From career-skills
把求职者杂乱、口语化、甚至中文的原始经历编译成「岗位语言」——原始经历 → 可迁移能力 → 岗位匹配表达, 全程严守"绝不编造"。默认产出中文岗位语言(面向国内求职);需要英文 CV 表达时按需给(英文化不加事实)。 Use when 用户给出一段经历问"这能不能写进简历 / 怎么写 / 怎么和岗位对上"、担心"我没实习 / 这段经历太水"、 或转专业 / 留学生不知道经历怎么对上岗位;也可把中文经历转成英文 CV(按需)。 触发词:简历, resume, CV, 经历, 实习, 可迁移能力, transferable skills, 转专业, 留学生求职, 这段经历能写吗。 本 skill 只做萃取 + 对齐 + 翻译,产出喂给 career-bullet-builder;不写最终排版简历、不找岗位、不解析 JD。
How this skill is triggered — by the user, by Claude, or both
Slash command
/career-skills:career-experience-mapperThe summary Claude sees in its skill listing — used to decide when to auto-load this skill
把"我做过一个小组作业""帮老师整理过数据""跟教程复现了一个模型"这种原始经历,编译成招聘方读得懂、且**完全属实**的岗位语言。这是 career-skills pack 的第一块、也是灵魂——它的差异化不在"会写简历",而在 **弱经历→岗位语言 + 绝不编造**。
把"我做过一个小组作业""帮老师整理过数据""跟教程复现了一个模型"这种原始经历,编译成招聘方读得懂、且完全属实的岗位语言。这是 career-skills pack 的第一块、也是灵魂——它的差异化不在"会写简历",而在 弱经历→岗位语言 + 绝不编造。
核心原则 / Core principle:Reframe, never fabricate. 改变表达视角与精度,绝不改变事实。证据不足就用保守动词或标注待补充,绝不替用户编数字、头衔、成果或链接。
触发(do):
不触发(don't — 交给别的 skill):
career-bullet-builder。career-role-finder。career-jd-analyzer。按顺序执行;每步有可验证产出。涉及方法细节时按需 Read 对应 reference,不要把整份 reference 贴给用户。
Step 1 — 收集输入 (Intake). 取得:(a) 原始经历(中/英、口语均可,可多段);(b) 目标岗位或 JD(可选)。 没有 JD 时进入"通用萃取"模式,并提示用户:"给我目标岗位或 JD,能让能力对齐更准。" → 产出:归一化的经历清单 + 目标岗位(或"通用")。
Step 2 — 解析经历 (Parse · M1). 对每段经历抽取六要素:任务 / 动作 / 方法·工具 / 协作对象(stakeholders) / 产出 / 可量化线索。口语和模糊处先如实标记,不脑补。 → 产出:每段经历的要素表。
Step 3 — 萃取可迁移能力 (Map · M2). Read references/transferable-skills.md。把要素映射到 NACE 8 能力(必要时补 O*NET 子技能)。对每个能力过证据闸门:能不能讲出一个 2 分钟 STAR 故事?讲不出 → 从"已具备"降为"发展中"或删。Leadership 默认从严:没有"定方向 / 解决冲突"的具体故事,就降级为 Teamwork。
→ 产出:可迁移能力清单(能力 → 证据 → 强/弱标记)。
Step 4 — 对齐岗位 (Align · M4). 有 JD:Read references/role-matching.md,对每段经历用 2/4 标准做相关性分级(强 Foreground / 弱 Reframe / 无关则 Downplay 或 Cut),并从 JD 按"频率×位置"提关键词。无 JD:做通用萃取,并标注哪些能力一旦给定岗位可前置。
→ 产出:每段经历的相关性判定 + 关键词覆盖情况。
Step 5 — 翻译成岗位语言 (Translate · M5). Read references/role-language-bank.md(必要时 weak-exp-transformations.md 取同类范例)。选公式(默认 PAR;有真实数字用 XYZ;技术项目用 CAR),把弱动词升级为精确强动词,产出中文岗位语言草表达(去口语 / 谦辞,不加原文没有的事实)。没有数字时走量化 fallback(技术岗优先技术细节),绝不编数字。用户要英文版再做本地化(去 Chinglish,同样不加事实)。
→ 产出:每段经历的中文草表达(可直接交给 career-bullet-builder 打磨)。
Step 6 — 诚信校验 (Integrity Gate · M3). Read references/no-fabrication.md,逐条过自检:有没有编造雇主/职称/日期/数字/奖项/技能/URL?团队成果是否标了个人范围?动词层级是否匹配真实贡献?翻译有没有偷偷加事实?相关性有没有硬吹?任何拿不准的事实(具体数字、头衔范围、是否独立完成)直接问用户,不臆造。
→ 产出:通过 / 标记项 + 待补充信息清单。
Step 7 — 输出 (Output). 按下方 Output 结构(结果优先)组织中文结果,并提醒:这是"可迁移能力 + 岗位语言表达",下一步可交给 career-bullet-builder 写成成稿 bullet;要英文版可另说。
| # | 模型 Model | When to use | Key action |
|---|---|---|---|
| M1 | Experience Parsing 经历拆解 | 拿到任何原始/口语/中文经历 | 抽取 任务/动作/方法·工具/对象/产出/量化线索,不脑补 |
| M2 | Competency Mapping 可迁移能力映射 | 拆解后要定能力标签 | 映射 NACE 8 + O*NET;过 STAR 证据闸门;Leadership 默认降级 |
| M3 | Integrity Gate 诚信闸门(红线) | 贯穿全程,输出前必过 | no-fabrication 自检;证据不足用保守动词;拿不准就问 |
| M4 | Role Alignment 对齐岗位 | 有目标岗位/JD 时 | 相关性分级 Foreground/Reframe/Downplay/Cut + JD 关键词 freq×position |
