skill-plan
cheat-on-skill 的核心。为用户选定的某个候选岗位生成个性化学习策略:差距分析 → 分阶段学习路径(资源+里程碑)→ 作品集清单 → 求职时间线 → 止损线。强调 AI 加速学习、诚实周期、可验证里程碑。触发词:"我选XX做学习计划"/"这个岗位怎么学"/"给我学习路径"/"skill plan"/"制定转型策略"。前置:该岗位最好已在 skill-scan 的 candidate_roles 里、判定为可学。
git clone --depth 1 https://github.com/XBuilderLAB/cheat-on-skill /tmp/skill-plan && cp -r /tmp/skill-plan/skills/skill-plan ~/.claude/skills/skill-planSKILL.md
# /skill-plan — 个性化学习策略(差距 → 路径 → 上岸) 把一个目标岗位变成"以你的起点 + 每周时间,几个月内能学到能投简历"的可执行学习计划。 ## 前置检查 - 读 `.skill-state.json` 找该岗位。若不在 candidate_roles 或可学性判定为 ❌ 劝退/⛔ 吃力,**先提醒用户回 skill-scan 重选或确认**,别硬做注定挫败的计划。 - 若该岗位牵涉付费培训/内推,先确认它过了 `../../shared-references/anti-scam-rubric.md`;命中红线先劝退。 - 读 `../../shared-references/learnability-rubric.md`(差距维度对齐)和 `role-tiers.md`(起步动作按档位)。 ## 学习策略必含 6 块 1. **差距分析(最重要)**:把目标岗位 JD 要求 − 用户已有能力 = 要补的清单,逐条列,**标出哪些可迁移(已有,略学即可)、哪些要从头学**。差距清单决定整个计划,别跳过。 2. **分阶段学习路径**:拆成 2–4 个阶段,每阶段有: - 目标(学完能做什么,可验证) - 具体内容 + 推荐资源类型(**优先免费/低成本 + 边学边做**;要推具体课程/资源时用 WebSearch 查当下真实可得的,加年份,别凭记忆给可能失效的链接) - **AI 加速点**:这一阶段怎么用 AI 当私教 / 用 AI 编程 / 用 AI 出作品,把学习曲线压短(这是 AI 时代学习的题眼,别让"用 AI"停在口号) - 时间盒(以用户每周 N 小时算,这阶段几周) 3. **作品集清单**:列 2–4 件**能放进简历/能演示**的作品(按档位:S0 工具熟练度作品;S1 旧技能 ×AI 重做;S2 GitHub 可跑项目;S3 解决本行业真实痛点的 demo)。作品比证书值钱——它证明你真能干。 4. **求职时间线**:第几周开始投简历、投哪些渠道、面试要准备什么。明确"不必等全学完才投"——边投边补。 5. **止损线**:满足什么条件该停下复盘或调整(例:投 30 份 0 面试 / 学了 X 周完全跟不上 / 出现反诈红线)。给转型留个清醒的退出判断。 6. **诚实周期与预期**:以用户每周时间算,几个月到能投、几个月可能拿 offer。明说这是真实投入不是速成,不画饼。 > 需要时用 WebSearch 查该岗位当下的真实学习路径/主流工具栈/招聘要求(加年份),别给过时方案。 ## 落盘(含「预期」——这是日后复盘对账的起点) 写入前先用系统时间取当前时间: ```bash date '+%Y-%m-%d %H:%M %Z %z' ``` 所有报告和状态记录必须带具体时间与时区,跟用户系统时区走。内部记录可用 `2026-06-26 22:06 CST +0800`;用户报告展示为 `2026-06-26 22:06(本机时区 + UTC 偏移,如 中国标准时间 CST,UTC+8)`。不要写死成某个固定国家的时间。 把策略写入 `.skill-state.json` 的 `active`(chosen_id / started_at=今天 / learning_plan),该岗位 status 改为 `learning`。 **同时写 `active.prediction`**:预计每周投入小时、预计几个月到能投简历、作品集清单、止损线(recorded_at=今天日期,recorded_at_full=具体时间和时区)。 这份预期写完别改——日后复盘拿"实际"和它对账,才能看清计划准不准、要不要调。 ## 报告与存档收尾 学习计划生成后,不要直接结束。先问用户: > "如果这版方向和计划没问题,我可以帮你存档,并生成一份完整报告。推荐形式是 Markdown 源文件 + 可选 Word 版:Markdown 方便后续迭代,Word 方便发送/打印。你要现在生成吗?" 默认不要把 Markdown/HTML 作为用户交付物。对普通用户来说,看到代码或标记语法会困惑。 若用户同意,生成两类内容: - **内部归档**:继续写入 `.skill-state.json`;必要时生成 `reports/internal/<YYYY-MM-DD>-<target-slug>.md` 作为 agent 可维护的结构化存档,但不要把它作为主交付给用户。 - **用户阅读版源稿**:先生成 `reports/<YYYY-MM-DD>-<中文标题>-用户版.txt`,用自然语言写成外行人也能读懂的完整报告。