技能介绍

你要解决的问题

周报和述职材料最常见的问题不是"没有内容"，而是"内容在但读不出价值"。典型症状包括：大量使用"做了""负责""参与"这类弱动词；工作描述里找不到任何数字或百分比；只写过程不写结果，把"跟进了项目进度"当成成果本身；整篇材料平铺直叙，重点淹没在流水账里。这篇技能处理的就是这类表达降级问题。

它如何工作

技能的核心是一套六步处理流程。第一步先确认汇报类型——周报、月报、述职/绩效、OKR 各自对应不同的模板和润色重点。第二步读取 references/anti_patterns.md，对原文做流水账特征扫描，识别弱动词、数据缺失、价值缺失、过程导向四类问题。第三步进入 STAR 改写，依据 references/star_methodology.md 把过程描述重写为结果导向表达，比如把"修复了Bug"改写为"修复12个P0/P1级Bug，故障率降40%"。第四步借助 references/data_expression.md 补充量化维度，覆盖工作量、效率、质量、对比四个层面。第五步做价值拔高，根据工作性质套用三套公式之一，将执行层动作提升到业务影响层。第六步跑质量检查，确认弱动词已替换、成果有数据、价值已链接、数据真实性已确认。辅助脚本 scripts/polish_analyzer.py 可以在改写前做结构化诊断，但最终改写质量依赖对上下文的理解，脚本只负责标记问题。

边界与注意点

技能有明确的适用范围：周报、月报、述职/绩效、OKR汇报在射程内，简历、求职信、公文和法律文书不在范围内。底线原则是绝不编造数据——所有推测出来的数字必须标注"待确认"。润色完成后，用户需要逐项确认数据的真实性；如果原文本身已经写得不错，技能会直接反馈并只给微调建议，而不是强行重写。用户明确说"不要太夸张"时，技能只做表达优化，不做拔高。