← 返回 Skills 市场
117
总下载
1
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install jobhound
功能描述
求职陪跑全流程助手——覆盖简历解析、岗位发现与评估、定制简历生成、 面试全阶段准备(自我介绍/JD拆解、岗位背景调研、面试押题、模拟面试、 笔试准备)、面试复盘、Offer评估与薪资谈判、投递跟踪管理。 适用于中国校招/实习市场(牛客网、实习僧、BOSS直聘、拉勾等), 也适配其他地区。覆盖产品经理、运营、市场、...
使用说明 (SKILL.md)
\r \r
JobHound — 求职陪跑系统\r
\r 端到端求职陪跑助手。从发现机会到拿到 Offer,全流程陪伴。\r 覆盖产品经理、运营、市场、技术、设计等各方向。\r \r
触发条件\r
\r
- 简历相关:解析简历、生成简历、定制简历、改简历\r
- 求职相关:找工作、搜实习、岗位筛选、投递、内推\r
- 面试相关:面试准备、自我介绍、岗位调研、面试押题、模拟面试、笔试准备、群面、面试复盘\r
- 决策相关:Offer 评估、薪资谈判、多个 Offer 对比\r
- 管理相关:投递跟踪、申请管理、STAR 故事库管理\r \r
全流程概览\r
\r
简历解析 → 岗位发现 → 投递策略 → 简历定制 → 面试准备 → 面试实战 → 复盘 → Offer决策\r
① ② ③ ④ ⑤ ⑥ ⑦ ⑧\r
```\r
\r
各阶段独立可调用,用户可能从任意阶段切入。\r
\r
---\r
\r
## ⚡ 全局规则:跨会话记忆(所有阶段必须遵守)\r
\r
**每次执行前**:读取 `{workspace}/memory/MEMORY.md`,了解候选人画像、投递进度、面试弱点、STAR 故事库。无 MEMORY.md 则从阶段 ① 开始建立。\r
\r
**每次执行后**:更新 `{workspace}/memory/MEMORY.md` 的对应段落(投递记录/弱点清单/故事库索引/市场参考)。\r
\r
### MEMORY.md 结构\r
\r
```\r
# JobHound 候选人记忆\r
## 画像摘要(姓名、学校、专业、届次、核心技能、求职方向 — 从 cv.md 提炼)\r
## 投递进度表(日期 | 公司 | 岗位 | 评级 | 状态)\r
## 面试记录(每家公司:时间/轮次/问了什么/表现/改进)\r
## 弱点清单\r
## STAR 故事库索引(见 references/star-bank-template.md)\r
## 市场参考\r
```\r
\r
---\r
\r
## 阶段 ①:简历解析与候选人画像\r
\r
1. 若用户提供 PDF 简厉,用 `pdf` skill 解析\r
2. 结构化提取:基本信息、工作经历、项目经历、技能(按类别分组)、证书荣誉\r
3. 生成 `cv.md` 和 `config/profile.yml`(目标方向、城市偏好、薪资期望、求职阶段、毕业年份)\r
4. 更新 MEMORY.md 画像摘要\r
5. **通用化原则**:不假设只投一个方向;用「岗位方向」而非「岗位名称」描述目标\r
\r
---\r
\r
## 阶段 ②:岗位发现与 A-G 评估\r
\r
详细评估框架见 `references/a-g-matrix.md`。\r
\r
### 岗位发现(目标 100+ 个)\r
\r
4 轮搜索矩阵:\r
\r
| 轮次 | 策略 | 目标 |\r
|------|------|------|\r
| 第1轮 | 核心关键词 × 城市 × 平台组合搜索 | 30-40个 |\r
| 第2轮 | 平台定向搜索(实习僧/牛客/BOSS/拉勾/官网/公众号) | 30-40个 |\r
| 第3轮 | 公司名单扩散(同行业/竞品/关联赛道) | 20-30个 |\r
| 第4轮 | 长尾补充(汇总帖/学长去哪了/行业招聘帖) | 10-20个 |\r
\r
**规则**:每个搜索取前 10-15 结果 → 去重检查 `data/scan-history.tsv` → 实时计数 → 未达 100 继续下一轮\r
\r
### A-G 评估(五维度,各 0-20 分,满分 100)\r
\r
1. 角色匹配度 2. 技能匹配度 3. 地点适配度 4. 经验契合度 5. 行业相关性\r
\r
另加独立竞争度评估(1-5 星),综合推荐指数 = 匹配度 × 竞争度权重。\r
\r
| 等级 | 分数 | 操作 |\r
|------|------|------|\r
| A | 90-100 | 立即投递 + 定制简历 + 面试准备 |\r
| B+ | 80-89 | 优先投递 |\r
| B | 70-79 | 建议投递 |\r
| C-D-G | \x3C70 | 自动剔除 |\r
\r
**剔除条件**:过期、层级错误(高级/总监)、地区错误、重复、虚假、毕业年份不符、海笔海面公司、薪资严重偏离。\r
\r
**输出**:`reports/{date}_A-G_evaluation.md`\r
\r
---\r
\r
## 阶段 ③:投递策略与内推\r
\r
### 投递组合\r
\r
