Skip to content
Back to search

JobOK

Job OK: 面向中文求职者的证据驱动求职 Agent Skill,支持优势挖掘、岗位匹配、简历优化、面试训练和投递跟踪。

Safety scan

A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.

Checked today
Badge for your README
findsafeskills safety rating

Markdown

[![findsafeskills safety rating](/api/listings/gresonkwan--jobok/badge.svg)](/listings/gresonkwan--jobok)

HTML

<a href="/listings/gresonkwan--jobok"><img src="/api/listings/gresonkwan--jobok/badge.svg" alt="findsafeskills safety rating" /></a>

Install

i

Install instructions from the README

As written by the repo's author. findsafeskills has not verified these steps.

1. 让 Agent 帮你安装

在 Codex、Claude Code 或其他支持 Skill 的 Agent 里直接说:

帮我安装这个 Skill:https://github.com/GresonKwan/JobOK

Agent 会把仓库安装到对应的本地 Skill 目录。安装完成后,重启你的 Agent 或新开会话:

$job-ok
我是应届生,目标是深圳的 AI 应用实习/产品运营实习。
我会上传简历,并粘贴 3 个真实 JD。
请先问我必要问题,再帮我建立求职案例目录。

2. 手动安装备用

如果你的 Agent 不能自动安装,可以按所用工具的 Skill 目录手动 clone。Codex 示例:

git clone https://github.com/GresonKwan/JobOK.git ~/.codex/skills/job-ok

也可以下载 ZIP,解压后把整个文件夹复制到对应 Skill 目录。Codex 示例:

~/.codex/skills/job-ok

Claude Code、Codex 和项目级安装说明见 [docs/install-cn.md](docs/install-cn.md)。

3. 项目级安装备用

如果你只想在当前项目启用:

git clone https://github.com/GresonKwan/JobOK.git .agents/skills/job-ok

What was scanned

The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.

SKILL.md · Manifest · 86 lines

View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)

  1. ---
  2. name: job-ok
  3. description: >-
  4. Use when helping a Chinese job seeker, especially students, interns, or early-career users, prepare job applications with an agent without fabricating experience, auto-submitting applications, scraping hiring platforms, or promising offers.
  5. ---
  6. # Job OK
  7. Job OK 是一个面向中文求职者的本地求职 Skill。它帮助学生、实习生和早期职场人把真实经历整理成可追溯的求职证据,再用于岗位匹配、简历优化、投递跟踪和面试表达训练。
  8. 核心原则:先证据,后结论;先岗位匹配,后简历改写;用户手动确认任何外部投递动作。
  9. ## 使用边界
  10. - 默认使用中文,除非用户要求其他语言。
  11. - 默认把简历、联系方式、截图、聊天记录等敏感材料保留在本地。
  12. - 输出中区分 `fact`、`assumption`、`inference`、`user_preference`。
  13. - 不编造学历、实习、项目、奖项、指标、证书、技能或公司经历。
  14. - 不承诺面试、offer、薪资结果或平台曝光。
  15. - 不自动投递、不自动私信 HR、不绕过登录、不批量爬取招聘平台。
  16. - 不用于企业侧招聘、候选人排名或人事决策。
  17. ## 本地案例目录
  18. 每服务一个求职者,创建或复用:
  19. ```text
  20. job-search-cases/<yyyy-mm-dd-user-slug>/
  21. ├── brief.yaml
  22. ├── raw/
  23. │ ├── resume/
  24. │ └── job-posts/
  25. ├── profile.yaml
  26. ├── experience-assets.md
  27. ├── strengths.md
  28. ├── target-roles.csv
  29. ├── jobs.jsonl
  30. ├── job-matches.csv
  31. ├── resume-review.md
  32. ├── resume-versions/
  33. ├── interview-story-bank.md
  34. ├── interview-practice.md
  35. ├── application-tracker.csv
  36. └── review-log.md
  37. ```
  38. 优先从 `assets/templates/` 复制模板到案例目录,再开始分析。
  39. ## 工作流
  40. 1. **先 Intake。** 收集简历、目标城市、目标岗位、教育背景、项目/实习经历、限制条件、排除岗位、偏好行业和风险备注。核心信息不足时先追问,不急着推荐岗位或改简历。参考 `references/intake-flow.md`。
  41. 2. **提取真实经历。** 把简历和用户回答整理到 `experience-assets.md`。可用 `scripts/extract_resume_text.py` 提取 `.pdf`、`.docx`、`.txt`、`.md` 简历文本。
  42. 3. **挖掘优势。** 每个优势都必须走完 `证据 -> 行为 -> 能力 -> 岗位信号`。参考 `references/strength-taxonomy.md`,在 `strengths.md` 记录可信度和缺失证据。
  43. 4. **生成岗位假设。** 输出 3-5 个目标岗位簇到 `target-roles.csv`。参考 `references/job-matching-rubric.md`,写清匹配证据、差距、30 天补强动作和适合公司类型。
  44. 5. **整理真实 JD。** 只接受用户提供的岗位链接、截图、复制 JD、CSV 导出、Markdown 表格或浏览器可见页面。用 `scripts/normalize_jobs.py` 生成 `jobs.jsonl`。使用平台资料前先读 `references/platform-boundaries.md`。
  45. 6. **评分和短名单。** 用 `scripts/score_job_matches.py` 做确定性初筛。分数只用于 triage,不代表真实录取概率。低分岗位进入观察池,不进入投递列表。
  46. 7. **优化简历。** 参考 `references/resume-rubric.md`。每条建议必须能回到真实经历。输出 `resume-review.md`,并在 `resume-versions/` 记录不同岗位版本。
  47. 8. **训练面试表达。** 参考 `references/interview-training.md`。一次只问一个问题,等待用户回答,再追问和复盘。首版只处理文本或语音转写稿。
  48. 9. **跟踪和复盘。** 每次投递、回复、面试、拒信或新增 JD 后,更新 `application-tracker.csv` 和 `review-log.md`。
  49. ## 辅助脚本
  50. ```bash
  51. python3 .agents/skills/job-ok/scripts/extract_resume_text.py \
  52. --input job-search-cases/<case>/raw/resume/resume.pdf \
  53. --output job-search-cases/<case>/raw/resume/resume.txt
  54. python3 .agents/skills/job-ok/scripts/normalize_jobs.py \
  55. --input job-search-cases/<case>/raw/job-posts/jobs.md \
  56. --output job-search-cases/<case>/jobs.jsonl \
  57. --source-type user_paste
  58. python3 .agents/skills/job-ok/scripts/score_job_matches.py \
  59. --profile job-search-cases/<case>/profile.yaml \
  60. --strengths job-search-cases/<case>/strengths.md \
  61. --jobs job-search-cases/<case>/jobs.jsonl \
  62. --output job-search-cases/<case>/job-matches.csv
  63. ```
  64. ## 输出标准
  65. - 优势挖掘:写明证据、可信度、岗位信号和缺失证据。
  66. - 岗位建议:同时写为什么投、为什么不投、简历重点和下一步用户动作。
  67. - 简历修改:输出建议,不输出不可验证的最终表述;缺证据内容标记为 `needs_proof`。
  68. - 面试训练:检查结构、具体性、证据、岗位相关性、风险表达和可追问性。
  69. - 外部动作:结尾使用“用户手动确认后再执行”,除非用户报告完成,否则不要写“已投递”。
README.md · README · 212 lines

