果粒球工作经历助手

解决什么问题

很多年轻求职者在写简历和准备面试时都会遇到几个相似的坎：经历少、不会组织语言、一紧张就说不清楚。这个技能把一份完整的三年工作记录——从平台运营到 AI 产品经理的四段经历——拆解成可复用的数据资产，帮助用户把零散的经验重组成有说服力的叙事。

具体来说，它针对三类典型场景：

• 经历梳理：不知道如何向面试官讲清楚自己做过什么，尤其是跨岗位转换时的「转折逻辑」
• 简历措辞：有事实但不会用 STAR 法则（Situation-Task-Action-Result）包装成果
• 面试应答：遇到高频问题时容易跑题或陷入细节，缺少回答框架

技能如何工作

技能的核心数据来自 career-data.md，其中结构化记录了四段职业经历的工作职责、对接角色、工作流程和注意事项。当用户触发技能时，Agent 会先读取这份数据文件，再结合上下文生成针对性的内容。

主要能力包括：

1. 经历重述：根据用户当前求职方向，从完整记录中提取相关经历片段，用 STAR 法则重写为简历 bullet 或面试口述版本
2. 角色映射：展示电商产品经理、平台运营等岗位的典型对接角色，帮助用户理解业务协作关系
3. 术语解释：内置互联网和 AI 行业的行话词典，解释「B端」「GMV」「大模型落地」等常见概念
4. 面试题库：提供高频面试问题清单和回答框架，覆盖自我介绍、项目复盘、离职原因等场景

使用流程通常是：用户描述自己的目标岗位或当前困惑，Agent 从 career-data.md 中检索匹配的经历段落，结合 industry-knowledge.md 中的行业背景信息，生成可直接使用的内容草稿。

适用边界与注意点

这个技能的输出不是模板填充，而是基于真实经历的重新组织，因此有几个前提：

• 经历的真实性：所有内容均来自 career-data.md 中的具体记录，不包含虚构或夸大的信息。如果用户希望添加虚构经历，技能不会配合
• 数据时效性：职业经历反映的是某个时间点的状态，技能不会自动更新 career-data.md，用户需手动维护最新数据
• 表达需个人化：Agent 生成的文本是初稿，用户应结合自身语气和实际情况调整，避免面试时说出与自己风格不符的话
• 行业相关性：AI 产品经理等岗位的内容具有较强的行业时效性，建议配合行业资讯使用

换句话说，这个技能适合已经有真实经历但需要结构化整理和表达优化的求职者，而不是用来凭空造经历的工具。