| M5 | Role-Language Translation 岗位语言翻译 | 要产出可投递的表达 | 公式(PAR/XYZ/CAR) + 弱→强动词 + 中文草表达(英文按需) + 量化 fallback |
完整规则、映射表、动词库、before/after 范例在 references/,运行时按需 Read。
默认只给用户「一句判断 + 能力 + 中文草表达 + 极少提示」。 六要素拆解、公式名、handoff 引擎照跑,但不一次全摆给用户看(太详尽会劝退)。
career-bullet-builder);用户要英文版再给。[PAR · 待补充]、不念"M5 / NACE 编码"。要提示就用大白话。| Mode | 触发条件 | 输出 |
|---|---|---|
| full-compile(默认) | 给 1+ 段经历(可含目标岗位) | 一句判断 + 能力 + 中文草表达 + 一句补强 + "想要更多" |
| single-bullet | 只给一段经历、要快速结果 | M1→M2→M5 精简:1-2 条中文草表达 + 一句补强 |
| to-english | 用户要英文版表达 | 侧重 M5 本地化:地道英文,标"翻译中未新增事实"(英文为按需产物) |
| role-tailor | 给了 JD/目标岗位 | 侧重 M4:相关性判断 + 关键词覆盖 + 岗位侧写(同样结果优先) |
| gap-check | 用户已有草稿,想查 | 只跑 M3:诚信红线核查 + 待补充/可量化提示 |
默认输出结构(full-compile,精简——给用户看的全部):
完整六要素拆解、公式名、handoff 默认不展示;用户点"完整拆解"才给。
本 skill 是 career-skills 链条的一环,产出遵循 pack 接口契约(shared/handoff-contract.md),让下游 career-bullet-builder 直接咬合。
career-jd-analyzer 的能力模型)。### ⇄ Handoff · experience-mapper → bullet-builder
- unit_id: E1
- context: 4 人课程小组 · 社会企业案例(Greyston Bakery)
- raw_facts: [分析财务可持续性, 识别运营风险, 提出成本控制建议]
- competencies: [批判性思维(强), 沟通(中), 团队协作(中)]
- target_role: 项目助理 (relevance: strong)
- draft_expression: "分析某社会企业案例的财务可持续性与运营风险,提出成本控制与资源配置建议(4 人课程小组)"
- formula: PAR
- evidence_strength: strong
- gaps: [团队是否4人, 分析了几年/几项数据, 建议是否被采纳]
- integrity_flags: [团队/课程语境已标注, 未编造任何数字]
铁律:gaps 与 integrity_flags 随块流转;下游绝不可用编造的数字/事实填 gaps,只能用保守写法或回问用户。
完整示例见 examples/demo_conversation.md(3 个场景:文科无实习、无数字 fallback、CS 边界拒绝)。默认输出长这样(结果优先、中文、无术语):
原始:
参与了一个关于社会企业预算的小组作业。这段能写,而且对"项目助理"类是中等偏强相关——体现了分析和协作。 一句可直接用的中文表达: 分析某社会企业案例的财务可持续性与运营风险,提出成本控制建议(4 人课程小组)。
💡 补上"分析了几年财报 / 几项数据"会更具体——只填真实的。 想看完整能力拆解 / 要英文版 / 直接磨成成品 bullet?说一声。
边界示例(绝不编造):用户要求把"跟教程复现的模型"写成"上线的生产系统"或加无来源的"提升 40%" → skill 拒绝,给诚实替代(标注复现性质),引导补真实延伸。
references/no-fabrication.md,全 pack 共享)。career-bullet-builder 写成稿;本 skill 不输出最终排版简历。career-role-finder / career-jd-analyzer;本 skill 不编造岗位或 URL。role-language-bank.md)。| 文件 | 内容 | 何时 Read |
|---|---|---|
references/transferable-skills.md | NACE 8 / O*NET 能力体系 + 经历→能力映射表(CS 与非技术两套)+ 证据门槛 | Step 3 |
references/role-matching.md | 相关性三档判断 + JD 关键词提取 + foreground/reframe/downplay/cut + 岗位侧写 | Step 4 |
references/role-language-bank.md | bullet 公式 + action verb 库(中英)+ 弱→强动词 + 量化 fallback + 中→英本地化 | Step 5 |
references/weak-exp-transformations.md | 弱经历 before/after 范例库(通用 + CS) | Step 5(取同类范例) |
references/no-fabrication.md | 共享红线:硬禁清单 + 不得编 URL 条款 + 保守动词分级 + 重构OK/造假NOT-OK + 自检 checklist | Step 6(及全程) |
Part of the career-skills pack · Built with SkillAlchemy. 默认产出中文岗位语言(国内求职),英文按需;本 skill 提供经历到岗位语言的编译方法,不构成对录用结果的承诺;最终内容真实性由用户负责。
Creates, edits, and optimizes skills for Claude Code, including drafting, evaluating with test prompts, iterating on performance, and improving skill descriptions for better triggering accuracy.
npx claudepluginhub agentsope/career-skills --plugin career-skills