skill-init

Name: skill-init
Author: XBuilderLAB

7installs12forks

How to install skill-init?

xbuilderlab/cheat-on-skill/skill-init

$npx -y skills add XBuilderLAB/cheat-on-skill --skill skill-init

Installs into the current project.

Summary

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。

Files · 1

View on GitHub

SKILL.md

1	# /skill-init — cheat-on-skill 首次 onboarding（能力盘点）
2
3	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。
4
5	## 设计哲学（必须先认同）
6	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。
7	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。
8
9	## Overview
10	```
11	[用户首次说"我想找AI时代的高薪工作"]
12	→ Phase 0: 检测 .skill-state.json 是否存在
13	→ Phase 1: 首屏文案（期望管理 + 反诈承诺）
14	→ Phase 2: 能力盘点 7 问（一次问完，允许"不确定"）
15	→ Phase 2.5: 起点档位识别（S0–S3）
16	→ Phase 3: 写入 .skill-state.json
17	→ Phase 4: 下一步清单
18	```
19
20	## Phase 0 — 检测状态
21	```bash
22	test -f .skill-state.json && echo EXISTS \|\| echo MISSING
23	```
24	- 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。
25	- 不存在：继续。
26
27	## Phase 1 — 首屏文案（原样表达这几点）
28	- 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。
29	- 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。
30	- 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。
31
32	## Phase 2 — 能力盘点 7 问（一次性问完，允许"不确定"记 null）
33	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。
34	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。
35	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）
36	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。
37	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。
38	6. 所在地区 + 目标薪资？（影响城市岗位密度和现实预期）
39	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。
40
41	> 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。
42
43	## Phase 2.5 — 起点档位识别（关键）
44	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：
45	- 有行业纵深（医疗/法律/金融/教育等）+ 愿学 AI → 倾向 S3
46	- 会编程/数据或愿系统学编程 → S2
47	- 有内容/运营/设计/销售/外语等软底子、会用 AI 工具 → S1
48	- 跨度大、零相关底子 → S0
49
50	> 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。
51
52	## Phase 3 — 写入状态文件
53	读 `../../templates/skill-state.template.json`，填入答案（含 `start_tier`/`tier_reason`/`transferable`）。
54	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）：
55	```bash
56	date '+%Y-%m-%d %H:%M %Z %z' # 当前时间 + 时区缩写 + UTC 偏移（如 CST +0800）
57	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）
58	```
59	`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。
60
61	## Phase 4 — 下一步清单
62	告诉用户现在可以说：
63	- "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）
64	- "我选 XX 这个岗位，做学习计划" → 走 `skill-plan`

People who liked this also viewed

6 picks

Type

skill-init

7installs12forks

View on GitHub

How to install skill-init?

xbuilderlab/cheat-on-skill/skill-init

$npx -y skills add XBuilderLAB/cheat-on-skill --skill skill-init

Installs into the current project.

Summary

Files · 1

View on GitHub

SKILL.md

1	# /skill-init — cheat-on-skill 首次 onboarding（能力盘点）
2
3	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。
4
5	## 设计哲学（必须先认同）
6	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。
7	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。
8
9	## Overview
10	```
11	[用户首次说"我想找AI时代的高薪工作"]
12	→ Phase 0: 检测 .skill-state.json 是否存在
13	→ Phase 1: 首屏文案（期望管理 + 反诈承诺）
14	→ Phase 2: 能力盘点 7 问（一次问完，允许"不确定"）
15	→ Phase 2.5: 起点档位识别（S0–S3）
16	→ Phase 3: 写入 .skill-state.json
17	→ Phase 4: 下一步清单
18	```
19
20	## Phase 0 — 检测状态
21	```bash
22	test -f .skill-state.json && echo EXISTS \|\| echo MISSING
23	```
24	- 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。
25	- 不存在：继续。
26
27	## Phase 1 — 首屏文案（原样表达这几点）
28	- 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。
29	- 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。
30	- 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。
31
32	## Phase 2 — 能力盘点 7 问（一次性问完，允许"不确定"记 null）
33	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。
34	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。
35	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）
36	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。
37	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。
38	6. 所在地区 + 目标薪资？（影响城市岗位密度和现实预期）
39	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。
40
41	> 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。
42
43	## Phase 2.5 — 起点档位识别（关键）
44	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：
45	- 有行业纵深（医疗/法律/金融/教育等）+ 愿学 AI → 倾向 S3
46	- 会编程/数据或愿系统学编程 → S2
47	- 有内容/运营/设计/销售/外语等软底子、会用 AI 工具 → S1
48	- 跨度大、零相关底子 → S0
49
50	> 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。
51
52	## Phase 3 — 写入状态文件
53	读 `../../templates/skill-state.template.json`，填入答案（含 `start_tier`/`tier_reason`/`transferable`）。
54	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）：
55	```bash
56	date '+%Y-%m-%d %H:%M %Z %z' # 当前时间 + 时区缩写 + UTC 偏移（如 CST +0800）
57	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）
58	```
59	`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。
60
61	## Phase 4 — 下一步清单
62	告诉用户现在可以说：
63	- "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）
64	- "我选 XX 这个岗位，做学习计划" → 走 `skill-plan`

People who liked this also viewed

6 picks

Type