| 档位 | 占比 | 说明 |\r
|------|------|------|\r
| 冲刺档(A级) | 20% | 最想去,全力准备 |\r
| 核心档(B+) | 50% | 大概率拿到 |\r
| 保底档(B) | 20% | 确保有 offer |\r
| 练手档(B) | 10% | 积累经验 |\r
\r
**节奏**:每周 5-10 个,周二至周四上午投递回复率最高。批次管理——第一波 5 个,面完再调整。\r
\r
### 内推渠道与消息模板\r
\r
```\r
您好!我是{学校}{专业}{届}学生{姓名},对{岗位}很感兴趣。\r
我在{相关经历}中有{核心成果},觉得和这个岗位很匹配。\r
方便帮忙内推一下吗?简历已附上,非常感谢!\r
```\r
\r
内推来源:牛客内推专区 / 脉脉 / 校园群 / 公众号搜索「公司名+内推」 / BOSS直聘内推岗\r
\r
### 校招时间线\r
\r
| 时间 | 阶段 | 重点 |\r
|------|------|------|\r
| 8-11月 | 秋招 | 主力冲刺 |\r
| 12-2月 | 寒假 | 补录 + 春招提前 |\r
| 3-5月 | 春招 | 抓紧投递 |\r
| 4-6月 | 暑期实习 | 转正机会 + 秋招经验 |\r
\r
---\r
\r
## 阶段 ④:定制简历生成\r
\r
1. 分析岗位要求 vs 候选人优势,找出核心卖点\r
2. 选风格:产品/技术(突出数据成果)、运营/市场(突出增长活动)、设计(突出作品集)、通用型(平衡展示)\r
3. 用 `assets/resume-template.html` 模板定制\r
4. 最强匹配点开场、动词开头+量化成果、控制一页 A4\r
\r
**输出**:`output/{name}_{position}_简历.html`\r
\r
---\r
\r
## 阶段 ⑤:面试准备(核心陪跑能力)\r
\r
进入此阶段前确保 STAR 故事库已建好(见下方 STAR 故事银行模块)。\r
\r
### ⭐ STAR 故事银行\r
\r
详见 `references/star-bank-template.md`。\r
\r
从 cv.md 经历中提炼 8-12 个可复用 STAR 故事(S情境/T任务/A行动/R结果),标注可适配题型。\r
\r
**覆盖率检查**:领导力、数据驱动、攻坚克难、创新从0到1、跨部门协作冲突解决、用户洞察需求分析、项目管理推进、失败复盘、快速学习适应。\r
\r
保存至 `output/STAR故事银行.md`。\r
\r
### ⑤-A:JD 拆解与自我介绍\r
\r
从 JD 中识别 **3 个核心能力/特质**(藏在岗位职责和任职要求的交集处),围绕它组织自我介绍:\r
\r
**结构**:总(30s)→分(3特质各45s)→总(30s收尾),总时长 2-3 分钟\r
**格式**:「第一个,【特质】。我在【经历】做了【某事】,结果是【成果」。」\r
\r
**禁忌**:不要背诵简历,不要泛泛而谈,每点都要有具体故事。\r
\r
### ⑤-B:岗位背景调研\r
\r
**三层调研**:\r
- **公司层**:最新动态、业务板块、文化价值观、竞品(3-5家)\r
- **业务层**:核心产品/服务、目标用户、商业模式、挑战机遇\r
- **岗位层**:团队角色定位、日常工作、考核指标、晋升路径\r
\r
**⭐ 必须搜索面经**(牛客/小红书/知乎/脉脉):提取面试流程、面试官风格、高频问题、薪资信息。\r
\r
**输出**:`output/{company}_岗位背景调研.md`\r
\r
### ⑤-C:面试押题\r
\r
**四类押题**:\r
\r
1. **⭐ 面经真题(必须执行)**:从牛客/小红书/知乎/脉脉提取真实被问问题,按频率排序\r
2. **JD 原题**:JD 要求直接转问题\r
3. **岗位类型经典题**:产品(产品设计/效果评估/需求冲突)、运营(0到1/增长活动/DAU排查)、市场(推广方案/ROI/竞品分析)、技术(SQL/算法/建模)、AI(大模型落地/AI工具体验)、设计(满意作品/平衡美观可用性/调研方法)\r
4. **行为面试题**:从 STAR 库匹配答案\r
\r
**每题输出格式**:题目 + 出题概率 + 考察点 + 回答框架(STAR) + 建议回答 + 避坑提醒\r
\r
**输出**:`output/{company}_{position}_面试押题.md`\r
\r
### ⑤-D:笔试/测评准备\r
\r
覆盖类型:行测(逻辑推理/数量关系/言语理解/资料分析)、产品运营笔试、市场笔试、技术笔试(SQL/Python/算法)、群面\r
\r
**⭐ 必须搜索面经**获取题型/题量/时间/难度/通过标准。\r
\r
**输出**:`output/{company}_笔试准备.md`\r
\r
### ⑤-E:模拟面试\r
\r
**流程(30-45min)**:破冰(2-3min) → 自我介绍(2-3min) → 行为面试(10-15min) → 专业面试(10-15min) → 反问(3-5min)\r
\r
