القائمة
就业方向分析与发展路径规划。当用户提供教育背景、技能证书、实习经验、个人特质等信息，或询问职业发展建议、就业方向、行业前景、薪资水平、职业规划时使用。支持主动提问补全需求，生成职业发展路径图。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
解析互联网缩写和网络用语的专业工具。覆盖娱乐圈（饭圈）、游戏圈、生活网络用语、科技互联网、动漫、金融、学术等领域。内置 490+ 词条，数据存储在 scripts/slang_db.json。 ## 触发条件（满足任一即触发） ### 直接询问类（中文） - "xxx是什么意思" / "xxx是啥意思" / "xxx什么梗" - "xxx代表什么" / "xxx是什么缩写" - "xxx啥意思" / "xxx什么意思" - "yyds是什么" / "gg是什么" - "绝绝子什么意思" / "泰裤辣是什么" ### 直接询问类（英文） - "what does xxx mean" / "what is xxx" - "xxx meaning" / "xxx stands for" - "what is xxx short for" / "decode xxx" - "xxx slang" / "xxx abbreviation" ### 解析请求类 - "解析这句话里的缩写" / "这句话里的网络用语什么意思" - "帮我看看这句话" / "翻译一下这个缩写" - "这句话怎么理解" / "这段话里的术语" - "parse this text" / "explain this slang" ### 网络用语/词典类 - "网络用语xxx" / "饭圈用语xxx" / "游戏术语xxx" - "缩写xxx" / "xxx缩写" / "xxx梗" / "xxx网络梗" - "动漫用语xxx" / "金融术语xxx" / "币圈xxx" - "slang dictionary" / "internet slang" / "abbreviation lookup" - "有没有缩写词典" / "网络用语大全" / "黑话词典" ### 特定缩写识别 - 2-6个字母的连续英文单词（如yyds, xswl, gg, op, api） - 混合数字字母的短词（如u1s1, b2b, k8s） - 中文语境中出现的英文缩写 - 中文拼音缩写（如jjz, tkl, wyz, hjj, yjjc, bdjw） ### 上下文线索 - 用户提到"缩写"、"简称"、"术语"、"黑话" - 用户说"看不懂"、"不明白"、"啥意思" - 用户询问特定圈子用语（游戏/饭圈/科技/动漫/金融/学术） ## 不触发的情况 -
AI图像提示词反推工具。分析用户上传的图片，生成精准的描述性提示词，支持输出多种主流AI绘图模型格式(Stable Diffusion、Midjourney、DALL-E 3、Flux、NijiJourney等)，具备IP/品牌识别能力，支持交互式精调。当用户需要"反推图片提示词"、"分析图片生成提示词"、"图片转提示词"、"提取图片描述词"、"生成AI绘图提示词"时触发此技能。
互联网废话文学生成器。根据用户输入的情景对话，分析语境并生成贴合场景但信息量为零的废话文学。 ## 触发条件（满足任一即触发） ### 直接请求类 - "说点废话" / "来点废话文学" / "生成废话" - "用废话文学回复" / "废话文学怎么说" - "帮我写废话" / "来点没用的话" ### 情景对话类 - "如果有人说xxx，怎么用废话文学回复" - "面对xxx情况，说点废话" - "xxx场景下，怎么废话" ### 学习了解类 - "什么是废话文学" / "废话文学怎么写" - "教我废话文学" / "废话文学技巧" ## 不触发的情况 - 需要认真回答的问题 - 专业技术咨询 - 情感支持需求 - 明确要求简洁回答
将GitHub仓库地址总结成通俗易懂的开源项目推荐文章。面向普通群众，用轻松有趣的语言介绍开源项目，不涉及技术细节，重点突出项目能做什么、有什么亮点。
