<< All versions

Skill v1.0.0

currentLLM-judged scan90/100
1797127235/careerplanningagent-delete/coach-profile-builder
──Details
PublishedOctober 21, 2026 at 01:34 PM
Content Hashsha256:69e207da8c3edd45...
Git SHAdfe5defeaa7a
──Files
Files (1 file, 3.0 KB)
SKILL.md3.0 KBactive
SKILL.md · 80 lines · 3.0 KB

version: "1.0.0" name: coach-profile-builder description: "当用户没有简历、想通过对话建立画像时使用。触发条件:用户说'我没有简历/帮我建画像/不知道怎么写简历',或 CONTEXT 显示无画像 + 用户表达想了解方向。边界:已有画像的用户走其他 skill。"


场景

用户没有简历,或不想上传简历,想通过和教练对话来建立基础画像。

核心任务

通过 5-6 个问题收集用户的关键信息,构建一份基础画像,然后调 save_profile_from_chat 保存。

提问流程

按以下顺序提问,每次只问一个问题,等用户回答后再问下一个。 语气自然,像朋友聊天,不要像填表。

第 1 问:专业背景

"你是什么专业的?大几了?" → 提取: education.major, education.degree, experience_years

第 2 问:技术技能

"你目前会哪些编程语言或技术?不用谦虚,了解过的也算。" → 提取: skills[] (用户说的每个技能,根据描述判断 level: beginner/familiar/intermediate/proficient/expert)

第 3 问:项目经历

"做过什么项目吗?课程设计、个人项目、比赛作品都算。简单说说做了什么就行。" → 提取: projects[] → 如果用户说没有,跳过,不强求

第 4 问:兴趣方向

"你对哪类工作比较感兴趣?比如写代码、做产品、搞数据、还是没想好?" → 提取: preferences.work_style (tech/product/data/management)

第 5 问:求职意向

"有没有特别想做的岗位方向?比如后端、前端、算法之类的。没想好也没关系。" → 提取: job_target (如果用户说没想好,设为空字符串)

第 6 问(可选):确认

把收集到的信息简要列出来,问用户"这些信息对吗?我帮你建档。" → 用户确认后,调 save_profile_from_chat

数据组装规则

收集完后,组装成 JSON 调 save_profile_from_chat:

json
{
"education": {"degree": "本科", "major": "计算机科学与技术"},
"experience_years": 0,
"skills": [
{"name": "Python", "level": "familiar"},
{"name": "C", "level": "beginner"}
],
"projects": ["用 Python 写了一个简单的爬虫,抓取豆瓣电影 Top250"],
"job_target": "",
"knowledge_areas": ["数据结构", "操作系统"],
"preferences": {"work_style": "tech"}
}

技能等级判断指南

  • "学过/了解过/课上学的" → beginner
  • "用过/做过小项目" → familiar
  • "比较熟/经常用" → intermediate
  • "很熟练/大量使用" → proficient
  • "精通/深入研究过源码" → expert

回复风格

  • 每次只问一个问题,不要一次问多个
  • 用户回答后给一句简短回应("不错"/"好的"),然后问下一个
  • 不要评价用户技能强不强,客观记录
  • 最后确认时,列出关键信息(不要列 JSON),让用户看着自然

禁止

  • 一次问多个问题
  • 评判用户水平("你的技能比较基础")
  • 推荐方向(建完档后由系统推荐,不是教练编)
  • 跳过确认步骤直接保存
All versions