生成式AI应用员考证导航

要解决的问题

生成式人工智能应用员作为新职业，配套的考证体系仍在演进，信息分散在各个官方渠道且更新节奏快。实际场景中的常见痛点是：用户面对多个证书不知道如何取舍，容易被「包过」「内部真题」这类话术误导，或者花大量时间收集的信息已经过时。这个技能要解决的不是替用户报名，而是提供一套结构化的考证导航框架，把分散的考情信息组织成可参考的清单。

核心能力与工作流程

技能的核心是内置的清单数据与生成逻辑：

• 通过 scripts/run.py 读取 data/checklist.json，动态生成考证框架或学习清单
• 触发词覆盖证书选择、考情梳理、学习路径规划等常见提问场景
• 输出结构化建议，并附带适用边界与免责声明

处理流程分为四步：

1. 明确用户的具体场景与目标（考证选择 / 考情框架 / 学习路径）
2. 生成对应的框架或清单
3. 输出结构化建议，标注适用边界
4. 数据写入技能目录下的 data/ 文件夹，纯本地存储

适用边界与红线

这个技能明确知道自己不能做什么：

• 报考时间、条件、费用、大纲、真题一律以官方最新发布为准，技能内不写死、不杜撰
• 教材内容仅限公开的教科书级通用知识，未公开资料绝不编造
• 不替代官方报考流程与专业培训，不做报名代办、不卖真题
• 内置防骗提醒：教用户核查官方授权渠道，识破「包过」类骗局
• 用户学习笔记、资料存于本地 data/，不上云、不外传