job-screener-engine

对用户提供的岗位机会进行结构化评估,输出多维量化评分和行动建议。

Safety Notice

This listing is from the official public ClawHub registry. Review SKILL.md and referenced scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "job-screener-engine" with this command: npx skills add calmdowntr/job-screener-engine

Job Screener Engine — 岗位筛选通用引擎

对用户提供的岗位机会进行结构化评估,输出量化评分和行动建议。 此版本为通用引擎,所有阈值和偏好均可通过 user_profile.md 自定义。


首次使用(必须执行)

在第一次运行之前,请引导用户完成配置:

  1. 检查 references/user_profile.TEMPLATE.md 是否存在
  2. 告诉用户需要填写以下信息:
    • Base 薪资底线、期望薪资
    • 核心技术方向(如 Agent/LLM / 前端 / 后端 / 嵌入式等)
    • 偏好的公司类型(如大厂 / 外企 / 国企 / 创业公司等)
    • 工作节奏要求
    • 目标城市
  3. 询问用户:"要不要我帮你用问答的方式生成 user_profile.md?"
    • 如果用户同意,根据 references/setup_wizard.md 逐一提问
    • 如果用户拒绝,告诉用户参考 TEMPLATE 自行填写
  4. 用户有 user_profile.md 后才执行正式评估

触发条件

当用户提供以下信息时自动触发:

  • 公司名称 + 岗位名称
  • JD 链接或截图内容
  • Boss 直聘等平台的岗位信息
  • "帮我看看这个岗位"、"值得投吗"等意图表达

工作流程

Step 1:解析用户输入

从用户消息中提取:

  • 公司名称
  • 岗位名称
  • JD 内容(如有)
  • 薪资区间(如有)
  • 其他用户已知信息

Step 2:信息收集

使用 web_search 补充以下信息:

  1. 公司基本面(必须搜索)

    • 搜索:[公司名] 融资[公司名] 上市
    • 目标:融资轮次、员工规模、成立时间
  2. 工作文化与口碑(必须搜索)

    • 搜索:[公司名] 工作体验 加班[公司名] 评价
    • 目标:加班情况、双休、管理评价
  3. 行业信号(如有时间则搜索)

    • 搜索:[公司名] 最新消息[公司名] 新闻
    • 目标:近期重大新闻、行业趋势

Step 3:一票否决预检

读取 references/user_profile.md 获取用户的一票否决条件,检查是否触发。 若触发则直接判定 ❌,跳到 Step 6 输出报告(总分栏写「一票否决」)。

默认一票否决条件(用户可在 user_profile.md 中覆盖):

  • Base 低于用户底线且无谈判空间
  • 明确 996 或严重内卷文化
  • 公司有严重负面新闻
  • 岗位与用户技术方向完全无关

Step 4:评分

读取 references/scoring_framework.md 获取评分框架和标准。 同时读取 references/user_profile.md 获取用户的自定义权重和阈值。

按六个维度打分(满分100):

维度默认权重说明
薪资匹配度18分对比用户 Base 底线
公司规模与规范度20分融资/规模/管理
技术成长空间15分与用户技术方向的匹配
工作节奏与心理适配度15分加班/管理风格
稳定性20分资金来源判断
区域居住可行性12分区域生活适配

评分规则:

  • 有明确信息的维度:按标准打分
  • 信息不足的维度:按中间值处理,并在输出中标注「信息不足」

Step 5:信息不足处理

如果关键维度(薪资、公司规模、工作节奏)信息不足:

  • 列出需要用户补充的具体问题(最多3个)
  • 使用简洁格式提问
  • 用户无法补充则按中间值处理

Step 6:输出评估报告

使用以下格式输出:

## 📋 岗位评估 | [公司名] - [岗位名]

### 基本信息
- **薪资:** [区间/面议]
- **公司规模:** [轮次/人数/上市情况]
- **地点:** [城市]
- **信息来源:** [用户提供的 + 搜索补充的]

### 评分明细

| 维度 | 分值 | 说明 |
|------|------|------|
| 薪资匹配度 | X/18 | [一句话理由] |
| 公司规模 | X/20 | [一句话理由] |
| 技术成长 | X/15 | [一句话理由] |
| 工作节奏 | X/15 | [一句话理由] |
| 稳定性 | X/20 | [一句话理由] |
| 区域可行性 | X/12 | [一句话理由] |
| **总分** | **X/100** | |

### 判定:[⭐强烈推荐 / ✅推荐投递 / ⚠️可以考虑 / 🔶勉强可投 / ❌不建议]

### 重要程度:[S / A / B / C]

### 行动建议
[1-3条具体建议]

### 面试练手建议
[高价值 / 中等价值 / 低价值]

**高价值:** 岗位与用户技术方向相关,公司愿意给面试,即使不会接受 offer 也值得练手。
**中等价值:** 岗位部分相关,或薪资/稳定性有明显短板,但面试经验仍可积累。
**低价值:** 岗位完全不相关,或公司有严重问题(996/诈骗/传销),不值得花时间。

> **注意:** "❌不建议入职" ≠ "不值得面试"。本字段独立评估面试练手价值。

### ⚠️ 风险提示(如有)
[列出需要面试时重点验证的问题]

Step 7:同分排序(多个岗位对比时)

当两个岗位总分接近(差值≤5分)时,参照 references/user_profile.md 中的"同分排序规则"进行优先级排序。


注意事项

  • 不替用户做最终决定,只提供量化依据和建议
  • 薪资以 Base 为准,年终奖/期权不作为达标条件
  • 信息不足时诚实标注,不猜测不编造
  • 多个岗位同时评估时,输出对比表格便于用户排序
  • 保持客观,不因用户对某公司有好感而抬高分数
  • 用户未配置 user_profile.md 时:先执行配置向导,不评估

参考资料

  • references/scoring_framework.md — 评分框架与维度标准
  • references/setup_wizard.md — 首次配置引导
  • references/info_checklist.md — 信息收集清单
  • references/user_profile.md — 用户画像(需用户自行填写)
  • references/user_profile.TEMPLATE.md — 用户画像模板

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Related Skills

Related by shared tags or category signals.

General

微信读书 AI 阅读助手

微信读书 AI 阅读助手 - 扫码登录、阅读进度跟踪、章节内容存档、AI 对话

Registry SourceRecently Updated
General

SS Requirements to Teambition

从 SaleSmartly 客服会话中自动采集带标签的对话,经 AI 分析提取需求,创建 Teambition 任务。用于客服反馈→需求管理自动化。触发词:SS需求采集、客服需求整理、SaleSmartly会话转任务、聊天记录转需求、客户反馈建任务、采集会话创建TB任务。当用户想把 SaleSmartly 中的客...

Registry SourceRecently Updated
General

国际形势分析智能体

专业中立的现代国际形势分析智能体,聚焦2020年至今全球地缘政治、大国关系、国际经济、安全格局、热点冲突、全球治理六大领域。基于权威信源输出严谨、客观、结构化分析。触发词:国际形势分析、地缘政治、大国关系、中美关系、俄乌冲突、台海局势、南海问题、全球安全、国际经济格局、全球治理。支持全景分析、专题深度分析、热点事...

Registry SourceRecently Updated
General

PlantUML

Generate UML diagrams (use case, class, sequence, activity, state, component, deployment, object, timing, and more) using PlantUML. Use when the user asks to...

Registry SourceRecently Updated