Job Strategist

求职军师 job-strategist · 中文互联网求职全流程助手

把任意 AI coding 助手变成中文互联网求职的"情报 + 准备"工作台。聚焦四件事：调研岗位 → 拆解岗位 → 补能力 gap → 准备面试，并用一个岗位库把全流程追踪起来。

与海投脚本（auto-apply）不同，本 skill 以只读调研为主、由用户主动触发、不自动投递（见 [references/compliance.md](references/compliance.md)）。差异化在于：用社交平台的面经众包反推岗位真实考点，而不是只看官方职位详情。

适用范围（通用，不限城市/行业/职级）

目标岗位、城市、行业、职级都由用户在运行时提供，skill 本身不写死任何具体场景。

数据层：agent-reach（必需）

本 skill 不自己实现爬虫，统一通过 agent-reach 访问外部平台。动手前先体检：

agent-reach doctor --json   # 看小红书/B站/Reddit/Twitter 等 active_backend

• 小红书：opencli xiaohongshu search/note "..." -f yaml（复用浏览器登录态）
• B站：opencli bilibili search/subtitle "..." -f yaml
• 网页/职位详情：用宿主自带的 Web 搜索/抓取（Cursor WebSearch、Claude Code WebSearch+WebFetch 等）；通用兜底（任何工具都能用）curl -s https://r.jina.ai/。不绑定单一工具。
• 猎聘/智联/公司官网：多为公开页，通常不必登录即可抓到完整职位详情。
• Boss 直聘：agent-reach 不支持、网页抓取常被挡 → 须用宿主浏览器自动化 + 用户扫码登录后人工驱动（见 [references/job-research.md](references/job-research.md)）。

> 频率控制：社交平台高频请求会触发验证码，操作间隔 2-3 秒；读小红书笔记必须用搜索结果里带 xsec_token 的完整 URL。

核心工作流

复制此清单并按进度勾选（任一步都可单独运行）：

求职流水线：
- [ ] 0. 录入背景  先把真实经历整理成基础简历/profile（匹配、gap、定向简历都依赖它，必须前置）
- [ ] 1. 定位      明确目标岗位/城市/行业/职级
- [ ] 1.5 消歧     同名≠同岗：先把岗位按行业/赛道分型，锁定到一个"型"
- [ ] 2. 调研岗位  **先问用户要多少条** → Boss+智联+猎聘三平台都抓 → 合并 longlist（未达目标须说明原因）；**用户随时可补官网/内推职位详情** merge 进 longlist；挖面经（小红书/B站）
- [ ] 3. 拆解岗位  产出岗位画像 + 能力模型（必备/加分）
- [ ] 4. 选岗建议  候选岗位 × profile 算匹配度 → 投/暂缓/不投 + 理由 + 缺口，与用户确认 shortlist（见 job-tracker.md）
- [ ] 5. gap 分析  对 shortlist：背景 × 能力模型 → 缺口 + 学习清单
- [ ] 6. 简历定向  按选定职位详情做 STAR 化 + 量化 + 关键词对齐（不编造）
- [ ] 7. 面试准备  题库+答案（通用层 + 公司/行业特化层）+ STAR 故事库（模拟问答可选）
- [ ] 8. 面试复盘  面完回填"真实被问到的题 + 答得不好的点" → 迭代题库与简历（循环回 7/6）
- [ ] 9. 岗位库    贯穿全程：用表格追踪 公司/岗位/匹配度/状态

> 顺序要点：① 没有基础简历(步0)就无法算匹配度，也无法做 gap/定向，必须先有；② 不是所有调研到的岗位都投——步4 先和用户敲定 shortlist，再对 shortlist 做 gap/简历/面试。

各环节都可单独反复跑（复跑语义，四类）

每步都从文件读输入，可独立重跑。但重跑行为分四类，照此处理别搞错：

| 类型 | 环节 | 重跑行为 | |------|------|----------| | 设定型（改，不算跑） | 0 背景 / 1 定位 / 1.5 消歧 | 偶尔修订；改了要提示下游可能需重算 | | 累积型（增量 merge 进同一活文件） | 2 调研 longlist / 8 复盘 / 9 岗位库 / 7 题库 | 新增/下架/变更打标记，刷新日期版本，不覆盖历史 | | 重算型（按上游重新生成、覆盖，但留日期） | 3 拆解 / 4 选岗 / 5 gap | 上游变就重算；输出带"基于 <日期> 数据" | | 多版本型（每次留新版） | 6 简历定向 | 每个职位详情 / 每次迭代存一版，不互相覆盖 |

模块路由（按需读取，渐进式披露）

| 用户意图 | 模块 | |---------|------| | 同名岗位跨行业分型/消歧 | [references/job-disambiguation.md](references/job-disambiguation.md) | | 抓职位详情 / 挖面经 / 平台用法 / 用户补充职位详情 | [references/job-research.md](references/job-research.md) | | 拆解职位详情 → 岗位画像/能力模型 | [references/jd-decode.md](references/jd-decode.md) | | 从小红书/B站系统挖面经 | [references/mianjing-mining.md](references/mianjing-mining.md) | | 算匹配度 / 选岗建议 / 确认 shortlist | [references/job-tracker.md](references/job-tracker.md) | | 背景对照能力模型找缺口 | [references/gap-analysis.md](references/gap-analysis.md) | | 按职位详情定向改简历 | [references/resume-tailor.md](references/resume-tailor.md) | | 生成面试题库与模拟 | [references/interview-prep.md](references/interview-prep.md) | | 岗位库 / 进度追踪 | [references/job-tracker.md](references/job-tracker.md) | | 只读/低风险/合规边界 | [references/compliance.md](references/compliance.md) |

输出去向（重要）

所有个人化产物写到仓库外的个人目录（推荐与 job-strategist/ 同级的 my-application/），不要写进 skill 仓库。

每个有标准输出的环节都内置了模板（templates/），跑该环节就照模板产出：

| 环节 | 模板 | |------|------| | 0 背景 | profile.template.md | | 1.5 消歧 | job-disambiguation.template.md | | 2 调研 longlist | job-longlist.template.md | | 3 拆解 | job-decode.template.md | | 5 gap | gap-analysis.template.md | | 6 简历 | resume.template.md | | 7 面试 | interview-prep.template.md | | 4 选岗 / 9 岗位库 | job-tracker.template.csv |

核心原则

1. 同名 ≠ 同岗：先消歧再拆解。一个岗位名在不同行业可能是不同职业，能力不可迁移（见 job-disambiguation.md）。
2. 不编造：简历/答案只能基于用户真实经历重组、强调、改写，绝不发明技能、公司、时间或数字。
3. 面经反推考点：官方职位详情写的是"要求"，面经里才有"真实会问什么"——两者交叉验证。
4. 只读优先：投递、打招呼、联系方式交换等敏感操作回到平台官网由用户手动完成。
5. gap 驱动学习：拆解的终点不是打分，而是"接下来学什么"的清单。
6. 简历前置：先有基础简历/profile 才能算匹配、做 gap、做定向，缺它则流水线无从谈起。
7. 通用 + 特化：题库/准备分两层——岗位通用层 + 针对具体公司/行业的特化层（调研该公司自家产品/技术/动作生成定向题），不止步于通用内容。

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: faylocker
• Source: faylocker/job-strategist-Chinese
• License: MIT

Install and usage instructions live in the source repository linked above.