分析用户提供的聊天内容，输出分手话术。通过情感分析，合理输出引对方生气或降低好感的话术，结合具体情景生成自然、不直白的回复。当用户提供聊天记录并需要分手建议、情感分析或暗示性话术时使用。
女友话术分析与情绪解读技能。当用户分享与女朋友的聊天记录、对话截图，或询问"女朋友这句话什么意思"、"她是不是生气了"、"这种情况该怎么回复"等情感沟通问题时触发。功能包括：情绪判断、话术含义解读、关系阶段分析、网络话术检索、应对建议生成。适用于恋爱沟通、情感困惑、约会安排、争吵调解等场景。新增心理学理论支撑、沟通模式分析、冲突预防指南、真实案例库和沟通技巧练习。
| name | career-analysis |
| description | 就业方向分析与发展路径规划。当用户提供教育背景、技能证书、实习经验、个人特质等信息，或询问职业发展建议、就业方向、行业前景、薪资水平、职业规划时使用。支持主动提问补全需求，生成职业发展路径图。 |
graph TD
A[接收用户需求] --> B{信息是否完整?}
B -->|否| C[主动提问补全]
B -->|是| D[分析用户画像]
C --> D
D --> E[检索市场信息]
E --> F[生成就业推荐]
F --> G[规划发展路径]
G --> H[输出分析报告]
H --> I[风险评估与建议]
| 维度 | 具体内容 | 必要性 | 收集方法 |
|---|---|---|---|
| 教育背景 | 学历、专业、学校类型、GPA | 必需 | 直接询问 |
| 技能证书 | 专业技能、职业证书、语言能力 | 必需 | 直接询问 |
| 实习经验 | 实习经历、项目经验、竞赛获奖 | 推荐 | 行为面试法 |
| 个人特质 | 性格特点、兴趣爱好、价值观 | 推荐 | 测评工具 |
| 就业意向 | 目标行业、职位、城市、薪资期望 | 必需 | 直接询问 |
当信息不完整时，按以下优先级提问：
第一轮（核心信息）：
第二轮（补充信息）：
第三轮（深入信息）：
提问示例：
用户: 我想找一份程序员的工作
助手: 为了更好地为您提供建议，我需要了解一些信息：
1. 您的学历和专业是什么？
2. 您掌握了哪些编程语言？
3. 您有项目经验吗？
4. 您希望在哪个城市工作？
根据用户画像确定检索关键词：
| 场景 | 检索关键词示例 | 检索目的 |
|---|---|---|
| 职位搜索 | "[职位名称] 招聘 要求 薪资 [城市] 2024" | 了解岗位需求和薪资 |
| 行业分析 | "[行业名称] 发展趋势 市场规模 2024" | 了解行业前景 |
| 薪资查询 | "[职位名称] 平均薪资 [城市] 2024" | 获取薪资数据 |
| 政策查询 | "[行业/地区] 就业政策 人才引进" | 了解政策支持 |
| 企业分析 | "[企业类型] 企业文化 工作环境" | 了解企业特点 |
采用多维度加权匹配，详见 algorithms.md
核心公式：
匹配度 = 教育背景×0.2 + 技能匹配×0.3 + 经验匹配×0.25 + 兴趣匹配×0.15 + 价值观匹配×0.1
| 分数区间 | 匹配等级 | 建议 |
|---|---|---|
| 90-100 | 高度匹配 | 强烈推荐，优先考虑 |
| 80-89 | 较好匹配 | 推荐，可作为主要选择 |
| 70-79 | 一般匹配 | 可考虑，需要提升相关能力 |
| 60-69 | 勉强匹配 | 谨慎考虑，差距较大 |
| 0-59 | 匹配度低 | 不推荐，建议其他方向 |
## 就业方向推荐
### 推荐1：前端开发工程师（匹配度：95%）
- **岗位要求**：HTML/CSS/JavaScript，React/Vue框架
- **薪资范围**：15K-30K/月
- **发展前景**：需求量大，薪资增长快
- **匹配优势**：技能高度匹配，有相关项目经验
- **提升建议**：深入学习React框架，积累更多项目经验
### 推荐2：全栈开发工程师（匹配度：85%）
- **岗位要求**：前后端技术，数据库，DevOps
- **薪资范围**：20K-40K/月
- **发展前景**：综合能力强，适应性广
- **匹配优势**：具备前端基础，可向全栈发展
- **提升建议**：学习后端技术，掌握数据库设计