View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)

  1. # Job OK
  2. [![Agent Skill](https://img.shields.io/badge/Agent%20Skill-job--ok-blue)](#quick-start)
  3. [![For Chinese Job Seekers](https://img.shields.io/badge/中文求职者-优先-black)](#why-job-ok)
  4. [![License: MIT](https://img.shields.io/badge/License-MIT-black.svg)](LICENSE)
  5. 面向中文求职者的证据驱动求职 Agent Skill:**不编经历,不自动海投,只把真实经历变成可投递、可面试、可复盘的求职证据系统。**
  6. ## Why Job OK
  7. 很多求职者的问题不是“完全没有能力”,而是:
  8. - 简历只会写“参与、协助、负责”,没有动作和结果;
  9. - 面试一追问项目细节就散;
  10. - JD 看了很多,但不知道自己该投什么;
  11. - 用 AI 改简历时,很容易从“表达优化”滑向“包装和编造”。
  12. Job OK 的思路是把求职拆成一个本地工作流:
  13. ```text
  14. 真实经历
  15. ↓
  16. 证据链
  17. ↓
  18. 岗位信号
  19. ↓
  20. 真实 JD 匹配
  21. ↓
  22. 简历版本
  23. ↓
  24. 面试故事库
  25. ↓
  26. 投递跟踪与复盘
  27. ```
  28. 它不是求职捷径,而是一套逼你把自己讲清楚的系统。
  29. ## Features
  30. | 模块 | 产物 | 解决的问题 |
  31. |---|---|---|
  32. | Intake | `profile.yaml` | 先问清目标城市、岗位、约束和风险,不急着改简历 |
  33. | 经历资产库 | `experience-assets.md` | 把项目、实习、社团、自学、兼职整理成真实材料 |
  34. | 优势挖掘 | `strengths.md` | 每个优势必须走完 `证据 -> 行为 -> 能力 -> 岗位信号` |
  35. | 岗位假设 | `target-roles.csv` | 生成 3-5 个可验证的岗位方向,不做人格算命 |
  36. | JD 标准化 | `jobs.jsonl` | 整理用户提供的真实 JD、截图、链接和导出表 |
  37. | 岗位匹配 | `job-matches.csv` | 按证据、硬性条件、兴趣、现实约束和风险初筛岗位 |
  38. | 简历优化 | `resume-review.md` | 每条建议都回到真实经历,缺证据内容标记 `needs_proof` |
  39. | 面试训练 | `interview-story-bank.md` | 训练自我介绍、项目回答、追问和风险表达 |
  40. | 投递跟踪 | `application-tracker.csv` | 记录投递、回复、面试、拒信和复盘 |
  41. ## What It Will Not Do
  42. Job OK 不是“自动投递神器”:
  43. - 不编造经历;
  44. - 不承诺 offer;
  45. - 不自动投递;
  46. - 不自动私信 HR;
  47. - 不批量爬取招聘平台;
  48. - 不绕过登录、验证码或平台限制;
  49. - 不替企业做候选人排名或招聘决策。
  50. ## Quick Start
  51. ### 1. 让 Agent 帮你安装
  52. 在 Codex、Claude Code 或其他支持 Skill 的 Agent 里直接说:
  53. ```text
  54. 帮我安装这个 Skill:https://github.com/GresonKwan/JobOK
  55. ```
  56. Agent 会把仓库安装到对应的本地 Skill 目录。安装完成后,重启你的 Agent 或新开会话:
  57. ```text
  58. $job-ok
  59. 我是应届生,目标是深圳的 AI 应用实习/产品运营实习。
  60. 我会上传简历,并粘贴 3 个真实 JD。
  61. 请先问我必要问题,再帮我建立求职案例目录。
  62. ```
  63. ### 2. 手动安装备用
  64. 如果你的 Agent 不能自动安装,可以按所用工具的 Skill 目录手动 clone。Codex 示例:
  65. ```bash
  66. git clone https://github.com/GresonKwan/JobOK.git ~/.codex/skills/job-ok
  67. ```
  68. 也可以下载 ZIP,解压后把整个文件夹复制到对应 Skill 目录。Codex 示例:
  69. ```text
  70. ~/.codex/skills/job-ok
  71. ```
