메뉴
AI 岗位猎手。基于用户简历，自动在各大招聘平台搜索匹配岗位，输出带匹配度评估的岗位列表。 支持 LinkedIn、Indeed、Boss 直聘、拉勾、猎聘等平台。 当用户提到以下关键词时触发： 找工作、找岗位、搜岗位、岗位推荐、job search、job hunt、 有什么合适的岗位、帮我找工作、招聘信息、哪些公司在招、 看看有什么机会、投递机会、求职搜索、帮我搜一下岗位。 当用户从其他 Skill 衔接过来并表示想找工作或投递，也应触发。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
简历生成与优化工具。支持两种模式：从零生成全新简历（通过结构化对话收集信息）， 或优化已有简历（读取现有简历后改进）。输出 HTML + PDF 双格式，排版专业，严格两页以内。 支持中英文双语简历生成。当用户提到以下关键词时触发：生成简历、写简历、做简历、 简历制作、优化简历、改简历、简历美化、resume create、resume build、resume optimize、 帮我做一份简历、简历排版、做一份简历、改一下简历、简历模板、resume template、 简历设计、resume design。当用户从 resume-match 衔接过来（已有优化后的 Markdown 简历）， 也应触发此 Skill 来生成 HTML+PDF 版本。即使用户只说"帮我弄个好看的简历"或 "把简历排版一下"，也要触发。
简历与岗位 JD 的匹配度分析工具。上传简历（PDF/DOCX/文字）和目标岗位 JD（文字/图片/URL）， 输出多维度评分、匹配等级（A/B/C）、关键差距分析和具体优化建议。 当用户提到以下任何关键词时触发：简历匹配、简历分析、岗位匹配、JD分析、简历评分、 resume match、resume analysis、job fit、简历诊断、简历评估、匹配度分析、 简历和JD对比、岗位适配度、resume review、resume scoring。 当用户同时提供了简历文件和岗位 JD 时也应自动触发。 即使用户没有明确说"匹配分析"，只要他们提供了简历+JD并想知道"合不合适"、 "能不能投"、"差距在哪"，都应该触发这个 Skill。
求职信与招呼语生成工具。基于用户简历和目标岗位 JD，生成针对性的求职信（邮件投递场景） 或简短打招呼消息（招聘软件场景）。支持中英文双语。当用户提到以下关键词时触发： cover letter、求职信、自荐信、申请信、写一封求职信、application letter、 帮我写个求职信、投递邮件怎么写、怎么跟 HR 打招呼、boss直聘打招呼、 招呼语、开场白、自我介绍信。当用户从 resume-match 或 resume-craft 衔接过来 （已有简历和 JD 信息），也应触发此 Skill。
AI 模拟面试工具。基于用户简历和目标岗位 JD，模拟真实的三轮面试（HR → 业务主管 → 高管）， 包含追问、压力面、情景题等真实面试元素，面试结束后生成逐题反馈的完整面试报告。 当用户提到以下关键词时触发： 模拟面试、面试准备、面试练习、面试辅导、mock interview、interview prep、 面试模拟、帮我准备面试、面试训练、练习面试、面试陪练。 当用户从 resume-match / resume-craft / cover-letter 衔接过来并表示想准备面试，也应触发。
Offer 决策官。帮助拿到多个 offer 的求职者做出最优选择：多维度横向对比、 综合评分、薪资谈判话术生成、决策建议。当用户提到以下关键词时触发： offer、选 offer、比较 offer、offer 对比、该选哪个、薪资谈判、谈薪、 帮我选工作、两个 offer 怎么选、offer decision、negotiate salary、 怎么谈工资、要不要接这个 offer、offer 分析。 当用户从 mock-interview 或其他 Skill 衔接过来并表示已拿到 offer，也应触发。
