → Perfect WYSIWYG rendering

📌 完整的MCP工具使用指南

🚀 完整的复制粘贴使用示例

复制这些精确提示以实现可靠的工具触发：

1.️⃣ 主要工作流程-简历中的职位描述

I found this job posting:

[Paste job posting content here]

Use the smart_cv_generator tool to create a CV for this job.

2.️⃣ 保存您的简历（所见即所得）

Use the save_current_cv tool to save this CV to my output folder.

3.️⃣ 替代CV生成

Use the smart_cv_generator tool for Senior Software Engineer at TechCorp.

4.️⃣ 体验管理

Use the list_experiences tool to show my work history.

Use the search_experiences tool to find experience with cloud architecture and AWS.

5.️⃣ 工作分析和面试准备

Use the analyze_job_with_research tool for this Senior Developer role at Microsoft.

Use the answer_job_question tool to answer: Tell me about a time you led a challenging technical project.

6.️⃣ 系统管理

Use the reload_knowledge_base tool to update my research intelligence.

Use the get_pdf_generation_status tool to check PDF capabilities.

7.️⃣ 快速帮助

Use the cv_help tool to show available tools and usage.

🌍 真实世界使用示例：德国求职

您可以复制粘贴的完整工作流示例：

I found this Senior Solutions Architect role in Germany:

[Company]: Siemens AG
[Location]: Munich, Germany 
[Role]: Senior Solutions Architect - Cloud Infrastructure
[Requirements]: AWS, Kubernetes, German language preferred, 5+ years experience

Use the analyze_job_with_research tool for this Siemens Senior Solutions Architect role.

经过分析：

Use the smart_cv_generator tool to create a CV for this German Siemens position.

最后保存它：

Use the save_current_cv tool to save this CV.

自动发生的事情：

✅ 应用DACH文化情报（照片部分，可接受2-3页）
✅ 使用7.4秒注意力窗口优化
✅ 为技术角色应用F型布局
✅ 实施成就分配的高峰结束规则
✅ 通过基于研究的设计生成完美的HTML
✅ 保留您确切的YAML工作经验顺序

🔧 系统命令

# Initial Setup
cd "/Users/dk/MEGA/Obsidian-Vault/CV, Jobs, work/cv-writer-MCP"
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt

# Daily Use
source venv/bin/activate      # Activate environment
python server.py               # Run MCP server (if testing standalone)

# In Claude Desktop - Connection Test
"Can you list my MCP tools?"   # Test MCP connection
"Use the cv_help tool"         # Show available tools and usage

⚡ 工具自动触发的专业提示

使用“工具”一词 在您的请求中：“使用smart_cv_generator工具”
具体说明使用哪种工具：不要只说“生成简历”，要说“使用smart_CV_generator工具”
用于工作分析：包括公司和角色名称，以获得更好的结果
为了节省：始终使用“使用save_current_cv工具”进行所见即所得保存

🎯 防弹系统保证

✅ YAML顺序保留：配置文件中的工作经验顺序从未更改
✅ 零人为间隙：浏览器自然处理所有间距-没有强制边距、填充或分页符
✅ 自动同步伪影：当工件发生变化时，CV文件会自动更新，始终保持完美同步
✅ 真正的所见即所得：保存的文件与您在克劳德的工件中看到的完全匹配
✅ 研究驱动：自动应用20多年的招聘心理学研究
✅ 文化智能：适应DACH/北欧/美国/英国的招聘实践

🏗️ 架构概述

该系统遵循 数据代码分离 通过革命性的情报整合：

CV, Jobs, work/                           # Your career management workspace
├── cv-writer-MCP/                        # 📦 This project (versioned code)
│   ├── server.py                         # Main MCP server
│   ├── tools/                            # Intelligence & CV tools
│   │   ├── knowledge_base.py             # 🧠 Research Intelligence Engine
│   │   ├── experience_manager.py         # Work history (YAML order preserved)
│   │   └── html_renderer.py              # Research-driven HTML generation
│   ├── personal_config.yaml              # Intelligence sources configuration
│   └── requirements.txt                  # Dependencies
├── Research - *.md                       # 📊 20+ years psychological research
│   ├── The Invisible Psychology of CV Design.md
│   ├── Comprehensive CV optimization strategies.md
│   └── CV Design Research Report.md
├── Work Experience Metadata/             # 📝 Your work history (persistent data)
│   ├── 2025-current-role.md             # Experience files (newest first)
│   └── 2023-previous-role.md
└── output/                               # 📄 Generated research-optimized CVs

