zh-xx/legal-assistant-skills/legal-job-search

Claude Code and agent skill by zh-xx/legal-assistant-skills

Trust tier 2
  • community
LLM review pending
Source check pending

Checking that the SKILL.md file is still in the repository.

法律AI求职助手 - 帮助法律人(法务/律师)使用AI辅助求职。支持公司/律所调研、法律风险分析、网页简历生成、针对性材料准备、面试备忘录生成。具备MCP工具级降级能力,无MCP时自动使用Web Search。

Install

npx vskill@latest install zh-xx/legal-assistant-skills/legal-job-search

SKILL.md

法律AI求职助手

Overview

本技能帮助法律人(法务、律师)在求职过程中使用AI提升效率和准备质量。

核心能力:

  • 公司/律所深度调研(支持 Deep Research 降级到 Web Search)
  • 法律风险分析(支持 MCP 工具级降级到 Web Search)
  • 网页简历生成(完全可配置的样式系统)
  • 针对性简历调整
  • 面试备忘录生成

工作路径:

环境检测 → 信息收集 → 材料生成 → 输出确认

工作流

阶段 0:环境检测与路径规划

步骤 0.1:检测可用 MCP 工具

采用功能匹配策略,不限定具体工具名称:

for 每个功能需求:
│
├─ 功能1:企业被执行信息
│ └─ 匹配关键词:executed, execution, enforcement, 被执行, 执行
│
├─ 功能2:企业失信信息
│ └─ 匹配关键词:dishonest, breach, 失信, 违约
│
├─ 功能3:限制高消费
│ └─ 匹配关键词:consumption, restriction, 限制高消费, 限消
│
├─ 功能4:终本案件
│ └─ 匹配关键词:final, closed, 终本
│
└─ 功能5:裁判文书
└─ 匹配关键词:judgment, court, ruling, 裁判文书, 判决
匹配依据:
├─ 工具名称包含关键词
├─ 工具描述包含功能说明
└─ 工具参数包含 entname 或 company_name

记录可用工具列表。

详细说明见:references/mcp-tools/mcp-catalog.md

步骤 0.2:询问 Deep Research 工具

询问用户是否有以下工具:

  • 秘塔AI搜索(深度研究模式)
  • Perplexity Pro
  • 其他 Deep Research 工具

步骤 0.3:确定岗位类型

岗位类型判断:
│
├─ 法务岗位 → 使用「公司调研框架」
├─ 律所岗位 → 使用「律所调研框架」
└─ 其他法律岗位 → 询问用户使用哪个框架

阶段 1:信息收集
1.1 岗位信息提取

从用户提供的内容中提取:

  • 职位名称
  • 岗位职责
  • 任职要求
  • 优先条件

如果用户只提供了公司/律所名称,引导用户提供 JD 信息。

1.2 公司/律所调研

法务岗位 - 公司调研

优先路径:Deep Research 工具
│
├─ 秘塔AI搜索:开启「深度研究」模式
│ └─ 查询:"{公司名} 公司介绍 商业模式 业绩 行业地位"
│
├─ Perplexity Pro:
│ └─ 同样查询
│
└─ 降级路径:Web Search(多轮)
├─ 搜索1:{公司名} + "公司介绍" + "商业模式"
├─ 搜索2:{公司名} + "行业地位" + "竞争对手"
├─ 搜索3:{公司名} + "业绩" + "年报"
└─ 整合生成简版报告

律所岗位 - 律所调研

公开信息:
├─ 律所官网团队介绍
├─ 律师专业领域公示
├─ 律所业绩展示
└─ 行业排名/奖项
私域信息(用户自行补充):
├─ 使用 references/frameworks/firm-research-framework.md
└─ 提供问题清单引导用户收集
1.3 法律风险分析(功能级降级)

对每个功能需求独立执行:

功能需求列表:
├─ 企业被执行信息
├─ 企业失信信息
├─ 限制高消费
├─ 终本案件
└─ 裁判文书
for 每个功能需求:
│
├─ 尝试查找功能匹配的 MCP 工具
│ ├─ 检查工具名称、描述、参数
│ ├─ 找到匹配工具 → 尝试调用
│ │ ├─ 调用成功 → 使用 MCP 数据
│ │ └─ 调用失败 → 继续尝试其他工具
│ │
│ └─ 没有找到匹配工具 → 执行降级
│
└─ 降级:Web Search(多轮)
├─ 使用预设查询模板
├─ 多轮搜索获取信息
└─ 整合结果到报告

详细说明见:references/frameworks/legal-risk-framework.md │ └─ 降级:Web Search └─ 使用 references/mcp-tools/fallback-queries.md 中的对应查询模板 └─ 整合搜索结果到报告

**输出结构**:

法律风险分析报告

执行信息
  • 查询时间:{时间戳}
  • 数据来源:{MCP工具名称 / Web Search}
风险概览
风险类型风险等级核心问题
详细信息
被执行信息

...

