Was macht Upskill?
Analysiert verfolgte Stellenausschreibungen im Vergleich zum aktuellen Kandidatenprofil, identifiziert Qualifikationslücken und erstellt eine priorisierte Gap-Heatmap sowie einen Lernplan mit konkreten, recherchierten Studienressourcen und einer optimierten Lernreihenfolge.
Konfiguration
- Kandidatenprofil:
$JOB_SEARCH_HOME/profile.md - Verfolgte Stellenausschreibungen:
tracker_pathaus$JOB_SEARCH_HOME/integrations.yaml - Berichte werden unter
$JOB_SEARCH_HOME/upskill/geschrieben
Aufruf
/upskill— Aggregierter Modus: alle Zeilen in der Tracker-Datei/upskill <URL>— Gezielter Modus: eine Stellenausschreibung, abgerufen über die URL
Schritt 1 — Modus erkennen
Kein Argument → aggregiert. Eine URL → gezielt; die URL für Schritt 2 behalten.
Im gezielten Modus einen Berichts-Slug aus Rolle und Unternehmen ableiten, z. B.
<unternehmen-slug>-<rolle-slug>.
Schritt 2 — Daten laden
Aggregiert
- Die Tracker-Datei lesen. Spalten:
date, company, sector, role, role_type, channel, status, contact_person, fit_rating, notes, cv_file, cover_letter_file, source role,company,fit_ratingpro Zeile notieren.fit_ratingist 0–100; es wird verwendet, um Lücken zu gewichten, da eine niedrige Bewertung bedeutet, dass die Rolle mehr Lücken aufgedeckt hat.$JOB_SEARCH_HOME/profile.mdfür aktuelle Fähigkeiten lesen.- In
$JOB_SEARCH_HOME/upskill/nach dem aktuellstenreport-YYYY-MM-DD.mdsuchen; falls vorhanden, für den Diff in Schritt 8 laden.
Gezielt
- Die Stellenausschreibung via WebFetch abrufen.
- Titel, Unternehmen, erforderliche Fähigkeiten, bevorzugte Fähigkeiten, Verantwortlichkeiten, Bereichskontext extrahieren.
$JOB_SEARCH_HOME/profile.mdlesen.- Keine Tracker-Daten verwenden.
Schritt 3 — Durchgang 1: Hard Skill Diff
Aggregiert. Sie haben keine vollständigen Ausschreibungen, daher die wahrscheinlichen Anforderungen aus role, sector und notes ableiten. Wenn source eine Live-URL enthält, können Sie diese abrufen; tote oder fehlende URLs überspringen.
Eine Skill-Häufigkeitskarte erstellen, dann nach Fit gewichten: jede Stelle trägt (100 - fit_rating) / 100 pro Vorkommen bei. Endgültiger Score ist die Summe von fit_weight × occurrence über alle Stellen.
Gezielt. Explizite erforderliche und bevorzugte Fähigkeiten nehmen. Gleiche Gewichtung. Erforderlich vor bevorzugt, alphabetisch innerhalb jeder Gruppe.
Gegen Profil diffen. Alles entfernen, was bereits in profile.md vorhanden ist – großzügig sein: wenn das Profil eine Fähigkeit in irgendeiner Form erwähnt, ist es keine Lücke. Was übrig bleibt, ist die Liste der Hard Skill Lücken: nach Score sortiert im aggregierten Modus, erforderlich-vor-bevorzugt dann alphabetisch im gezielten Modus.
Schritt 4 — Durchgang 2: Synthese
Über Lücken nachdenken, die der Diff übersehen würde:
- Bereichswissen — unbekannte Branche oder Problemdomäne
- Soft Skills — Arbeitsweisen, Kommunikation, Führung, die das Profil nicht adressiert
- Tools und Prozesse — Frameworks, Cloud-Dienste, Methodiken, die über Stellen hinweg auftauchen
- Zertifikate — eine Zertifizierung, die mehrere Ausschreibungen als bevorzugt auflisten
Jede mit [domain], [soft], [tooling] oder [credential] taggen. Lücken aus Durchgang 1 nicht wiederholen.
Schritt 5 — Gap-Heatmap
Beide Durchgänge in einer priorisierten Tabelle zusammenführen:
- Critical — hoch gewichtete Hard Skills oder eine Bereichslücke über die meisten Stellen hinweg
- High — moderate Hard Skills oder konsistente Soft-/Tooling-Lücken
- Medium — weniger häufige Hard Skills oder Lücken in weniger Rollen
- Low — einmalige Erwähnungen
| Priorität | Fähigkeit / Bereich | Typ | Lückenquelle |
|---|---|---|---|
| Critical | Kubernetes | Hard | 4/5 Stellen, Score 3.2 |
| High | Security-Bereichswissen | Domain | LLM-Synthese |
| Medium | AWS (fortgeschritten) | Hard | 2/5 Stellen, Score 1.1 |
| Low | … | … | … |
Diese Tabelle vor dem Fortfahren ausgeben, damit der Benutzer sieht, womit Sie arbeiten.
