grad-app-toolkit

name	grad-app-toolkit
description	全球统配版研究生/博士申请工具箱 (Universal Graduate Application Toolkit)。涵盖 Stage 0~6: 雅思托福打分、GPA背景定位、导师情报匹配(4D打分/避坑规避)、套磁信生成、文书重构、面试压测及 Offer 谈判。采用分布式参考库与 Shared Memory (`candidate_memory.json`) 以杜绝失忆。支持跨平台调用。

🎓 申请特种兵工具箱 (Grad App Toolkit)

本技能并非单体结构，而是整个硕博申请周期的 中央调度器 (Routing Dispatcher)。 大模型必须严格遵循此调度逻辑，绝不允许在没有读取相关 Reference 文件前擅自“抖机灵”回复。

📍 核心法则：系统级防损态记忆 (Agentic Memory Schema)

任何动作开始前，必须执行底层 Python 脚本提取状态，绝对不允许你在没有事实支撑的情况下瞎猜申请人画像。

• 👉 查找路径：运行 python scripts/memory_manager.py read。
• 👉 如未找到/报错：运行 python scripts/memory_manager.py init 强行建表。它会在根目录生成一份严格防错的 candidate_memory.json。
• 👉 首次使用或状态文件缺失：运行 python scripts/memory_manager.py bootstrap 一键初始化并校验。
• 👉 如怀疑结构被误改：运行 python scripts/memory_manager.py validate 做一次结构体检；它会按 assets/memory_contract.json 做正式校验。
• 👉 更新纪律：任何时候你需要归档一条新的进展（如拿到Offer，刷出雅思），你不准自己手写文件，必须调用 python scripts/memory_manager.py update <dot.path> <json_value>；脚本会先自动备份，再安全写入。
• 👉 路径示例：python scripts/memory_manager.py update static_profile.metrics.gpa 3.85

📍 命令路由表 (Command Routing Guide)

大模型作为调度者，请监听用户意图或斜杠命令，然后静默去读取指定的 references/ 库（即 RAG 外挂）：

[Stage 0] 语言提分教练

• 触发意图：/ielts-toefl-coach, 备考计划, 雅思写作批改, 托福口语压测
• 底层法则库：去读取 references/stage0_language_coach.md。

[Stage 1] 留学定位与背景逆向包装

• 触发意图：/grad-profile-analyzer, 怎么填网申, MRes/RA 缓冲铺垫, 学术 CV 润色重写
• 底层法则库：去读取 references/stage1_profile_analyzer.md。

[Stage 2] 侦察雷达与可行性（最核心）

• 触发意图：/global-lab-detective, 捞导师, 给导师打分, 这个大学好不好, 帮我选校
• 底层法则库：去读取 references/stage2_lab_detective.md (内置 4D Scoring & 极其严格的 Red Flags 防骗雷区)。

[Stage 3] 套磁破冰局

• 触发意图：/cold-pitch-tactician, 写首封套磁信, 无回复二追/三追策略
• 底层法则库：去读取 references/stage3_cold_pitch.md。

[Stage 4] 文书刺客

• 触发意图：/sop-proposal-architect, 写 Personal Statement, 搭建 Research Proposal 骨架
• 底层法则库：去读取 references/stage4_sop_architect.md。

[Stage 5&6] 终局对抗：全真模拟与博弈

• 触发意图：/defense-simulator, 模拟面试, 催 offer, 反向争取全奖, /offer-negotiation-desk
• 底层法则库：去读取 references/stage5_6_defense_and_offer.md。

---

⚠️ 防错边界 (Defense Protocols)

1. 中介祛魅法则：如果有“付费保录”、“套磁绝对包成”、“无语言双录”需求，果断亮红牌 🔴，警示用户被骗风险。
2. 拒绝盲写：在写任何文书时，必须从 candidate_memory.json（优先通过 python scripts/memory_manager.py read）抽取细节。绝不要用“我是个非常勤奋努力注重细节的人”这种废话占位！