| 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。 |
就业分析与发展路径规划
工作流程
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]
第一步：信息收集
需要收集的信息维度
| 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 |
主动提问策略
当信息不完整时，按以下优先级提问：
第一轮（核心信息）：
- 您的学历和专业是什么？
- 您掌握了哪些核心技能？
- 您期望从事什么类型的工作？
- 您希望在哪个城市发展？
第二轮（补充信息）：
- 您有实习或项目经验吗？
- 您对薪资有什么期望？
- 您更看重发展空间还是工作稳定？
- 您对职业发展有什么规划？
第三轮（深入信息）：
- 您对工作强度有什么要求？
- 您对公司的规模和类型有偏好吗？
- 您对行业有什么偏好或限制？
- 您对职业转型有什么想法？
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？
第二步：市场信息检索
检索策略
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 |
信息源参考
详见 employment-sources.md
信息整合方法
- 交叉验证：对比多个数据源的一致性
- 时效性：优先使用最新数据
- 权威性：官方数据优先于民间数据
- 代表性：关注数据样本量和覆盖范围
第三步：就业方向推荐
推荐算法
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
匹配等级划分
| 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 |
推荐输出格式
## 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
推荐排序规则
- 高匹配度 + 高发展潜力 → 优先推荐
- 高匹配度 + 中等发展潜力 → 次优先推荐
- 中等匹配度 + 高发展潜力 → 可选推荐
- 高匹配度 + 低发展潜力 → 备选推荐
- 中等匹配度 + 中等发展潜力 → 备选推荐
第四步：发展路径规划
路径图生成
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+]
路径说明
每条路径需包含：
- 时间节点：每个阶段的预计时长
- 关键要求：晋升所需技能和经验
- 薪资预期：各阶段薪资范围
- 发展建议：具体的提升方向
路径设计原则
- 可行性：路径必须切实可行
- 渐进性：逐步提升，避免跳跃
- 多样性：提供多条路径选择
- 灵活性：根据情况调整路径
详见 career-paths.md
第五步：输出分析报告
报告结构
# 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]
行动计划
短期（1-2年）
中期（3-5年）
长期（5-10年）
风险提示
附录
行业分析
[行业发展趋势和前景]
薪资分析
[薪资水平和增长趋势]
企业分析
[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