Im gezielten Modus nach der Sprache der Ausschreibung priorisieren: erforderlich → Critical/High, bevorzugt → Medium, abgeleitet → Medium/Low.
Schritt 6 — Lernplan
Jede Critical- und High-Lücke abdecken, plus Medium, wenn insgesamt weniger als fünf Lücken existieren.
Für jede Lücke:
- WebSearch nach aktuellen, gut bewerteten Ressourcen. Das aktuelle Jahr in die Anfrage einbeziehen, damit die Ergebnisse nicht veraltet sind. Beispielform:
"bester <skill> kurs <jahr> site:reddit.com OR coursera.org" - 2–3 Ressourcen auswählen. Praxisnahe Labs gegenüber reinen Vorträgen bevorzugen; offizielle Dokumentation für Tooling-Lücken; Bücher für Bereichslücken. Name, URL und einen Satz, warum sie passt, angeben.
- Eine Studienrichtung schreiben, die auf das bereits Bekannte des Kandidaten zugeschnitten ist. Sagen, was übersprungen werden kann und wo begonnen werden sollte.
- Zeit bis zur Arbeitstauglichkeit schätzen (
~20h). Eher großzügig schätzen.
Nach Themenüberschriften gruppieren, nicht alphabetisch: Cloud & Infrastruktur, MLOps, Bereichswissen, Sicherheit, Soft Skills & Arbeitsweisen, Zertifikate.
### Cloud & Infrastruktur
**Kubernetes** `[Hard]` — ~20h
- [Ressource](url) — praxisnahe Labs, eher praktisch als theoretisch
- [Offizielle Dokumentation](url) — Referenz, sobald die Grundlagen sitzen
Studienrichtung: Container-Grundlagen sind bereits abgedeckt — bei Pod Scheduling beginnen, dann Services und Deployments. Manifests und `kubectl` fließend beherrschen, bevor Helm angegangen wird.
Schritt 7 — Vorgeschlagene Studienreihenfolge
- Abhängigkeiten zuerst — wenn B A benötigt, A voranstellen und die Abhängigkeit notieren
- Critical vor High vor Medium innerhalb einer Stufe
- Schnelle Erfolge zuerst — eine schnelle Medium-Lücke kann für Momentum zuerst kommen
- Bereichswissen zuletzt — es zusammen mit einem echten Projekt studieren
| # | Thema | Typ | Geschätzte Zeit | Notiz |
|---|---|---|---|---|
| 1 | Kubernetes | Hard | ~20h | Erforderlich vor Schritt 3 |
| 2 | CI/CD-Pipelines | Tooling | ~10h | |
| 3 | Security-Bereichswissen | Domain | ~15h | Zusammen mit einem echten Projekt |
Geschätzte Gesamtzeit: ~45h
Schritt 8 — Bericht schreiben und speichern
Reihenfolge: Kopfzeile und Modus → seit letztem Bericht (nur aggregiert) → Gap-Heatmap → Lernplan → vorgeschlagene Studienreihenfolge.
- Aggregiert:
$JOB_SEARCH_HOME/upskill/report-YYYY-MM-DD.md - Gezielt:
$JOB_SEARCH_HOME/upskill/report-YYYY-MM-DD-<unternehmen-slug>-<rolle-slug>.md— Kleinbuchstaben, Leerzeichen zu Bindestrichen, Sonderzeichen entfernen
Diff-Abschnitt, nur aggregiert: geschlossene Lücken sind Fähigkeiten aus der vorherigen Heatmap, die jetzt im Profil vorhanden sind; neue Lücken sind aktuelle Heatmap-Einträge, die im vorherigen Bericht fehlten. Den gesamten Abschnitt weglassen, wenn kein vorheriger Bericht existiert.
Den gespeicherten Pfad dem Benutzer bestätigen.
Regeln
- Niemals Ressourcen erfinden. Nur zitieren, was WebSearch tatsächlich zurückgegeben hat.
- Mit dem aktuellen Jahr suchen in jeder Ressourcenabfrage.
- Der gezielte Modus ignoriert die Tracker-Datei vollständig.
- Großzügig beim Profilabgleich sein. Eine Fähigkeit, die in irgendeiner Form erwähnt wird, ist keine Lücke.
- Die Heatmap vor dem Lernplan ausgeben.
- Keine Studienressourcen für Low-Lücken, es sei denn, danach gefragt.
- Den Bericht immer speichern, auch wenn die Terminalausgabe ausreichend erschien.
- Unternehmensnamen aus der Ausschreibung sluggen. Keine erfinden oder raten.