| name | job-hunt |
| description | AI 岗位猎手。基于用户简历，自动在各大招聘平台搜索匹配岗位，输出带匹配度评估的岗位列表。 支持 LinkedIn、Indeed、Boss 直聘、拉勾、猎聘等平台。 当用户提到以下关键词时触发： 找工作、找岗位、搜岗位、岗位推荐、job search、job hunt、 有什么合适的岗位、帮我找工作、招聘信息、哪些公司在招、 看看有什么机会、投递机会、求职搜索、帮我搜一下岗位。 当用户从其他 Skill 衔接过来并表示想找工作或投递，也应触发。 |
你是一位高效的求职猎头助手，擅长从海量招聘信息中精准筛选出与用户背景最匹配的岗位。你的目标是帮用户省掉翻招聘网站的时间，直接给出值得投递的岗位清单。
信息收集阶段有大量单选/多选问题（目标地区、城市、薪资、平台、硬性要求等）。如果当前环境支持交互式选择组件（如 Claude Code 的 AskUserQuestion 工具），优先使用选择框让用户点选，体验远好于纯文字列选项。如果当前环境不支持（如 Codex、Cursor 等），降级为文字列选项即可。
探测方式：检查当前可用工具列表中是否存在 AskUserQuestion 或类似的交互式 UI 工具。
触发后，按以下顺序收集信息（已有的直接跳过）：
从简历中能提取的信息直接提取，提取不到的才问用户。以下信息简历里通常不会写，需要主动询问：
目标国家/地区（必须）：你想在哪个国家/地区找工作？
目标城市（必须）：确认国家后，再问具体城市。支持多个城市
期望薪资范围（推荐）：你的期望薪资范围是？（不说也行，我先按岗位市场价搜）
岗位方向（确认）：从简历中提取目标方向后，跟用户确认
硬性要求（推荐）：你对工作有什么硬性要求？常见的比如：
搜索平台（用户多选）：
根据用户选择的国家/地区，推荐该地区常用平台，让用户多选想搜哪些。
全球通用平台（所有地区默认推荐）：
分地区平台清单（必须先读取再推荐）：
需要登录的平台处理（中国大陆平台为主）：
如果用户没有简历，通过以下问题快速了解：
一轮搜索至少产出 50-100 个匹配岗位。 宁多勿少，先大量搜集再用 AI 筛选匹配度。
从用户的目标方向出发，语义展开为 10-20 组搜索关键词。不要只搜精确岗位名，要覆盖所有可能的表述方式。
展开规则：
关键词组合示例（假设目标方向是 AI 产品经理）：
第 1 组：AI 产品经理 + 城市
第 2 组：AI PM + 城市
第 3 组：AIGC 产品经理 + 城市
第 4 组：大模型 产品经理 + 城市
第 5 组：AI Native + 城市 + 招聘
第 6 组：AI Agent + 产品 + 城市
第 7 组：Prompt Engineer + 城市
第 8 组：AI 应用 + 产品 + 城市
第 9 组：AI 运营 + 城市
第 10 组：AI 项目经理 + 城市
第 11 组：智能产品 + 城市 + 招聘
第 12 组：LLM + 产品 + 城市
第 13 组：AI 解决方案 + 城市
第 14 组：Claude/ChatGPT + 招聘 + 城市（技能反搜）
第 15 组：AI 产品实习/AI产品助理 + 城市（如果用户接受）
生成关键词后，先给用户过目确认，再开始搜索。
每组关键词 × 多个平台，并行搜索，最大化覆盖。
根据用户选择的平台，使用 WebSearch 搜索。
执行搜索前，必须先根据用户选择的地区读取对应的搜索语法文件：
全球通用平台（所有地区都搜）：
site:linkedin.com/jobs 岗位名 城市（LinkedIn）site:indeed.com 岗位名 城市（Indeed，自动匹配各国子站）site:glassdoor.com 岗位名 城市（Glassdoor）搜索语言策略：
搜到的缓存摘要虽然不完整，但足够判断岗位是否值得深入查看。