不要包含 HTML/CSS/Markdown 语法,不要要求用户用浏览器打开。 报告正文必须写 `生成时间:YYYY-MM-DD HH:mm(本机时区名 缩写,UTC 偏移)`,跟用户系统时区走,不要只写日期、也不要写死某国时间。示例:`生成时间:2026-06-26 22:06(中国标准时间 CST,UTC+8)`。 导出与交付规则: - 默认优先把用户阅读版导出成 `reports/<YYYY-MM-DD>-<中文标题>-用户版.docx`。 - 如果 `.docx` 导出成功,只告知 Word 文件保存路径,并打开文档所在文件夹让用户自己双击 Word 文件;不要再额外生成或展示 `.rtf` / `.txt` 作为主交付。可以补一句:“如需纯文本或 RTF,我也可以再导出。” - 如果 `.docx` 导出失败,再导出 `.txt` 和 `.rtf`,告知两个文件路径,并同样打开所在文件夹。 - 不要依赖聊天界面的文件卡片或 Google Docs 打开方式;对中国用户默认按“本地文件夹 + Word 文档”交付。 - 给用户的收尾话术必须包含保存目录,例如:`报告已保存到 <abs-path>/reports/,我已打开这个文件夹,你可以直接双击 Word 文档查看。` - `.docx` 成功导出后的最终用户话术应包含: - `报告已经生成好了。` - `保存目录:<abs-path>/reports/` - `Word 报告文件:<abs-path>/reports/<报告名>.docx` - `我已经帮你打开了报告所在文件夹,你可以直接双击这个 Word 文档查看。` - `这份报告里面包括:` 后列出推荐方向、招聘信息结论、推荐岗位排序、暂不建议主攻的岗位、需要补的能力、学习计划、作品集建议、反诈和止损线、下一步行动。 - `如果你想要 txt 版或 RTF 版,我也可以再导出。` - `💡 后面你执行计划时,如果进度比预期快、慢,或者投递反馈和我们预判的不一样,我会根据实际情况帮你调整计划,不会让你死磕一版固定路线。` 报告交付后不要停在"文件已生成"。必须自然进入陪跑模式,对用户说: > "从现在起,你可以跟着我一起学。我会按这份计划一步一步带你做,不需要你自己判断下一步该学什么。我们先从第 1 周第 1 天开始:选定主工具,并跑通第一个最简单的 AI 问答/资料整理小工具。" 然后立即开始第 1 个训练任务,除非用户明确说暂停: 1. 说明今天只做 2-3 件事,降低焦虑。 2. 让用户在 `扣子/Coze` 和 `Dify` 中选一个主工具;若用户不确定,默认建议先选 `扣子/Coze`,因为新手更容易跑通智能体和工作流。 3. 给出当天完成标准:能打开工具、创建一个简单机器人/应用、输入一段文字并得到稳定格式输出。 4. 告诉用户完成后回来发截图/描述/报错,由 agent 继续带下一步。 报告结构建议: 1. 一页摘要:推荐方向、周期、目标薪资区间、首要作品。 2. 用户画像:起点档位、可迁移能力、约束条件。 3. 招聘信号:BOSS 搜索关键词、已看页数、已读 JD、薪资量级、岗位模式。 4. 推荐岗位簇:为什么选这个方向,哪些岗位作为锚点。 5. 差距分析:已有能力、要补能力、暂不硬冲能力。 6. 10 周学习与投递计划:阶段、里程碑、每周任务。 7. 作品集规格:每个作品的输入、流程、输出、演示材料。 8. 求职动作:关键词、投递节奏、面试准备。 9. 止损线与反诈红线。 10. 下一次复盘问题。 ## 普通收尾 - 提示用户:按阶段执行,到里程碑或卡住时回来调整(skill-retro 待建,可先手动更新 retro_log)。 - 再次强调止损线和反诈红线:任何"交钱包就业/分期贷款学"的,立刻停。
cheat-on-skill 的首次 onboarding。盘点用户能力(现有技能/可迁移底子/学历经验/每周可学时间/能坚持几个月/学习能力自评/地区/目标薪资/转型紧迫度),判定起点档位,创建 .skill-state.json 状态文件,是 skill-scan / skill-plan 的前置。触发词:"能力盘点"/"我想转AI相关工作"/"找AI时代高薪工作"/"skill init"/"职业转型初始化"。**当用户想找/规划 AI 时代工作但 .skill-state.json 不存在时,先路由到此。**
cheat-on-skill 的核心。连 BOSS 直聘真实招聘数据 + 网页信号,按用户能力画像找「高薪 × 你学得动 × AI 增强」交集里的候选岗位。每个岗位给:薪资量级 / 需求热度 / 你的差距 / 可学性分 / 诚实学习周期,并过 AI 影响分类与反诈红线。触发词:"帮我找岗位"/"找AI时代高薪工作"/"有什么我能学的高薪岗"/"skill scan"/"扫一遍招聘"。前置:需要 .skill-state.json(无则先路由到 skill-init)。
cheat-on-skill 的陪跑进度 skill。用户问“今天该干嘛”“我现在做到哪了”“继续学”“打卡”“我卡住了”“下一步是什么”时触发。读取 .skill-state.json 的 active.progress 和 learning_plan,给当天任务、检查完成情况、记录进度、根据快慢调整计划。前置:已有 .skill-state.json 且 active.learning_plan 存在。