使用Mermaid流程图展示职业发展路径：
graph TD
A[当前位置] --> B{选择发展方向}
B -->|技术路线| C[初级工程师]
B -->|管理路线| D[技术主管]
B -->|专家路线| E[技术专家]
C --> F[中级工程师<br>2-3年]
F --> G[高级工程师<br>4-5年]
G --> H[技术专家/架构师<br>6-8年]
D --> I[技术经理<br>5-7年]
I --> J[技术总监<br>8-10年]
E --> K[资深专家<br>8-10年]
K --> L[首席专家<br>10年+]
每条路径需包含：
# 就业分析报告
## 执行摘要
- 核心发现
- 主要建议
- 风险提示
## 个人画像分析
### 优势
- [具体优势1]
- [具体优势2]
### 待提升
- [待提升1]
- [待提升2]
## 市场分析
### 行业趋势
[当前行业发展趋势]
### 职位需求
[目标职位市场需求]
### 薪资水平
[相关职位薪资范围]
## 就业方向推荐
[按匹配度排序的推荐列表]
## 发展路径规划
```mermaid
[职业发展路径图]
[行业发展趋势和前景]
[薪资水平和增长趋势]
[不同类型企业的特点]
## 第六步：风险评估与建议
### 风险评估维度
| 维度 | 评估要点 | 风险等级 |
|------|----------|----------|
| **行业风险** | 行业周期、政策影响、技术变革 | 低/中/高 |
| **职位风险** | 岗位稳定性、替代性、需求变化 | 低/中/高 |
| **个人风险** | 技能过时、年龄压力、健康因素 | 低/中/高 |
| **市场风险** | 经济周期、竞争压力、供需关系 | 低/中/高 |
### 风险应对策略
**低风险场景**：
- 继续深耕当前领域
- 稳步提升专业能力
- 建立行业人脉网络
**中风险场景**：
- 发展跨领域技能
- 建立个人品牌
- 保持学习敏感度
**高风险场景**：
- 考虑职业转型
- 发展副业或兼职
- 提升核心竞争力
### 备选方案设计
**主路径**：最优选择，优先执行
**备选路径**：次优选择，主路径受阻时启用
**应急路径**：保底选择，确保基本发展
## 参考文档
- [就业信息源](references/employment-sources.md) - 招聘网站、行业报告、薪资数据来源
- [职业发展路径](references/career-paths.md) - 各行业典型发展路径
- [分析方法论](references/analysis-methodology.md) - 信息收集和分析框架
- [常见职业路径](references/common-career-paths.md) - 具体职位发展示例
- [可视化指南](references/visualization-guide.md) - 图表生成规范
- [行业分析](references/industry-analysis.md) - 行业趋势和前景分析
- [薪资分析](references/salary-analysis.md) - 薪资水平和谈判策略
- [企业分析](references/company-analysis.md) - 企业类型和选择建议
- [算法实现](references/algorithms.md) - 匹配度计算、推荐排序、路径规划算法
## 最佳实践
### 信息收集
- 从核心信息开始，逐步深入
- 使用开放式和选择式问题结合
- 对关键信息进行确认和验证
- 关注用户的潜在需求和担忧
### 信息检索
- 使用优化的查询关键词
- 交叉验证多个数据源
- 关注数据的时效性和权威性
- 提取关键信息和洞察
### 分析推荐
- 综合考虑多个维度
- 平衡匹配度和发展潜力
- 提供多个选择方案
- 考虑用户的实际约束
### 路径规划
- 设计多条可行路径
- 标注关键节点和要求
- 提供具体的行动计划
- 考虑风险和备选方案
### 报告输出
- 结构清晰，逻辑严谨
- 建议具体可操作
- 风险提示全面客观
- 提供多种选择方案