菜单
cheat-on-skill 的首次 onboarding。盘点用户能力（现有技能/可迁移底子/学历经验/每周可学时间/能坚持几个月/学习能力自评/地区/目标薪资/转型紧迫度），判定起点档位，创建 .skill-state.json 状态文件，是 skill-scan / skill-plan 的前置。触发词："能力盘点"/"我想转AI相关工作"/"找AI时代高薪工作"/"skill init"/"职业转型初始化"。**当用户想找/规划 AI 时代工作但 .skill-state.json 不存在时，先路由到此。**
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
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。
cheat-on-skill 的核心。连 BOSS 直聘真实招聘数据 + 网页信号，按用户能力画像找「高薪 × 你学得动 × AI 增强」交集里的候选岗位。每个岗位给：薪资量级 / 需求热度 / 你的差距 / 可学性分 / 诚实学习周期，并过 AI 影响分类与反诈红线。触发词："帮我找岗位"/"找AI时代高薪工作"/"有什么我能学的高薪岗"/"skill scan"/"扫一遍招聘"。前置：需要 .skill-state.json（无则先路由到 skill-init）。
cheat-on-skill 的陪跑进度 skill。用户问“今天该干嘛”“我现在做到哪了”“继续学”“打卡”“我卡住了”“下一步是什么”时触发。读取 .skill-state.json 的 active.progress 和 learning_plan，给当天任务、检查完成情况、记录进度、根据快慢调整计划。前置：已有 .skill-state.json 且 active.learning_plan 存在。
基于 SOC 职业分类
| name | skill-init |
| description | cheat-on-skill 的首次 onboarding。盘点用户能力（现有技能/可迁移底子/学历经验/每周可学时间/能坚持几个月/学习能力自评/地区/目标薪资/转型紧迫度），判定起点档位，创建 .skill-state.json 状态文件，是 skill-scan / skill-plan 的前置。触发词："能力盘点"/"我想转AI相关工作"/"找AI时代高薪工作"/"skill init"/"职业转型初始化"。**当用户想找/规划 AI 时代工作但 .skill-state.json 不存在时，先路由到此。** |
| argument-hint | |
| allowed-tools | Bash(*), Read, Write, Edit, Glob, Skill |
把用户从"我想找个 AI 时代的高薪工作"带到"有了一份清晰能力画像、可以开始找岗位"，全程 ≤ 5 分钟。
这套工具的差异点不是"列高薪职业"，是 能力匹配 + 可学性闸门 + 真实招聘数据 + 反诈。 所以 init 的目标不是给岗位，而是先建立"值得学 = 对你值得学"的前提：没有能力画像，任何高薪岗位都是别人的画饼。
[用户首次说"我想找AI时代的高薪工作"]
→ Phase 0: 检测 .skill-state.json 是否存在
→ Phase 1: 首屏文案（期望管理 + 反诈承诺）
→ Phase 2: 能力盘点 7 问（一次问完，允许"不确定"）
→ Phase 2.5: 起点档位识别（S0–S3）
→ Phase 3: 写入 .skill-state.json
→ Phase 4: 下一步清单
test -f .skill-state.json && echo EXISTS || echo MISSING
第 1、2 题重点提炼可迁移能力（transferable），写进 state，scan 时用它缩小差距。
读 ../../shared-references/role-tiers.md，按"可迁移底子 × 可投入资源 × 学习能力"归到 S0/S1/S2/S3：
不确定就低不就高。判完明确告诉用户判成哪档、为什么，说"你比我更懂自己，可以改"。把
start_tier+tier_reason写进 state。
读 ../../templates/skill-state.template.json，填入答案（含 start_tier/tier_reason/transferable）。
写入前先用系统时间取当前时间和本机时区（不要写死任何固定城市/时区，一律跟用户的系统走）：
date '+%Y-%m-%d %H:%M %Z %z' # 当前时间 + 时区缩写 + UTC 偏移（如 CST +0800）
readlink /etc/localtime 2>/dev/null | sed 's#.*/zoneinfo/##' # IANA 时区 ID（如 Asia/Shanghai；读不到就留空让用户确认）
created_at 写当天日期（YYYY-MM-DD），created_at_full 写具体时间和时区（用上面读到的，例：2026-06-26 22:06 CST +0800），timezone_id 写读到的 IANA 时区 ID（如 Asia/Shanghai），timezone_label 写对应的本地时区名（如 中国标准时间）。给用户展示时用本机时区，不要写死成某个国家的时间。写到当前工作目录的 .skill-state.json。删掉 candidate_roles 里的示例项。
告诉用户现在可以说：
skill-scan（连 BOSS + 网页信号，按你的画像找「高薪 × 可学 × AI 增强」候选岗位）skill-plan