为何采用这种革命性的设计：

✅ 研究驱动：使用20多年的招聘心理学研究
✅ 7.4-第二窗口：针对招聘人员的注意力模式进行了优化
✅ 文化智能：适应DACH、北欧、美国/英国的期望
✅ 纯HTML生成：使用基于Python的PDF生成干净的HTML输出
✅ 基于情报：基于路径的研究加载，用于精确控制

🏗️ 代码架构

核心系统组件

cv-writer-MCP/
├── server.py                               # Main MCP server with all tool endpoints
├── tools/                                  # Core functionality modules
│   ├── intelligence/
│   │   ├── knowledge_base.py              # Research intelligence engine
│   │   └── research extraction & application
│   ├── content/
│   │   ├── experience_manager.py          # Work history with YAML order preservation
│   │   ├── content_trimmer.py             # Page limits while preserving order
│   │   └── config_manager.py              # Personal info & preferences
│   ├── generation/
│   │   ├── html_renderer.py               # Pure HTML generation with research CSS
│   │   ├── pdf_generator.py               # Python-based PDF (weasyprint/xhtml2pdf)
│   │   └── job_analyzer.py                # Job posting analysis with cultural context
│   ├── qa/
│   │   └── job_qa_manager.py              # Interview question answering system
│   └── utilities/
│       ├── file_reader.py                 # File system operations
│       ├── date_utils.py                  # Date sorting & validation
│       └── error_utils.py                 # Error handling & logging
├── personal_config.yaml                   # User configuration (data-code separation)
├── requirements.txt                       # Python dependencies
└── PDF_SETUP.md                          # PDF generation setup instructions

数据流架构

1. Job Analysis
   ├── job_analyzer.py → Cultural context detection (DACH/Nordic/US/UK)
   └── Research intelligence → Strategy selection based on context

2. Content Assembly  
   ├── experience_manager.py → Preserve EXACT YAML chronological order
   ├── content_trimmer.py → Apply limits while maintaining order
   └── Research rules → Psychology-driven content prioritization

3. HTML Generation
   ├── html_renderer.py → Research-driven CSS generation
   ├── Cultural context → Regional styling (photos, length, tone)
   └── Job context → Creative mode selection (minimal/conservative/moderate)

4. PDF Generation (Optional)
   ├── pdf_generator.py → Pure Python PDF generation
   ├── weasyprint (preferred) → Best CSS support
   ├── xhtml2pdf (fallback) → Simpler alternative
   └── Graceful failure → Always save HTML, show clear error messages

MCP工具架构

核心简历生成：

generate_cv_html() -具有研究智能的主HTML生成
generate_cv_html_artifact() -Claude工件显示版本
generate_complete_cv() -完整的工作分析流程

体验管理：

list_experiences() -YAML顺序保留
search_experiences() -关键词匹配与相关性评分
get_tiered_experiences() -详细任务与简短任务

情报系统：

reload_knowledge_base() -动态研究文件重新加载
preview_research_intelligence() -显示应用研究规则
get_pdf_generation_status() -检查PDF功能

工作分析：

analyze_job_posting() -文化背景+需求提取
answer_job_question() -来自经验数据的STAR格式答案

研究情报集成

# Path-based intelligence loading (personal_config.yaml) - ABSOLUTE paths required
intelligence_sources:
  psychology_core: "/Users/yourname/Documents/CV-Data/Research - Psychology.md"
  cultural_patterns: "/Users/yourname/Documents/CV-Data/Research - Cultural.md"

# Dynamic rule extraction and application
knowledge_base.py:
├── ResearchRuleExtractor → Parse research files for actionable rules
├── IntelligenceEngine → Apply rules based on job/cultural context
└── Rule categories: timing, cognitive, visual, cultural, psychology

特性

🧠 研究智能引擎：自动应用20多年的心理学研究
⏱️ 7.4-二次优化：简历针对招聘人员关注窗口进行了优化
🎯 特定职位简历生成：用文化智慧分析招聘信息
📁 体验管理：保留精确的YAML顺序（最新优先）
🎨 纯HTML渲染：基于Python的PDF生成的研究驱动设计
🌍 文化适应：DACH照片，北欧极简主义，美国/英国标准
🔍 智能体验匹配：心理学驱动的内容优先级
📊 F/Z型布局：眼动追踪优化视觉层次
🧠 4±1节规则：工作记忆的认知负荷优化
🏆 峰值末端效应：最佳成果的战略定位
⚡ 即时智能重新加载：动态研究文件更新

🚀 完整的安装指南（从开始到完成）

先决条件

已安装Python 3.8+
已安装Claude Desktop应用程序

逐步设置

1.️⃣ 克隆/下载并导航到项目

cd "/Users/dk/MEGA/Obsidian-Vault/CV, Jobs, work/cv-writer-MCP"

2.️⃣ 创建和激活虚拟环境

python3 -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

3.️⃣ 再进行

pip install -r requirements.txt

# This installs:
# - MCP framework (FastMCP)
# - Research intelligence tools (YAML, markdown)
# - Python-based PDF generation (weasyprint, xhtml2pdf)
# - No external tools or LaTeX dependencies needed!

