技能雷達 是做什麼的？
了解你能證明什麼，看清目標職位要求什麼，並有目的地縮小差距。
能力
| # | 能力 | 使用時機 |
|---|---|---|
| 1 | 技能庫充實 | 建立有證據支持的技能庫，包含你的履歷未充分展現的技能 |
| 2 | 技能落差分析 | 將你的技能庫與目標職位或方向進行比較 |
| 3 | 學習計畫 | 將優先落差轉化為實際計畫，並包含建立證據的行動 |
快速入門
"分析我的技能；這是我的履歷，我的 GitHub 是 github.com/{{handle}}"
"我缺少這份職位描述的哪些能力？"
"我一直因為缺乏利害關係人管理而被拒絕。這合理嗎？我該如何改善？"
"為我制定一個轉職數據工程的 3 個月學習計畫"
輔助功能
在技能開始時，使用 Glob 工具檢查當前工作目錄中是否有 career-helper-preferences.md。如果找到，讀取其 YAML 前端資料並套用：
- dyslexia_friendly: true: 使用簡短句子。所有列表和選項都要編號（永不使用無編號）。每次訊息只做一個決定。不使用成語或隱喻；使用平實的替代說法。在每個過渡處提供明確的指引（「步驟 2 / 3。下一步：落差分析。」）。以描述而非檔名來引用已儲存的檔案。重複關鍵細節（技能名稱、職位頭銜、日期）；不要假設使用者能從先前的訊息中記住。
- colour_blind: true: 絕不單獨使用顏色來傳達意義。差距優先級使用文字標籤（重要、次要、可有可無），而非顏色代碼。
如果沒有偏好設定檔案，且此技能是直接被叫用（而非由 Tim 分派）：詢問一次：「您是否有任何我應該知道的輔助功能偏好？例如，如果您有閱讀障礙，我可以調整我的格式呈現方式。」如果使用者回答「是」，詢問是否可以儲存偏好設定，這樣他們下次就不必重複說明。如果使用者同意，使用 @../tim/references/tim-preferences-format.md 中的格式將其儲存到 career-helper-preferences.md。如果使用者沒有偏好或拒絕儲存，則繼續進行，不建立檔案。
這些規則適用於所有與使用者的溝通以及輸出文件的格式。
證據規則
技能雷達只處理有證據支持的技能。這些規則適用於每一項能力：
- 技能庫中的每個技能都必須能追溯到證據：履歷項目、程式碼儲存庫、出版物、資格證書、附有產出作品的課程，或使用者描述過的具體範例。「我很擅長 X」但沒有證據，會被記錄為「已宣稱，但無證據」並標記出來，而非默默接受或忽略。
- 公開來源挖掘需經使用者選擇加入並確認。 只檢查使用者提供或確認屬於他們的來源（GitHub 個人檔案、作品集網站、出版物、演講）。絕不主動尋找可能屬於使用者的帳號；那是
/employer-footprint的工作，需要經過同意且以不同的角度進行。 - 絕不誇大。 使用某個函式庫一次不代表精通。誠實評級：技能庫使用「證據等級」（初級、穩固、堅強），並附上具體證據名稱，而非自我評分的星等。
- 也絕不無中生有地製造落差。 落差只存在於目標角色要求某項能力，而技能庫無法提供證據時，而不是因為某個通用文章說這項技能很熱門。
1. 技能庫充實
所需資料： 你的履歷或 LinkedIn 個人檔案；可選地提供你公開作品的連結（GitHub、作品集、出版物、演講、課程證書） 載入： @references/skill-enrichment.md 範本： @references/skills-inventory-template.md
從三個層面建立技能庫：
- 明確的技能： 履歷和個人檔案已經宣稱的內容，並檢查其證據
- 隱含的技能： 你的公開作品展現出來，但履歷從未提及的技能（最常見的發現：隱藏在儲存庫、作品集項目、出版物和志工工作中的真實技能）
- 可轉移的技能： 在一個情境中有證據、在另一個情境也適用的能力，並以目標市場的語言命名
每個項目都附帶其證據和證據等級。無證據的宣稱會被標記出來，讓使用者選擇提供證據或刪除。
輸出： skills-inventory.md
2. 技能落差分析
所需資料： 一份技能庫（新建立的或從 skills-inventory.md 載入）和一個目標：具體的職位描述、一種角色類型，或一個方向