**规则**:根据公司调风格 → 从简单到难 → **必须追问细节** → 每题即时反馈(1-10分) → **基于面经出题**\r
\r
**输出**:雷达图评分(沟通表达/专业深度/逻辑思维/岗位匹配/应变能力)+ 逐题回顾 + Top3 改进项\r
\r
### ⑤-F:群面准备\r
\r
角色选择(Leader/TimeKeeper/总结者/智囊)+ 发言时机(前3个发言)+ 四种常见题型(优先级排序/方案设计/资源分配/两难选择)\r
\r
**必须搜索面经**获取该公司群面偏好。\r
\r
---\r
\r
## 阶段 ⑥:面试复盘\r
\r
用户告知面试经历后执行:\r
\r
1. 整理问题列表\r
2. 逐题回答质量评估(对照 STAR 库判断是否用了最佳故事)\r
3. 亮点 + 改进清单\r
4. 推测下一轮可能考什么\r
5. 更新 STAR 库(替换效果差的故事)\r
6. **面经反哺**:整理真实问题回 `output/{company}_面经笔记.md`\r
\r
**特殊场景**:泡池子(1-2周后礼貌询问)/ OC(不立刻接受,给自己1-2天考虑)/ 被拒(更新弱点清单调整策略)\r
\r
**输出**:`output/{company}_面试复盘_{round}.md`\r
\r
---\r
\r
## 阶段 ⑦:Offer 评估与薪资谈判\r
\r
### 薪资包拆解\r
\r
月薪(税前/税后)+ 年终奖月数(guaranteed?) + 股票期权(归属周期/行权条件) + 签字费(需退还?) + 搬家补贴 + 公积金(12%vs7%) + 五险一金基数 + 补贴福利\r
\r
### 多 Offer 对比\r
\r
加权对比表:薪资总量 / 业务成长性 / 团队导师 / 简历加成 / 工作生活平衡 / 城市偏好 → 加权总分\r
\r
### 谈判策略\r
\r
手上有其他 offer 时最有底气。话术:「我很喜欢这个团队,但手上有另一个 offer 待遇会好一些,想看看这边是否有调整空间?」提前想好底线。\r
\r
**输出**:`output/Offer评估报告.md`\r
\r
---\r
\r
## 阶段 ⑧:投递跟踪管理\r
\r
持续更新 `data/applications.md`:日期/公司/岗位/评级/状态流转(投递→笔试→一面→二面→三面→HR面→Offer→接受/拒绝)\r
\r
定期生成进度报告。\r
\r
---\r
\r
## 重要原则\r
\r
- 各阶段独立可调用,用户可直接说「帮我准备XX的面试」\r
- 候选人画像是基础,所有输出基于真实经历不编造不夸大\r
- 面试押题提供框架和方向,鼓励用自己的话表达\r
- Offer 建议保持中立,提供信息和分析框架让用户自己选\r
- 去重是基本操作,检查 `data/scan-history.tsv`\r
- 诚实评分,A级(90+)应是真正强匹配宁缺毋滥\r
- 默认中国校招适配(毕业年份筛选/行测笔试/内推/群面等特色)\r
- 记忆是陪跑的灵魂——没有跨会话记忆就不是陪跑\r
安全使用建议
This skill is internally coherent for a job-coach: it will read and update files in your agent workspace (MEMORY.md, cv.md, data/scan-history.tsv, output/ and reports/) and perform web searches of public sites for 面经. Before installing, confirm: (1) you are comfortable the agent can read/write those workspace files (they will contain your personal/resume information), (2) the environment provides safe web-search capabilities or that you accept the agent fetching public content from sites like 牛客/知乎/小红书/脉脉, (3) the 'pdf' skill (referenced) is available if you intend to upload PDFs, and (4) any outputs are reviewed for sensitive data (IDs/passwords/company-confidential content) before sharing externally. The resume template pulls Google Fonts (a benign external request). If you need stricter privacy, consider running the skill in an isolated workspace or removing highly sensitive fields from resumes before use.