4.️⃣ 配置个人信息

⚠️ 临界：仅限绝对路径

系统 需要绝对路径 对于所有文件和目录引用：

✅ /Users/username/Documents/CV-Data/output
✅ C:/Users/username/Documents/CV-Data/output
❌ ../output （不支持相对路径）
❌ output （不支持相对路径）

# 1. Copy example config:
cp example_personal_config.yaml personal_config.yaml

# 2. Edit personal_config.yaml with ABSOLUTE paths:
# - Personal info (name, email, education, certifications)
# - Work experience file paths (ABSOLUTE, in EXACT YAML order)
# - Intelligence sources (ABSOLUTE research file paths)
# - Output directories (ABSOLUTE paths)

⚠️ 重要提示：路径配置

配置中的所有路径 必须是绝对路径:

# In personal_config.yaml - ABSOLUTE PATHS REQUIRED
paths:
  work_experience_base: /Users/yourname/Documents/CV-Data
  output: /Users/yourname/Documents/CV-Data/output
  research_base: /Users/yourname/Documents/CV-Data

intelligence_sources:
  psychology_core: "/Users/yourname/Documents/CV-Data/Research - Psychology.md"
  timing_optimization: "/Users/yourname/Documents/CV-Data/Research - Optimization.md"
  cultural_patterns: "/Users/yourname/Documents/CV-Data/Research - Cultural.md"

work_experiences:
  - company: "Company Name"
    title: "Job Title"
    start_date: "Jan 2023"
    end_date: "Present"
    content_file: "/Users/yourname/Documents/CV-Data/experiences/2023-job.md"

preferences:
  job_qa_file: "/Users/yourname/Documents/CV-Data/Job Application QA.md"

intelligence_config:
  enable_psychology_optimization: true    # 7.4-second window, peak-end rule
  enable_cultural_intelligence: true      # DACH, Nordic, US/UK adaptation
  enable_timing_optimization: true        # Attention span, cognitive load
  enable_visual_optimization: true        # F/Z-patterns, typography psychology

5.️⃣ 工作经验文件（保留YAML顺序） 列出您的体验文件 绝对路径 在 确切的时间顺序 （最新优先）：

work_experiences:
  - content_file: "/Users/yourname/Documents/CV-Data/2025 - Current Role.md"
  - content_file: "/Users/yourname/Documents/CV-Data/2023 - Previous Role.md"
  # EXACT order from YAML - NO automatic sorting!
  # ALL paths MUST be ABSOLUTE

6.️⃣ 配置Claude桌面 创建/编辑 ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "cv-writer": {
      "command": "/full/path/to/your/project/venv/bin/python3",
      "args": ["/full/path/to/your/project/server.py"],
      "env": {}
    }
  }
}

7.️⃣ 重新启动克劳德桌面 退出并完全重新打开Claude Desktop

8.️⃣ 测试研究智能 在Claude Desktop中，问：“你能预览我的研究情报吗？”

🧠 研究情报功能

🎯 可用的MCP工具（8个基本工具）

成功地从30个工具整合到8个重点突出的基本工具！（减少73%）

核心简历生成（2个工具）

generate_cv_html() -主要研究驱动的简历生成与工作分析
generate_cv_html_artifact() -Claude工件显示版本

体验管理（2个工具）

list_experiences() -按精确的YAML顺序查看工作历史记录
search_experiences(keywords) -按技能/关键字查找相关经验

工作分析与问答（2个工具）

answer_job_question() -根据经验数据生成STAR格式的答案
analyze_job_with_research() -工作分析+研究情报（增强）

系统工具（2个工具）

reload_knowledge_base() -重新加载研究文件以获取最新的心理学见解
get_pdf_generation_status() -检查PDF生成功能

基本命令（综合工具集）

为了可靠地触发工具，请使用特定的工具名称：

"Use the smart_cv_generator tool for [job title] at [company]" -主要简历生成与研究
"Use the save_current_cv tool" -保存当前CV工件（所见即所得）
"Use the list_experiences tool" -以精确的YAML顺序显示工作历史记录
"Use the search_experiences tool for [keywords]" -寻找相关经验
"Use the analyze_job_with_research tool for [company] [role]" -用心理学加强工作分析
"Use the answer_job_question tool to answer: [question]" -生成STAR格式的答案
"Use the reload_knowledge_base tool" -更新研究情报
"Use the get_pdf_generation_status tool" -验证PDF功能

