本文へ移動
cccskills
無料GitHub で公開

skill-init

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。**

インストール方法を見る

含まれるファイル(1)

  • SKILL.md5.2 KB

SKILL.md(原文)

インストールする前に、エージェントに与えられる指示の中身を確認できます。

/skill-init — cheat-on-skill 首次 onboarding(能力盘点)

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。

设计哲学(必须先认同)

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。

Overview

[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

Phase 0 — 检测状态

test -f .skill-state.json && echo EXISTS || echo MISSING
  • 已存在:告诉用户已初始化,问要不要更新画像(走 Edit),否则路由到 skill-scan。
  • 不存在:继续。

Phase 1 — 首屏文案(原样表达这几点)

  • 这工具不会给你"AI 高薪职业 Top10"那种水文清单——那些利益不中立,多是卖课漏斗。
  • 我会做四件别人不做的事:① 按你的真实底子匹配岗位,不给通用清单 ② 用 BOSS 直聘真实招聘数据看哪些 AI 岗在招、给多少 ③ 给每个岗位算"以你的起点学得动吗"的可学性分 ④ 培训贷/包就业/付费内推一律过反诈红线淘汰。
  • 转型通常要几个月的真实投入,不是"30 天速成"。认同我们再往下。

Phase 2 — 能力盘点 7 问(一次性问完,允许"不确定"记 null)

  1. 你现在的技能/职业是什么?(写作/运营/设计/销售/编程/数据/外语/财会/某行业专业…)——这是迁移的本钱。
  2. 想转的方向沾边吗?(完全跨行 / 用旧技能升级 / 不确定)——决定跨度大小。
  3. 学历 + 工作年限?(部分 AI 岗有学历或经验门槛,得提前知道哪些够不着)
  4. 每周能稳定投入几小时学习?能坚持几个月?——时间预算是可学性的硬约束。
  5. 学习能力/自驱自评?(容易坚持 / 需要督促 / 自学过新东西吗)——用于周期估计乐观还是保守。
  6. 所在地区 + 目标薪资?(影响城市岗位密度和现实预期)
  7. 转型紧迫度?(在职慢慢转 / 急需尽快上岸)——影响是稳扎稳打还是先够一个跳板岗。

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。

Phase 2.5 — 起点档位识别(关键)

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:

  • 有行业纵深(医疗/法律/金融/教育等)+ 愿学 AI → 倾向 S3
  • 会编程/数据 或愿系统学编程 → S2
  • 有内容/运营/设计/销售/外语等软底子、会用 AI 工具 → S1
  • 跨度大、零相关底子 → S0

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。

Phase 3 — 写入状态文件

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。

Phase 4 — 下一步清单

告诉用户现在可以说:

  • "帮我找岗位" → 走 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)
  • "我选 XX 这个岗位,做学习计划" → 走 skill-plan

レビュー

まだレビューはありません。使ってみた感想をお寄せください。

同じリポジトリのスキル

概要と使いどころ

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。

日本語の概要は準備中です。原文の説明を表示しています。

XBuilderLAB/cheat-on-skill1942026年6月27日 更新

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)。

日本語の概要は準備中です。原文の説明を表示しています。

XBuilderLAB/cheat-on-skill1942026年6月27日 更新

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。

日本語の概要は準備中です。原文の説明を表示しています。

XBuilderLAB/cheat-on-skill1942026年6月27日 更新

XBuilderLAB のスキルをすべて見る

このスキルの問題を報告する