功能分析
Type: OpenClaw Skill
Name: jobhound
Version: 1.0.0
The 'jobhound' skill bundle is a comprehensive job-seeking assistant designed to manage the end-to-end recruitment process, including resume parsing, job discovery, and interview preparation. It utilizes a structured 'memory' system (MEMORY.md) and evaluation frameworks (A-G Matrix, STAR Story Bank) to maintain state across sessions. The skill's instructions in SKILL.md are well-aligned with its stated purpose, focusing on legitimate platforms like Boss Zhipin and NiuKe, and it lacks any indicators of data exfiltration, malicious execution, or unauthorized system access.
能力标签
能力评估
Purpose & Capability
The name/description (end-to-end job coaching) matches what the SKILL.md requires: parsing resumes, generating customized resumes (using the included HTML template), producing reports, maintaining a STAR story bank and application trackers. It references a pdf parsing skill for PDFs and expects to search public job/面经 sources — these are consistent with the stated purpose.
Instruction Scope
The runtime instructions direct the agent to read and update workspace files (e.g., {workspace}/memory/MEMORY.md, cv.md, data/scan-history.tsv, output/ and reports/). They also repeatedly instruct the agent to "必须搜索面经" from public sites (牛客/小红书/知乎/脉脉) and to use a separate 'pdf' skill for PDF parsing. This scope is appropriate for a coaching skill, but it implies the agent will perform web searches and read/write persistent files containing personal data — verify network/search capabilities and file permissions before enabling.
Install Mechanism
Instruction-only skill with no install spec, no downloaded code, and no required binaries. This minimizes install-time risk.
Credentials
The skill declares no required environment variables, credentials, or config paths. All file access is to workspace-local paths it documents. There are no requests for unrelated secrets or external service tokens.
Persistence & Privilege
The skill requires and enforces cross-session memory via files in {workspace}/memory/MEMORY.md and writes outputs under output/, reports/, data/, etc. It does not request always:true and does not modify other skills. Persisting personal data to workspace files is expected for a '陪跑' assistant, but users should be aware these files will contain sensitive personal/resume data and will persist on disk.
如何使用
- 确保已安装 OpenClaw(本地或 Docker 部署)
- 在对话框中输入安装命令:
/install jobhound - 安装完成后,直接呼叫该 Skill 的名称或使用
/jobhound触发 - 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
版本历史
v1.0.0
JobHound 1.0.0 — 求职陪跑全流程助手skill
- 覆盖简历解析、岗位发现与评估、定制简历、面试准备、面经提取、模拟面试、面试复盘、Offer评估、投递跟踪等全流程,适配中国校招/实习及多岗位方向。
- 引入跨会话记忆系统,动态维护候选人画像、投递进度、面试记录、弱点清单与STAR故事库。
- 提供岗位A-G评估体系和批量岗位发现策略,支持智能去重与投递优先级管理。
- 针对面试全阶段(JD拆解、押题、群面、笔试、模拟面试)提供系统性准备方案。
- 支持多Offer对比、薪资包分析与谈判建议,帮助用户独立决策。
- 强调用户真实经历基础,输出可信可用的内容,助力全程
元数据
常见问题
更适合中国宝宝体质的全程求职陪跑skill 是什么?
求职陪跑全流程助手——覆盖简历解析、岗位发现与评估、定制简历生成、 面试全阶段准备(自我介绍/JD拆解、岗位背景调研、面试押题、模拟面试、 笔试准备)、面试复盘、Offer评估与薪资谈判、投递跟踪管理。 适用于中国校招/实习市场(牛客网、实习僧、BOSS直聘、拉勾等), 也适配其他地区。覆盖产品经理、运营、市场、... 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 117 次。
如何安装 更适合中国宝宝体质的全程求职陪跑skill?
在 OpenClaw 或 Claude Code 对话框中运行命令「/install jobhound」即可一键安装,无需额外配置。
更适合中国宝宝体质的全程求职陪跑skill 是免费的吗?
是的,更适合中国宝宝体质的全程求职陪跑skill 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。
更适合中国宝宝体质的全程求职陪跑skill 支持哪些平台?
更适合中国宝宝体质的全程求职陪跑skill 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。
谁开发了 更适合中国宝宝体质的全程求职陪跑skill?
由 EARFQUAKE(@ucrossmym1nd)开发并维护,当前版本 v1.0.0。
推荐 Skills