为什么要指定工具名称？ MCP工具需要显式调用才能可靠触发。仅仅说“生成CV”可能并不总是自动激活工具。

🎯 革命性的系统优势

之前（遗留系统）：

❌ 30个令人困惑的工具 （选择太多）
❌ 静态模板文件
❌ 手动设计决策
❌ 通用的“一刀切”方法
❌ 没有心理优化
❌ 文化猜测
❌ 复杂的外部依赖关系

之后（合并和研究驱动）：

✅ 8个重点工具 （为了清晰起见，减少了73%）
✅ 20多年的研究 自动应用
✅ 7.4秒关注窗口 优化
✅ 文化智商 地区（DACH/北欧/美国/英国）
✅ 心理学技巧：峰值结束、光晕效应、锚定
✅ F/Z型布局 基于眼动追踪研究
✅ 4±1节规则 认知负荷优化
✅ 完美的HTML渲染 具有WYSIWYG控件
✅ YAML顺序保存 用于精确控制
✅ 优化用户体验 -Claude易于选择工具

创建体验文件

体验文件使用带有元数据的markdown：

---
title: Senior Solutions Architect
company: University of Innsbruck  
location: Innsbruck, Austria
duration: Jan 2023 - Dec 2023
start_date: "2023-01"
end_date: "2023-12"
---

## Overview
Led cloud infrastructure transformation...

## Key Achievements
- Reduced infrastructure costs by 40% through AWS optimization
- Designed multi-region architecture serving 50,000+ users
- Led team of 8 engineers across 3 countries

## Technologies
AWS, Kubernetes, Terraform, Python, Docker, PostgreSQL

## Projects
### Cloud Migration Initiative
Architected and executed complete data center to cloud migration...

故障排除

🔧 MCP连接问题

检查 claude_desktop_config.json 具有正确的路径
完全重新启动克劳德桌面
测试： "Can you list my MCP tools?"
测试： "Use the cv_help tool" 用于快速工具参考

🧠 工具不自动触发

最常见的问题：不使用明确的工具名称

❌ 这些可能无法可靠地工作：

“为此职位生成简历”
“创建简历”
“制作简历”

✅ 这些工作始终如一：

"Use the smart_cv_generator tool for this job"
"Use the save_current_cv tool"
"Use the list_experiences tool"

🧠 情报系统问题

验证配置路径中是否存在研究文件
测试： "Use the reload_knowledge_base tool"
调试： "Use the analyze_job_with_research tool" 看看研究是否适用

📋 YAML顺序问题

检查 work_experiences 在中列出 personal_config.yaml
验证文件是否首先列出最新文件
测试： "Use the list_experiences tool" （应显示精确的YAML顺序）
制度保障：订单永远不会自动更改

💾 所见即所得保存问题

记住：文件仅在您明确请求时保存
用途： "Use the save_current_cv tool"
制度保障：保存您在工件中看到的内容

发展

添加新的研究来源

将研究文件添加到中的intelligence_source personal_config.yaml
重新加载情报： reload_knowledge_base()
试验提取： preview_research_intelligence()

情报来源类型

心理学_核心：核心招聘心理学（始终适用）
时间优化：7.4秒窗口，注意力持续时间
文化模式：区域适应规则
视觉优化：F/Z图案，排版心理学

技术细节：研究智能引擎

规则提取系统

系统会自动从研究标记文件中提取可操作的规则：

计时规则：7.4秒窗口，评估模式
认知规律：4±1节，工作记忆限制
视觉规则：F模式、Z模式、眼动追踪洞察
文化规则：DACH照片，北欧极简主义，美国/英国标准
心理学规则：峰端效应、光晕效应、锚定偏差

基于路径的智能加载（需要绝对路径）

intelligence_sources:
  psychology_core: "/Users/yourname/Documents/CV-Data/Research - Psychology File.md"
  cultural_patterns: "/Users/yourname/Documents/CV-Data/Research - Cultural Intelligence.md"
  timing_optimization: "/Users/yourname/Documents/CV-Data/Research - Timing Research.md"

动态智能应用

该系统基于以下方面应用了不同的研究：

工作分析背景 （技术vs销售vs管理）
目标区域 （DACH vs北欧vs美国/英国）
角色资历 （初级vs高级vs高管）
行业类型 （科技vs金融vs医疗）

许可证

MIT许可证-有关详细信息，请参阅许可证文件

🧠 使用模型上下文协议（MCP）构建革命性的研究智能