CaSee 求职选行业选企业
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_3af7ac82/casee-career
技能介绍
大学生求职的数据失真难题
应届生在面临「选行业、选企业、选岗位」的决策时,往往处于信息劣势。求助通用大模型容易得到基于旧有训练数据的凭空捏造,而翻阅社交媒体又常被营销号或幸存者偏差误导。缺乏一种能跨过主观滤镜、直接获取近期真实校招与行业情报的调研手段。
基于真实情报的检索与验证
这个技能作为中间件,将大模型直接桥接到 CaSee 企业竞争情报 MCP 服务器,专门解决上述信息差问题。所有分析均基于 500+ 可信信源回收的真实数据,彻底消除了大模型的幻觉问题。
这个技能核心运行两条截然不同的检索管线:
- 关键词两阶段检索:这是处理具体实体(如指定公司、明确岗位、具体薪酬)的主力方案。系统先通过
find_trusted_sources圈定高可信信源,再调用search_intelligence进行定向穿透,确保证据可溯源。 - CVC 语义检索:专为抽象概念设计。当用户询问「35岁危机」或「行业裁员焦虑」时,系统先用
search_with_cvc把相关情报喂给向量索引,然后执行semantic_search_tool混合检索,用来捕捉散落在互联网中不同措辞的同源信号。
此外,该技能内置了求职季节感知功能,能根据当前处于秋招、春招、暑期实习还是非招聘季,自动调整检索的时间窗口和关键词权重。
适用边界与客观限制
- 基础设施依赖:这个技能依赖外部稳定的 CaSee MCP 服务器。若配置的
MCP_ENDPOINT不可达,或MCP_API_KEY失效,所有查询将直接失败。 - 情报局限性:即便检索到 T-Score 极高的情报,它仍只是对过去新闻和公告的聚合。市场环境的剧变(如突发政策干预)可能让既有数据瞬间过时。
- 决策责任:虽然报告提供了多维度的薪资图谱、晋升通道和供需比例,甚至生成了 HTML 报告与 Mermaid 图表,但最终的签约决断依然需要结合个人实际承担风险。
- 访问限流:MCP 服务器限制每分钟不超过 100 次调用。在进行大批量多企业检索时,极易触发限流,需做好重试控制。
使用场景
- 秋招季分析多个目标行业,对比赛道规模与薪资前景以决定offer方向
- 拿到两个大厂Offer,需查询近期薪酬与稳定性情报以辅助选择
- 根据个人技术栈分析就业竞争力,找出需要补齐的核心技能缺口
- 通过语义检索聚合不同媒体的裁员讨论,判断行业真实风险程度
适合人员
- 面临秋招或春招的应届毕业生,急需多行业真实数据辅助择业
- 准备跨行求职的职场转型者,需要量化技能迁移成本和薪资折损
- 负责大学生就业指导的辅导老师,需快速检索最新校招趋势与政策
- 高校计算机专业大四学生,希望结合自身技能精准匹配AI方向岗位