技能提升 (Upskill) 是做什么的?
分析已跟踪的职位招聘信息与候选人当前技能档案之间的差异,发现技能差距,然后生成一份差距热力图和一份包含具体搜索到的学习资源和学习顺序的学习计划。
配置
- 候选人档案:
$JOB_SEARCH_HOME/profile.md - 已跟踪的职位:
$JOB_SEARCH_HOME/integrations.yaml中的tracker_path - 报告写入路径:
$JOB_SEARCH_HOME/upskill/
调用
/upskill— 聚合模式:分析跟踪文件中的所有行/upskill <URL>— 针对模式:分析从 URL 获取的单个职位
第 1 步 — 检测模式
无参数 → 聚合模式。有 URL → 针对模式;保留该 URL 以供第 2 步使用。
在针对模式下,根据职位和公司生成报告简写,例如 <company-slug>-<role-slug>。
第 2 步 — 加载数据
聚合模式
- 读取跟踪文件。列:
date, company, sector, role, role_type, channel, status, contact_person, fit_rating, notes, cv_file, cover_letter_file, source - 记录每行的
role、company、fit_rating。fit_rating范围为 0–100;用它来加权差距,因为低评分意味着该职位暴露了更多差距。 - 读取
$JOB_SEARCH_HOME/profile.md以获取当前技能。 - 在
$JOB_SEARCH_HOME/upskill/中查找最新的report-YYYY-MM-DD.md;如果存在,则加载它以用于第 8 步的差异比较。
针对模式
- 使用 WebFetch 获取职位信息。
- 提取职位、公司、必备技能、优先技能、职责、领域背景。
- 读取
$JOB_SEARCH_HOME/profile.md。 - 不使用跟踪数据。
第 3 步 — 第一轮:硬技能差异
聚合模式。 由于没有完整的职位描述,从 role、sector 和 notes 推断可能的需求。如果 source 包含有效 URL,可以获取该 URL;跳过无效或缺失的 URL。
构建技能频率映射,然后按匹配度加权:每个职位贡献 (100 - fit_rating) / 100 乘以出现次数。最终分数是 fit_weight × occurrence 在整个职位中的总和。
针对模式。 采用明确的必备和优先技能。权重相等。必备技能在前,优先技能在后,每组内部按字母顺序排列。
与个人资料进行差异对比。 从个人资料中移除已存在的任何技能——要宽容,如果个人资料以任何形式提到了某项技能,则不视为差距。剩余内容即为硬技能差距列表:在聚合模式下按分数排序,在针对模式下先按必备/优先排序,再按字母顺序排序。
第 4 步 — 第二轮:综合
推理出差异分析可能遗漏的差距:
- 领域知识 — 不熟悉的行业或问题领域
- 软技能 — 个人资料未涉及的工作方式、沟通、领导力
- 工具和流程 — 多个职位中出现的框架、云服务、方法论
- 证书 — 多个职位列为首选技能的一项认证
为每个差距打上标签 [domain]、[soft]、[tooling] 或 [credential]。不要重复第一轮的差距。
第 5 步 — 差距热力图
将两轮结果合并为一个优先排序表格:
- 关键 — 高加权硬技能,或大多数职位存在的领域差距
- 高 — 中等硬技能,或持续的软技能/工具差距
- 中 — 频率较低的硬技能,或较少职位存在的差距
- 低 — 仅出现一次
| 优先级 | 技能/领域 | 类型 | 差距来源 |
|---|---|---|---|
| 关键 | Kubernetes | 硬技能 | 4/5 个职位,分数 3.2 |
| 高 | 安全领域知识 | 领域 | LLM 分析 |
| 中 | AWS(高级) | 硬技能 | 2/5 个职位,分数 1.1 |
| 低 | … | … | … |
在继续之前打印此表格,以便用户了解分析依据。
在针对模式下,根据职位信息本身的语言进行优先级划分:必备 → 关键/高,优先 → 中,推断 → 中/低。
第 6 步 — 学习计划
涵盖所有“关键”和“高”级别的差距,如果总差距少于五个,则同时涵盖“中”级别的差距。
对于每个差距:
- WebSearch 搜索最新的、评价高的学习资源。在查询中包含当前年份以确保结果不过时。示例格式:
"best <skill> course <year> site:reddit.com OR coursera.org" - 挑选 2–3 个资源。 优先选择动手实验而非纯讲座课程;工具差距优先选择官方文档;领域差距优先选择书籍。提供名称、URL 和一行说明其适合的原因。
- 编写学习方向,根据候选人已有的知识进行定制。说明哪些内容可以跳过,从哪里开始。
- 估算达到工作能力所需的时间(
~20h)。估算时留有余量。
按主题标题分组,而非按字母顺序:云与基础设施、MLOps、领域知识、安全性、软技能与工作方式、认证。
### 云与基础设施
**Kubernetes** `[硬技能]` — ~20h
- [资源](url) — 动手实验,偏重实践而非理论
- [官方文档](url) — 掌握基础后作为参考
学习方向:容器基础已掌握 — 从 Pod 调度开始,然后学习 Services 和 Deployments。在接触 Helm 之前,先熟练操作 manifest 文件和 `kubectl`。
第 7 步 — 建议学习顺序
- 依赖优先 — 如果 B 需要 A,则将 A 放在前面并注明依赖关系
- 在同一层级内,关键 > 高 > 中
- 快速见效优先 — 一个快速的“中”级别差距可放在首位以获取动力
- 领域知识最后 — 结合实际项目一起学习
| # | 主题 | 类型 | 预计时间 | 备注 |
|---|---|---|---|---|
| 1 | Kubernetes | 硬技能 | ~20h | 需要在第 3 步之前掌握 |
| 2 | CI/CD 流水线 | 工具 | ~10h | |
| 3 | 安全领域知识 | 领域 | ~15h | 结合真实项目学习 |
预计总时间:~45h
第 8 步 — 编写并保存报告
顺序:头部和模式 → 距离上次报告的变化(仅限聚合模式)→ 差距热力图 → 学习计划 → 建议学习顺序。
- 聚合模式:
$JOB_SEARCH_HOME/upskill/report-YYYY-MM-DD.md - 针对模式:
$JOB_SEARCH_HOME/upskill/report-YYYY-MM-DD-<company-slug>-<role-slug>.md— 小写,空格替换为连字符,去除特殊字符
差异部分(仅限聚合模式):已关闭的差距是上次热力图中出现但现已出现在个人资料中的技能;新的差距是当前热力图中存在但上次报告中未出现的条目。如果不存在上次报告,则省略整个部分。
向用户确认保存的路径。
规则
- 绝不编造资源。 只引用 WebSearch 实际返回的内容。
- 在每个资源查询中包含当前年份。
- 针对模式完全忽略跟踪文件。
- 对个人资料匹配要宽容。 以任何形式提及的技能都不视为差距。
- 在生成学习计划之前打印热力图。
- 除非用户要求,否则不为“低”差距提供学习资源。
- 始终保存报告,即使终端输出看起来已经足够。
- 从职位信息中提取公司简写。不要编造或猜测。