失信信息

...

(其他类别)

---
### 阶段 2:基础材料准备
#### 2.1 用户材料收集引导
**首次用户引导**:
如果用户是首次使用或材料不完整,引导用户参考材料准备清单:

请参考「法律人求职材料准备清单」提供你的信息。

清单位置:references/prompts/preparation-checklist.md

你可以:

  1. 复制清单中的模板填写
  2. 或直接按你自己的方式提供信息
**材料检查清单**:

必需信息: ├─ 基本信息(姓名、职位、年龄、学历、联系方式) ├─ 教育背景(学校、学历、专业、时间) ├─ 工作经历(公司、职位、时间、主要成就) ├─ 核心技能(专业技能、语言能力) └─ 资格证书(如有)

推荐信息: ├─ 目标公司/律所名称 ├─ 目标岗位 JD └─ 自我评价

可选信息: ├─ 照片 ├─ 项目经验 ├─ 发表文章/论文 └─ 其他补充信息

#### 2.2 简历信息处理
如果用户已有网页简历:
- 直接加载 HTML 文件
- 提取简历内容用于后续调整
如果用户提供 Word/PDF 简历:
- 使用 docx skill 或 mineru-ocr skill 提取内容
- 整理为结构化信息
- 教育背景
- 工作经历
- 核心技能
- 资格证书
- 自我评价
#### 2.2 简历样式选择

样式选择: │ ├─ 使用预设样式: │ ├─ business-elite - 商务精英风(金色+深蓝) │ ├─ modern-tech - 现代科技风(蓝色+灰白) │ └─ minimal-clean - 极简清新风(绿色+米白) │ ├─ 或自定义样式: │ └─ 使用 references/styles/custom-guide.md │ └─ 用户指定:配色方案、字体、布局 │ └─ 或保持已有简历样式

---
### 阶段 3:针对性材料生成
#### 3.1 调整策略制定
分析以下内容:
- JD 中的关键词
- 公司/律所业务特点
- 用户经验与岗位的匹配点
**输出调整策略**:

简历调整策略

关键词匹配

JD关键词简历对应位置

经验重构

  • 前置:{需要前置的经验}
  • 扩充:{需要扩充的经验}
  • 合并:{可以合并的经验}

技能排序

按与岗位相关性重新排序:

  1. {最相关技能}
  2. {次相关技能}

...

#### 3.2 针对性简历生成
使用 `references/prompts/html-resume-template.md` 中的提示词模板:
- 应用调整策略
- 匹配目标样式
- 生成新的 HTML 简历
#### 3.3 面试备忘录生成
使用 `references/prompts/materials-prompt-template.md` 中的备忘录部分:
- 公司/律所核心信息速览
- 业务/法律接口地图
- 风险与挑战分析
- 岗位价值主张
- 面试谈话要点(洞察 + 可提问题)
**输出格式**:精美 Word 文档(.docx)
使用 `docx` skill 生成固定格式的 Word 文档,样式规范见:
`references/prompts/memo-word-spec.md`
**文档结构**:
- 封面页(公司/律所名称、岗位名称、制备人、日期)
- 目录页
- 正文(五个章节)
- 附录(数据来源说明、使用建议)
**样式特点**:
- A4 页面,专业配色(金色+深蓝)
- 统一字体规范(微软雅黑标题 + 宋体正文)
- 精美表格样式(表头深色背景 + 斑马纹)
- 页眉页脚(章节导航 + 页码)
---
### 阶段 4:输出与确认
#### 4.1 文件输出

输出文件: ├── 简历_{姓名}_{目标公司/律所}.html ├── 面试备忘录_{目标公司/律所}.docx (精美 Word 文档) └── 法律风险分析报告_{目标公司/律所}.md

