Menu
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。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
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