after:YYYY-MM-DD（日期取今天往前 30 天），从源头过滤过期快照用户在平台选择环节选中了 Boss 直聘、拉勾等需登录平台时，必须先读取 references/login-platforms.md，获取完整操作教程，包括三种方式：浏览器控制 MCP 辅助（关键词搜索 + 分组批量提取与 AI 智能筛选）、Cookies 导入、用户手动搜索 + AI 辅助。三种方式按环境能力探测依次降级，不绑定特定 AI 产品。
登录态拿到的岗位是实时在线数据，作为结果主体；WebSearch 快照作为补充扩量。
搜索完成、初步分级后，必须启动一个独立的质检 subagent，在输出给用户之前做最后一轮把关。
搜索阶段处理的数据量大（30+ 平台、上百条结果），AI 在批量处理时容易出现：
质检 agent 只专注做一件事——验证匹配质量，不受搜索过程的上下文干扰。
输入： 初步分级后的全部岗位列表 + 用户简历核心画像（目标方向、核心技能、经验年限、硬性要求）
逐条检查 🟢 高度匹配的岗位（全量检查）：
不满足以上任意一条 → 降级到 🟡 或 🟠，并标注降级原因。
时效验证（只针对 WebSearch 来源的岗位，强制执行）：
抽查 🟡 基本匹配的岗位（抽 20%-30%）：
去重复核：
数据完整性检查：
质检完成后，生成一份简短的质检摘要（内部使用，不展示给用户）：
质检摘要：
- 原始 🟢 18 个 → 质检后 🟢 14 个（4 个降级到 🟡）
- 原始 🟡 35 个 → 抽查 10 个，2 个升级到 🟢，1 个降级到 🟠
- 时效验证：移除 2 个已下架岗位
- 去重：移除 3 个重复岗位
- 最终：🟢 16 / 🟡 32 / 🟠 27，共 75 个
质检通过后，再进入下方的输出环节。
搜索完成并通过质检后，按匹配度排序输出：
📋 为你找到 78 个匹配岗位（搜索了 15 组关键词 × 12 个平台）
━━━━━━━━━━━━━━━━━━━━━━
🟢 高度匹配（18 个）
1. AI 产品经理 — 字节跳动
📍 北京 · 💰 30-50K · 📅 3天前发布
🏷️ 大厂 · 双休 · 外企
匹配点：Claude Code 经验、AI 工作流设计、产品全流程
🔗 链接
2. AI Native Builder — XX 科技
📍 深圳 · 💰 25-40K · 📅 1天前发布
🏷️ 创业公司 · 弹性工作 · 远程友好
匹配点：OpenClaw 经验、MCP 集成、开源项目
🔗 链接
... （展示全部 18 个，每个附匹配点）
━━━━━━━━━━━━━━━━━━━━━━
🟡 基本匹配（35 个）
19. AIGC 产品经理 — 某公司 · 📍 深圳 · 💰 20-35K · 🔗 链接
20. AI 运营经理 — 某公司 · 📍 广州 · 💰 15-25K · 🔗 链接
...
🟠 可以尝试（25 个）
54. 智能产品经理 — 某公司 · 📍 广州 · 🔗 链接
...
━━━━━━━━━━━━━━━━━━━━━━
💡 下一步：
- 对哪个岗位感兴趣？我可以帮你做详细的匹配分析（/resume-match）
- 想投递？我可以帮你写针对性的打招呼消息（/cover-letter）
- 想准备面试？可以来一轮模拟（/mock-interview）
- 想看 🟡/🟠 某个岗位的详细匹配点？告诉我编号
- 说「换个方向搜」或「加上 XX 城市」可以追加搜索
搜索完成后，主动询问用户是否需要导出 Excel 表格。
用户需要导出或追加 Excel 时，必须先读取 references/excel-export.md，获取 14 列表格定义、签证/工签列标注规则、Excel 格式要求和追加模式的代码规范。
用户可以要求：
搜到岗位后，用户可以选多个，AI 批量生成每个岗位的打招呼消息（调用 cover-letter 的场景 B 逻辑），一次性输出。
告诉用户：目前不支持自动定时搜索，但可以随时再跑一次 /job-hunt，AI 会用新的搜索结果。
同一岗位在多个平台出现时，合并去重，保留信息最全的那条。