依据您的研究记录构建教职或终身教职简历
使用 ORCID 登录，SigmaCV 即可依据您公开的研究记录生成一份全面、已格式化引用的简历——适用于教职求职、终身教职和晋升材料，随时可整理和导出。
教职或终身教职简历篇幅长且内容全面——论文、资助、教学、指导和服务——而要让它在求职、终身教职和晋升各类材料中保持最新着实是件费力的事。SigmaCV 依据您公开的研究记录构建简历，并保留一份可针对各种用途重塑的规范版本。
您的成果通过 ORCID / OpenAlex 标识符匹配，而非通过姓名，引用通过 CSL 统一格式化，指标默认关闭，当您选择启用时则经过字段归一化——符合 DORA 原则。它免费且开源。
- 论文、资助、教学和服务从 ORCID 和 OpenAlex 提取——通过标识符匹配，绝不通过姓名。
- 在 PDF、DOCX、LaTeX 和 Markdown 中提供一致的 CSL 引用；一份规范简历，多种资助机构布局。
- 对个人免费且开源；可选启用、经过字段归一化的指标（默认不显示，符合 DORA 原则）。
如何构建教职简历
- 使用您的 ORCID iD 登录. SigmaCV 读取您的公开 ORCID 和 OpenAlex 记录——无需手动维护清单。
- 您的完整记录自动组装. 论文、资助、教学和服务会被提取并格式化；通过 DOI 添加任何缺失的内容。
- 针对用途套用布局. 在完整简历、资助机构格式（NIH、ERC、UKRI…）或精简版之间切换——从同一份记录出发，且可逆。
- 设置样式并导出. 选择一种引用样式，可选地显示经过字段归一化的指标，然后导出为 PDF、DOCX、LaTeX 或 Markdown。
为什么用 SigmaCV 构建您的教职简历
资深简历篇幅庞大且时常过时。SigmaCV 将您的记录与其呈现方式分离：保留一份会从开放记录重新同步的规范简历，并重塑它——章节顺序、资助机构布局、显示哪些成果——无需为每个委员会都重新构建。
它对个人免费且开源，通过标识符匹配成果，并负责任地对待指标：默认关闭、可选启用，且偏向字段归一化指标而非原始计数，绝不使用期刊影响因子——与 DORA 保持一致。
它能生成资助机构和终身教职的简历格式吗？
可以。SigmaCV 为主要资助机构（NIH、NSF、ERC、UKRI R4RI、SNSF 等）提供一键式布局，并以可逆的方式应用于同一份规范简历，因此您无需重新构建即可衍生出终身教职或资助申请简历。
免费吗？
是的。SigmaCV 对个人免费，并采用 Apache-2.0 许可证开源。它仅读取公开的研究元数据。
它能处理很长的论文列表吗？
可以。论文会被自动提取并统一格式化；您可对其进行分组、排序和整理，同一份列表可导出为每一种格式。
我可以保留一份简历并衍生出资助机构版本吗？
可以——一份规范简历，配合以可逆方式应用的一键式资助机构/终身教职布局，因此您无需维护多个副本。
指标会默认显示吗？
不会。指标默认关闭并需选择启用；启用后，SigmaCV 偏向使用字段归一化指标，绝不显示期刊影响因子。