构建个人技能库：用YAML+GitHub Actions打造可验证的技术图谱

1. 项目概述一个技能库的诞生与价值最近在整理自己的技术栈和项目经验时我一直在思考一个问题如何系统化地管理一个开发者或者说任何专业人士不断增长的技能树简历上的“精通Java”、“熟悉React”太单薄了GitHub上的项目又过于分散。我需要一个地方不仅能记录我会什么还能清晰地展示我掌握的程度、相关的项目证明、学习路径甚至未来的学习方向。这就是我启动yashasvigirdhar/skills这个个人技能库项目的初衷。简单来说skills项目就是一个用代码和结构化数据来管理个人技能图谱的仓库。它不仅仅是一个简单的列表更是一个动态的、可验证的、可生长的知识体系。对于正在求职的朋友它能帮你梳理优势制作更具说服力的简历对于团队管理者它可以作为评估成员技术广度和深度的参考对于任何有终身学习习惯的人它都是一个绝佳的成长记录仪和规划工具。这个项目适合所有希望对自己的能力进行量化管理和可视化展示的人尤其是开发者、设计师、产品经理等技术从业者。接下来我将详细拆解我是如何设计、构建并维护这个技能库的包括技术选型、数据结构设计、自动化更新以及一些我踩过的坑和总结的经验。2. 整体架构设计与核心思路2.1 为什么不用现成工具自建技能库的考量市面上有很多技能管理工具比如 LinkedIn 的技能标签、Notion 的数据库或者一些在线的技能矩阵模板。我选择自建主要基于以下几点核心考量所有权与控制力数据完全掌握在自己手中存储在自己的GitHub仓库格式自定义无需担心服务关闭或数据迁移问题。可集成与自动化可以与GitHub Actions、个人博客、简历生成器等开发者工作流无缝集成实现技能信息的自动更新和同步。深度定制化我可以定义适合我自己的技能分类体系、熟练度等级不仅仅是“初学/熟练/精通”并且关联具体的代码仓库、文章、证书等证据。版本化与可追溯利用Git的版本管理我可以清晰地看到自己技能树随时间成长的轨迹哪一年掌握了什么新技术一目了然。基于这些需求我决定采用“结构化数据文件如YAML/JSON 生成脚本 静态站点”的轻量级架构。核心数据用人类和机器都易读的YAML格式存储通过脚本处理生成可视化的网页或文档最终部署到GitHub Pages或Vercel等静态托管服务。2.2 技术栈选型与工具链搭建为了让这个项目保持极简且高效我选择了以下技术栈数据层YAML。相比JSONYAML支持注释结构更清晰写起来更友好非常适合作为配置文件。我的核心技能数据都存放在skills.yaml文件中。处理层Python。利用其丰富的库如PyYAML, Jinja2进行YAML解析、数据加工和模板渲染。Python脚本足够应对这种数据转换任务。呈现层静态HTML或Markdown。为了最大化兼容性和可访问性我选择用Jinja2模板将YAML数据渲染成美观的HTML页面。同时也生成一份简明的Markdown版本便于直接粘贴到README或其它地方。自动化与部署GitHub Actions。这是项目的“大脑”。我设置了工作流每当我对skills.yaml文件进行修改并推送后Actions会自动触发Python脚本处理数据重新生成静态页面并自动部署到GitHub Pages。可视化可选Mermaid.js。用于生成技能关系的思维导图或流程图可以嵌入到生成的HTML中让技能树的关系更直观。这个工具链的优势在于完全基于开源生态零成本且每个环节都高度可控。整个项目的目录结构大致如下skills-repo/ ├── .github/ │ └── workflows/ │ └── deploy.yml # GitHub Actions 自动化部署工作流 ├── data/ │ └── skills.yaml # 核心技能数据文件 ├── scripts/ │ └── generate_site.py # 数据处理和静态站点生成脚本 ├── templates/ │ └── index.html.j2 # HTML页面模板 ├── public/ # 生成的静态文件由脚本自动填充 │ ├── index.html │ └── assets/ ├── README.md # 项目说明包含生成的Markdown技能摘要 └── requirements.txt # Python依赖列表注意在工具选型上避免追求“高大上”。最初我考虑过用React GraphQL来做一个动态应用但很快意识到这引入了不必要的复杂性。对于个人技能库这种读多写少、内容驱动的项目静态生成是黄金标准它简单、快速、稳定且SEO友好。3. 核心数据结构与技能建模3.1 定义技能的属性字段如何描述一项“技能”这需要深思熟虑。一个扁平的字符串如“Python”信息量太低。我设计了一个包含多个维度的数据结构skills: - id: python_core name: Python category: programming_language level: 4 # 使用数字等级例如1-5 level_label: 高级 years_of_experience: 6 last_used: 2023-10 keywords: [异步编程, 数据分析, Web后端, 自动化脚本] evidence: - type: project title: 自动化部署系统 url: https://github.com/username/auto-deploy description: 使用asyncio和FastAPI构建的CI/CD工具。 - type: certificate title: Python高级软件工程师认证 issuer: 某机构 date: 2022-05 - type: blog title: “深入理解Python装饰器” url: https://myblog.com/posts/python-decorator projects: [project_slug_1, project_slug_2] # 关联项目ID learning_goal: # 下一步学习目标 description: 深入理解CPython解释器内存管理机制。 resources: [《Python源码剖析》, 某视频课程链接]关键字段解析id: 唯一标识符用于内部关联避免名称冲突。level: 采用数字等级1-5便于排序和计算。我定义的等级是1-了解概念2-基本使用3-熟练应用4-深入理解/可解决复杂问题5-专家级/可设计体系。evidence证据: 这是技能库的灵魂。空口无凭这里关联具体的项目、证书、博客文章、演讲等。这是你技能真实性的背书。learning_goal: 记录下一步学习方向让技能库不仅是历史记录也是未来路线图。3.2 设计分类体系与关联关系技能不是孤立存在的。我建立了两个维度的关联分类体系我定义了如programming_language,framework,database,cloud,tool,soft_skill等大类。每个技能通过category字段归属到某一类下。技能关联通过related_skills字段或是在项目中共同出现来建立联系。例如“FastAPI”技能会关联到“Python”和“RESTful API”设计。