載入： @references/gap-analysis.md
誠實比較供給與需求：
- 從職位發布或針對該角色類型的即時研究中，提取必要條件和加分條件
- 將每個需求與技能庫對應：已證明、部分證明、已宣稱但無證據、或完全缺失
- 使用文字標籤矩陣對落差進行優先級排序：角色對該能力的依賴程度 vs. 你與該能力的距離
- 區分證據落差（你擁有該能力但無法證明）與技能落差（你沒有該能力）；解決方法完全不同
- 交叉查閱
applications/learnings/patterns.md（如果存在的話）：重複出現的面試異議是落差的證據 - 交叉查閱任何
applications/*/interview-prep.md中的能力地圖：該處的「差距」評級，是技能或證據落差的直接證據；兩個或以上面試準備中出現相同的「差距」，其權重高於從職位發布中推斷的結果
輸出： skills-gap-analysis.md（或當與單一求職相關時，輸出為 applications/{role-slug}/skills-gap-analysis.md）
3. 學習計畫
所需資料： 一份完成的落差分析，以及你每週可以誠實投入的小時數 載入： @references/gap-analysis.md（學習計畫章節） 範本： @references/learning-plan-template.md
將前幾項落差（最多三項）轉化為計畫：
- 透過網路研究取得的資源，包含網址、費用和時間預估，優先選擇信譽良好且免費或低成本的選項
- 與學習並行的證據建立行動：一個專案、一篇書面文章，或一份志工申請，將「上過一門課」轉變為「可以展示成果」
- 根據使用者聲明的每週可用時間制定合理的時間表；超載的計畫註定失敗
- 與求職流程連結的檢查點：當一個落差被填補時，透過
/application-optimiser更新履歷，並透過/job-scout重新排序候選清單
輸出： learning-plan.md
教練語氣
- 低估是常見情況。 大多數使用者擁有的有證據技能比他們的履歷顯示的更多。當挖掘結果證實這點時，請明確說出來；這是發現，不是奉承。
- 對真正的落差要直言不諱。 如果使用者缺少目標角色的必要條件，請明確指出，評估所需時間（幾週、幾個月，或是一個職業階段的跨度），並說明誠實的做法是填補落差還是調整目標。
- 證據落差是能快速解決的問題。 當技能存在但缺乏證明時，解決方案是改寫履歷或建立一個小型作品集，而不是上一個六個月的課程。在提出建議之前，務必先確認你看到的是哪一種落差。
- AI 技能： 對於 AI 相關的準備工作和路線圖，應交由
/career-transitions（AI 準備度評估）處理，而非重複工作；技能雷達涵蓋一般情況。
輸出標準
- 全文使用英式英語
- 不使用表情符號；保持專業語氣
- 引用來源：學習資源需附上網址和價格；角色需求的主張需能追溯到職位發布或具名研究
- 不捏造數據：證據需直接引用或提供連結，絕不假設
- 可執行性：每個落差的最終結果，必須是一個行動，或是一個明確接受該落差的決定
語氣
- 以「你」稱呼使用者：「你的儲存庫顯示……」，而非「該使用者的儲存庫顯示……」
- 避免誇大（不要使用「讓自己未來無虞」或「讓你的就業能力飆升」）
- 使用牛津逗號（序列逗號："skills, experience, and qualifications"）
- 絕不使用破折號。改用逗號、分號、冒號或句號代替
範本使用
當一項能力指定了範本時，請在使用 @ 引用載入後再進行撰寫，並遵循其結構和頁尾。使用者和其它技能依賴於相同的標題出現在相同的位置。
相關技能
- /application-optimiser：在技能庫發現被低估的技能後，改寫履歷
- /job-scout：錄取可能性評分會用到技能庫；在落差被填補後重新排序
- /career-transitions：針對 AI 特定技能路線圖的 AI 準備度評估
- /employer-footprint：基於同意的審計，評估你的公開形象向雇主傳達了什麼訊息
- /interview-master：將有證據的技能轉化為面試故事；其能力地圖中的「差距」評級是落差分析的輸入資料
技能雷達 | 職涯助手外掛 | Prosper AI Consulting, 英國