#### 4.2 (可选) 交互式简历集成
如果用户询问如何添加聊天窗口:
- 引导至 `extensions/interactive-resume/dify-integration.md`
---
## Dependencies
### 必需
- Claude Code(支持 HTML 生成、Web Search)
- 用户简历基础信息
### 可选但推荐
- MCP 工具(企业法律风险类):
- `get_executed_entity`
- `get_dishonest_entity`
- `get_consumption_restrictions`
- `get_final_cases`
- `get_judgments`
- Deep Research 工具:
- 秘塔AI搜索(深度研究模式)
- Perplexity Pro
### 可选扩展
- Dify.ai(用于交互式简历)
- Live Server(VS Code 扩展,用于本地测试)
---
## Key Rules
### 1. 工具级降级原则
每个 MCP 工具独立判断可用性,不可用时单独降级到 Web Search。不因单个工具失败而影响整体流程。
### 2. 信息真实性原则
所有生成内容必须基于:
- 用户提供的真实信息
- 公开可查的公司/律所信息
- MCP 或 Web Search 返回的结果
严禁虚构经历、夸大成果或编造公司信息。
### 3. 结构化表达优先
优先使用:
- 表格(比较、分类、风险矩阵)
- ASCII 流程图(业务流程、决策路径)
- 清单(谈话要点、待办事项)
- 时间线(发展阶段、职业轨迹)
### 4. 面试导向原则
所有生成的材料都要能直接支撑面试:
- 备忘录中的每条信息都要能转化为谈话内容
- 简历中的每条经历都要准备展开说明
- 风险分析中的每个点都要有应对思路
### 5. 用户知情原则
明确告知用户:
- 哪些信息来自 MCP(精确度高)
- 哪些信息来自 Web Search(需要验证)
- 哪些信息需要用户自行补充(如律所私域信息)
---
## 快速开始(用户端)
### 场景 1:首次使用,从零开始

用户:我想申请腾讯音乐的法务岗位,JD在这里

Claude:

  1. 提取 JD 信息
  2. 询问:你有秘塔AI搜索或 Perplexity Pro 吗?
  3. 开始调研:
  • 公司调研(Deep Research 或 Web Search)
  • 法律风险分析(MCP 或 Web Search)
  1. 询问:你的基础简历信息
  2. 生成:网页简历 + 面试备忘录
### 场景 2:已有简历,调整目标

用户:这是我的简历,我想申请红杉律所的资本市场团队

Claude:

  1. 加载现有简历
  2. 询问:你有关于这个团队的私域信息吗?
  3. 使用「律所调研框架」+「团队信息收集清单」
  4. 生成:针对性简历 + 面试备忘录
### 场景 3:快速调研模式

用户:帮我快速调研一下字节跳动的法律风险情况

Claude:

  1. 直接执行法律风险分析(工具级降级)
  2. 输出:法律风险分析报告
---
## 扩展功能
### 交互式简历集成
见 `extensions/interactive-resume/dify-integration.md`
### 自定义简历样式
见 `references/styles/custom-guide.md`
---
## References
### 提示词模板
- `references/prompts/preparation-checklist.md` - 材料准备清单
- `references/prompts/html-resume-template.md` - 简历 HTML 生成提示词
- `references/prompts/materials-prompt-template.md` - 求职材料生成提示词
- `references/prompts/memo-word-spec.md` - 面试备忘录 Word 文档规范
- `references/prompts/firm-research-extension.md` - 律所求职扩展
### 调研框架
- `references/frameworks/company-research-framework.md` - 公司调研框架
- `references/frameworks/firm-research-framework.md` - 律所调研框架
- `references/frameworks/legal-risk-framework.md` - 法律风险分析框架
### MCP 工具
- `references/mcp-tools/mcp-catalog.md` - 支持的 MCP 工具目录(功能匹配)
- `references/mcp-tools/fallback-queries.md` - MCP 降级查询模板
### 简历样式
- `references/styles/business-elite.md` - 商务精英风配置
- `references/styles/modern-tech.md` - 现代科技风配置
- `references/styles/minimal-clean.md` - 极简清新风配置
- `references/styles/custom-guide.md` - 自定义配置指南

Security

  • Security scanPassed, 100 of 100Pattern checks on the skill's files.
  • Model reviewNot runA model review is scheduled for the next rescan.

Quality evaluation

  • Task evaluationNot runNo evaluation yet. Run one in Skill Studio.

Source

Popularity

Repository stars
79
Repository forks
11
7-day trend score
22

Stars and forks are for the whole GitHub repository, not this skill alone. Refreshed 20 Mar 2026, 7 months ago.

Works with

Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.

  • Claude Code
  • Cursor
  • GitHub Copilot
  • Windsurf
  • Codex
  • Gemini CLI
  • Cline
  • Amp
  • Roo Code
  • Goose
  • Continue
  • Kilo Code
  • Junie
  • Trae
  • OpenHands
  • Qwen Code
  • AI Agent
  • Tabnine Chat
  • Sourcegraph Cody
  • Amazon Q
  • Firebase Genkit
  • Sweep
  • Devin
  • Phind
  • Mentat
  • Claude Desktop
  • Aider
  • GPT Pilot
  • Plandex
  • bolt.new
  • v0
  • Replit Agent
  • Anse
  • TypingMind
  • BetterChatGPT
  • LibreChat
  • Warp AI
  • Pieces
  • Fig AI
Embed badge
vskill VERIFIED badge
[![vskill VERIFIED](https://verified-skill.com/api/v1/skills/zh-xx/legal-assistant-skills/legal-job-search/badge)](https://verified-skill.com/skills/zh-xx/legal-assistant-skills/legal-job-search)

Something wrong with this skill or its page? Tell us.