这有助于形成知识网络。在skills.yaml的顶层我还会定义这些分类的元信息方便前端展示时进行分组和着色categories: programming_language: name: 编程语言 color: #3498db framework: name: 框架与库 color: #2ecc71 # ... 其他分类实操心得设计数据结构时一定要考虑扩展性。最初我的evidence只是一个URL列表后来发现需要区分类型和补充描述。使用YAML的列表和字典嵌套结构可以很方便地后续添加字段而不会破坏已有数据的结构。同时为id、category这类字段预先定义一个可选的枚举值列表能有效保持数据的一致性。4. 自动化工作流与静态站点生成4.1 核心生成脚本解析generate_site.py脚本是这个项目的心脏。它的工作流程如下加载与解析使用yaml.safe_load()读取data/skills.yaml。数据加工与计算根据level数字生成进度条或星级显示。按category对技能进行分组。计算每个分类下的技能数量、平均等级等汇总信息。处理“最近使用”时间高亮近期常用的技能。模板渲染将加工后的数据字典传递给Jinja2模板引擎。模板templates/index.html.j2中包含了HTML骨架和数据占位符。Jinja2的强大之处在于它支持条件判断、循环和过滤器可以灵活地控制页面展示逻辑。输出生成将渲染好的HTML写入public/index.html。同时生成一份简化的README.md到项目根目录用于GitHub仓库预览。一个简单的脚本片段示例import yaml from jinja2 import Environment, FileSystemLoader import os def main(): # 1. 加载数据 with open(data/skills.yaml, r, encodingutf-8) as f: data yaml.safe_load(f) # 2. 简单加工按分类分组 skills_by_category {} for skill in data[skills]: cat skill[category] skills_by_category.setdefault(cat, []).append(skill) data[skills_by_category] skills_by_category data[category_meta] data[categories] # 传递分类元信息 # 3. 设置Jinja2环境并渲染 env Environment(loaderFileSystemLoader(templates)) template env.get_template(index.html.j2) html_content template.render(**data) # 4. 确保输出目录存在并写入 os.makedirs(public, exist_okTrue) with open(public/index.html, w, encodingutf-8) as f: f.write(html_content) print(站点生成成功) if __name__ __main__: main()4.2 配置GitHub Actions实现CI/CD自动化是让这个技能库保持活力的关键。我配置了一个GitHub Actions工作流文件位于.github/workflows/deploy.ymlname: Deploy Skills Site on: push: branches: [ main ] paths: - data/skills.yaml # 只有技能数据或脚本变更时才触发 - scripts/** - templates/** workflow_dispatch: # 允许手动触发 jobs: build-and-deploy: runs-on: ubuntu-latest steps: - name: Checkout code uses: actions/checkoutv3 - name: Set up Python uses: actions/setup-pythonv4 with: python-version: 3.10 - name: Install dependencies run: | pip install -r requirements.txt - name: Generate static site run: | python scripts/generate_site.py - name: Deploy to GitHub Pages uses: peaceiris/actions-gh-pagesv3 with: github_token: ${{ secrets.GITHUB_TOKEN }} publish_dir: ./public publish_branch: gh-pages # 部署到gh-pages分支这个工作流的意思是每当main分支上的skills.yaml或生成脚本等核心文件发生变更时就会自动在一个干净的Ubuntu环境中安装Python依赖运行生成脚本然后将生成的public目录推送到gh-pages分支。GitHub Pages服务会自动托管gh-pages分支的内容我的技能库网站就更新了。注意事项secrets.GITHUB_TOKEN是GitHub自动提供的无需额外配置。但要确保仓库设置中已启用GitHub Pages并指定源为gh-pages分支。第一次运行后你的技能库在线地址通常是https://[你的用户名].github.io/[仓库名]/。5. 前端展示与用户体验优化5.1 设计清晰直观的展示页面生成的index.html需要清晰、美观地展示所有信息。我采用了以下设计原则分类导航页面顶部或侧边栏按分类编程语言、框架、工具等快速筛选技能。技能卡片每个技能用一个卡片展示包含技能名称、熟练度等级用进度条或星星可视化、使用年限、最后使用时间。证据抽屉每个技能卡片可以展开或通过模态框详细列出关联的项目、证书等证据并配有链接。全局视图提供一个“全景视图”用标签云或矩阵图展示所有技能技能字体大小或颜色深浅代表熟练度或近期使用频率。搜索与过滤实现客户端搜索可以根据技能名、关键词快速定位。我使用简单的CSS框架如Tailwind CSS或PureCSS来快速构建响应式界面确保在手机和电脑上都有良好体验。Jinja2模板中通过循环和条件判断来动态生成这些卡片。!-- templates/index.html.j2 片段示例 -- div classskills-container {% for category_id, category_info in category_meta.items() %} h2{{ category_info.name }}/h2 div classcategory-skills {% for skill in skills_by_category.get(category_id, []) %} div classskill-card>