| name | skill-plan |
| description | cheat-on-skill 的核心。为用户选定的某个候选岗位生成个性化学习策略：差距分析 → 分阶段学习路径（资源+里程碑）→ 作品集清单 → 求职时间线 → 止损线。强调 AI 加速学习、诚实周期、可验证里程碑。触发词："我选XX做学习计划"/"这个岗位怎么学"/"给我学习路径"/"skill plan"/"制定转型策略"。前置：该岗位最好已在 skill-scan 的 candidate_roles 里、判定为可学。 |
| argument-hint | <选定的岗位名称> |
| allowed-tools | Bash(*), Read, Write, Edit, Glob, WebSearch, WebFetch, Skill |
/skill-plan — 个性化学习策略（差距 → 路径 → 上岸）
把一个目标岗位变成"以你的起点 + 每周时间，几个月内能学到能投简历"的可执行学习计划。
前置检查
- 读
.skill-state.json 找该岗位。若不在 candidate_roles 或可学性判定为 ❌ 劝退/⛔ 吃力，先提醒用户回 skill-scan 重选或确认，别硬做注定挫败的计划。
- 若该岗位牵涉付费培训/内推，先确认它过了
../../shared-references/anti-scam-rubric.md；命中红线先劝退。
- 读
../../shared-references/learnability-rubric.md（差距维度对齐）和 role-tiers.md（起步动作按档位）。
学习策略必含 6 块
-
差距分析（最重要）：把目标岗位 JD 要求 − 用户已有能力 = 要补的清单，逐条列，标出哪些可迁移（已有，略学即可）、哪些要从头学。差距清单决定整个计划，别跳过。
-
分阶段学习路径：拆成 2–4 个阶段，每阶段有：
- 目标（学完能做什么，可验证）
- 具体内容 + 推荐资源类型（优先免费/低成本 + 边学边做；要推具体课程/资源时用 WebSearch 查当下真实可得的，加年份，别凭记忆给可能失效的链接）
- AI 加速点：这一阶段怎么用 AI 当私教 / 用 AI 编程 / 用 AI 出作品，把学习曲线压短（这是 AI 时代学习的题眼，别让"用 AI"停在口号）
- 时间盒（以用户每周 N 小时算，这阶段几周）
-
作品集清单：列 2–4 件能放进简历/能演示的作品（按档位：S0 工具熟练度作品；S1 旧技能 ×AI 重做；S2 GitHub 可跑项目；S3 解决本行业真实痛点的 demo）。作品比证书值钱——它证明你真能干。
-
求职时间线：第几周开始投简历、投哪些渠道、面试要准备什么。明确"不必等全学完才投"——边投边补。
-
止损线：满足什么条件该停下复盘或调整（例：投 30 份 0 面试 / 学了 X 周完全跟不上 / 出现反诈红线）。给转型留个清醒的退出判断。
-
诚实周期与预期：以用户每周时间算，几个月到能投、几个月可能拿 offer。明说这是真实投入不是速成，不画饼。
需要时用 WebSearch 查该岗位当下的真实学习路径/主流工具栈/招聘要求（加年份），别给过时方案。
落盘（含「预期」——这是日后复盘对账的起点）
写入前先用系统时间取当前时间：
date '+%Y-%m-%d %H:%M %Z %z'
所有报告和状态记录必须带具体时间与时区，跟用户系统时区走。内部记录可用 2026-06-26 22:06 CST +0800；用户报告展示为 2026-06-26 22:06（本机时区 + UTC 偏移，如 中国标准时间 CST，UTC+8）。不要写死成某个固定国家的时间。
把策略写入 .skill-state.json 的 active（chosen_id / started_at=今天 / learning_plan），该岗位 status 改为 learning。
同时写 active.prediction：预计每周投入小时、预计几个月到能投简历、作品集清单、止损线（recorded_at=今天日期，recorded_at_full=具体时间和时区）。
这份预期写完别改——日后复盘拿"实际"和它对账，才能看清计划准不准、要不要调。
报告与存档收尾
学习计划生成后，不要直接结束。先问用户：
