Agent Skills
返回列表
Offer 多维对比决策器

Offer 多维对比决策器

企业运营 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_d544ba0e/offer-compare。

技能介绍

为什么我们需要一个结构化的 Offer 对比框架

在面对多个工作 Offer 时,工程师和产品经理常常陷入非结构化决策的陷阱。现金、期权、工作制、地点和试用期条款交织在一起,情绪和主观偏好很容易掩盖硬约束。手动对比不仅容易遗漏关键书面条款,还常常把“偏好”错当成“底线”,导致做出事后后悔的决定。我们需要一种能够剥离主观情绪、量化相对优势、并严格保留人工判断空间的决策辅助工具。

核心能力与执行流程

offer-compare 技能通过一套可复算的引擎,将复杂的 Offer 拆解为同批次的相对评分,其核心流程如下:

  • 输入压缩与事实分离:提取现金/权益、工作制、职责等关键事实,严格区分客观事实、用户偏好、硬约束与推断,绝不补造未知信息。
  • 硬约束前置拦截:在打分前先检查不可接受条件(如城市、最低现金)。违反硬约束的 Offer 直接标记为“不可行”或“待豁免”,高分永远无法抵消硬约束的违规。
  • 八维同批相对评分:对可行 Offer 进行八维度的同批评分,生成事实摘要、分数、依据和置信度,并展示评分矩阵与计算公式。
  • 敏感性与翻盘分析:执行两组只修改权重的敏感性测试,优先扰动前两名差距最大的维度,明确指出结论对权重的依赖程度。
  • 职业证据校准:若用户提供简历或 JD,进一步评估 Offer 是否能在 90 天内形成可展示的职业证据。

适用边界与注意点

该技能定位为“决策辅助”而非“决策代理”。它永远不会输出“选 X”或“没悬念”这类替用户拍板的表述。

  • 未上市期权与现金严格分列,最多仅作为低置信度的心理折损讨论,不视为已兑现现金。
  • 跨城市对比时默认不做生活成本(COL)调整,不编造行业或加班数据。
  • 所有分数均为同批次相对分,低置信度仅代表证据不足。最终的取舍验证与书面条款确认,必须由工程师本人完成。

使用场景

  • 拿到 2-5 份 Offer,需要把现金、期权、地点和试用期条款放进同一批相对评分,并输出排名与公式。
  • 准备换城市工作,需要先筛出违反全远程或最低现金等硬约束的 Offer,再对剩余候选做评分。
  • 正在转行或转岗,需要判断每个 Offer 能否在 90 天内形成真实可展示的职业证据。
  • 有多个 Offer 且前两名分差很小,需要做两组权重敏感性分析,确认结论是否高度依赖权重。

适合人员

  • 拿到 2-5 份 Offer 的工程师,需要在现金、期权和职责之间做结构化取舍。
  • 准备转行或跨行业跳槽的技术人员,需要验证新岗位在 90 天内能积累哪些可展示的证据。
  • 面对多份条款不确定的 Offer 的求职者,需要先筛硬约束再查看相对评分与待核实清单。
  • 需要评估试用期条款的求职者,希望把确定性与风险控制拆开检查后再做决定。