  72. Claude Code、Codex 和项目级安装说明见 [docs/install-cn.md](docs/install-cn.md)。
  73. ### 3. 项目级安装备用
  74. 如果你只想在当前项目启用:
  75. ```bash
  76. git clone https://github.com/GresonKwan/JobOK.git .agents/skills/job-ok
  77. ```
  78. ## Usage Examples
  79. ### 1. 挖掘优势
  80. ```text
  81. $job-ok
  82. 请围绕我的课程项目、实习、社团、兼职、自学和失败经历追问。
  83. 每个优势都要写清楚:证据、行为、能力、岗位信号和缺失证据。
  84. ```
  85. ### 2. 匹配岗位
  86. ```text
  87. $job-ok
  88. 这里有 5 个真实 JD,请整理成 jobs.jsonl,并输出 job-matches.csv。
  89. 低于 60 分的岗位只放观察池,不建议投递。
  90. ```
  91. ### 3. 优化简历
  92. ```text
  93. $job-ok
  94. 基于这个目标 JD,帮我做 resume-review.md。
  95. 不要编经历;缺少证据的内容标记 needs_proof。
  96. ```
  97. ### 4. 训练面试
  98. ```text
  99. $job-ok
  100. 我先发一段自我介绍。
  101. 请检查结构、证据、岗位关联、废话和风险表达。
  102. 一次只问我一个追问问题。
  103. ```
  104. ## Case Folder
  105. Job OK 默认会创建:
  106. ```text
  107. job-search-cases/<yyyy-mm-dd-user-slug>/
  108. ├── brief.yaml
  109. ├── raw/
  110. │ ├── resume/
  111. │ └── job-posts/
  112. ├── profile.yaml
  113. ├── experience-assets.md
  114. ├── strengths.md
  115. ├── target-roles.csv
  116. ├── jobs.jsonl
  117. ├── job-matches.csv
  118. ├── resume-review.md
  119. ├── resume-versions/
  120. ├── interview-story-bank.md
  121. ├── interview-practice.md
  122. ├── application-tracker.csv
  123. └── review-log.md
  124. ```
  125. ## Optional Dependencies
  126. 基础使用不需要安装依赖。只有解析 PDF/DOCX 简历时才需要:
  127. ```bash
  128. python3 -m pip install -r requirements-optional.txt
  129. ```
  130. 国内网络可使用镜像:
  131. ```bash
  132. python3 -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements-optional.txt
  133. ```
  134. ## Repository Structure
  135. ```text
  136. .
  137. ├── SKILL.md
  138. ├── agents/openai.yaml
  139. ├── references/
  140. ├── assets/templates/
  141. ├── scripts/
  142. ├── examples/quick-start/
  143. └── docs/
  144. ```
  145. ## Docs
  146. - [安装说明](docs/install-cn.md)
  147. - [使用指南](docs/usage-cn.md)
  148. - [安全边界](docs/safety-cn.md)
  149. - [FAQ](docs/faq-cn.md)
  150. - [贡献说明](CONTRIBUTING.md)
  151. - [更新记录](CHANGELOG.md)
  152. ## Safety
  153. 用户可以粘贴 Boss 直聘、猎聘、领英、学校就业网等来源的 JD,也可以上传截图、导出表或浏览器可见页面。
  154. Job OK 只整理和分析用户授权提供的信息,不做后台批量抓取,不自动投递,不自动联系招聘方。
  155. 任何投递、私信、简历提交或平台操作,都应由用户自己确认和执行。
  156. ## License
  157. MIT

Ratings and comments

Sign in to rate this skill.

Sign in

Free to use. If it’s helped, pass it on.