"如果这版方向和计划没问题，我可以帮你存档，并生成一份完整报告。推荐形式是 Markdown 源文件 + 可选 Word 版：Markdown 方便后续迭代，Word 方便发送/打印。你要现在生成吗？"
默认不要把 Markdown/HTML 作为用户交付物。对普通用户来说，看到代码或标记语法会困惑。
若用户同意，生成两类内容：
- 内部归档：继续写入
.skill-state.json；必要时生成 reports/internal/<YYYY-MM-DD>-<target-slug>.md 作为 agent 可维护的结构化存档，但不要把它作为主交付给用户。
- 用户阅读版源稿：先生成
reports/<YYYY-MM-DD>-<中文标题>-用户版.txt，用自然语言写成外行人也能读懂的完整报告。不要包含 HTML/CSS/Markdown 语法，不要要求用户用浏览器打开。
报告正文必须写 生成时间：YYYY-MM-DD HH:mm（本机时区名 缩写，UTC 偏移），跟用户系统时区走，不要只写日期、也不要写死某国时间。示例：生成时间：2026-06-26 22:06（中国标准时间 CST，UTC+8）。
导出与交付规则：
- 默认优先把用户阅读版导出成
reports/<YYYY-MM-DD>-<中文标题>-用户版.docx。
- 如果
.docx 导出成功，只告知 Word 文件保存路径，并打开文档所在文件夹让用户自己双击 Word 文件；不要再额外生成或展示 .rtf / .txt 作为主交付。可以补一句：“如需纯文本或 RTF，我也可以再导出。”
- 如果
.docx 导出失败，再导出 .txt 和 .rtf，告知两个文件路径，并同样打开所在文件夹。
- 不要依赖聊天界面的文件卡片或 Google Docs 打开方式；对中国用户默认按“本地文件夹 + Word 文档”交付。
- 给用户的收尾话术必须包含保存目录，例如：
报告已保存到 <abs-path>/reports/，我已打开这个文件夹，你可以直接双击 Word 文档查看。
.docx 成功导出后的最终用户话术应包含：
报告已经生成好了。保存目录：<abs-path>/reports/Word 报告文件：<abs-path>/reports/<报告名>.docx我已经帮你打开了报告所在文件夹，你可以直接双击这个 Word 文档查看。这份报告里面包括： 后列出推荐方向、招聘信息结论、推荐岗位排序、暂不建议主攻的岗位、需要补的能力、学习计划、作品集建议、反诈和止损线、下一步行动。如果你想要 txt 版或 RTF 版，我也可以再导出。💡 后面你执行计划时，如果进度比预期快、慢，或者投递反馈和我们预判的不一样，我会根据实际情况帮你调整计划，不会让你死磕一版固定路线。
报告交付后不要停在"文件已生成"。必须自然进入陪跑模式，对用户说：
"从现在起，你可以跟着我一起学。我会按这份计划一步一步带你做，不需要你自己判断下一步该学什么。我们先从第 1 周第 1 天开始：选定主工具，并跑通第一个最简单的 AI 问答/资料整理小工具。"
然后立即开始第 1 个训练任务，除非用户明确说暂停：
- 说明今天只做 2-3 件事，降低焦虑。
- 让用户在
扣子/Coze 和 Dify 中选一个主工具；若用户不确定，默认建议先选 扣子/Coze，因为新手更容易跑通智能体和工作流。
- 给出当天完成标准：能打开工具、创建一个简单机器人/应用、输入一段文字并得到稳定格式输出。
- 告诉用户完成后回来发截图/描述/报错，由 agent 继续带下一步。
报告结构建议：
- 一页摘要：推荐方向、周期、目标薪资区间、首要作品。
- 用户画像：起点档位、可迁移能力、约束条件。
- 招聘信号：BOSS 搜索关键词、已看页数、已读 JD、薪资量级、岗位模式。
- 推荐岗位簇：为什么选这个方向，哪些岗位作为锚点。
- 差距分析：已有能力、要补能力、暂不硬冲能力。
- 10 周学习与投递计划：阶段、里程碑、每周任务。
- 作品集规格：每个作品的输入、流程、输出、演示材料。
- 求职动作：关键词、投递节奏、面试准备。
- 止损线与反诈红线。
- 下一次复盘问题。
普通收尾
- 提示用户：按阶段执行，到里程碑或卡住时回来调整（skill-retro 待建，可先手动更新 retro_log）。
- 再次强调止损线和反诈红线：任何"交钱包就业/分期贷款学"的，立刻停。
