Back to skills
SKILL.md
offer-toolkit-skill
ASecurity求职工具包。把「找岗位 → 签 offer」拆成六个独立子 skill:⓪ Job Hunt 批量发现岗位,① Job Description 解码具体 JD,② Resume 定向简历,③ BQ 准备行为面试,④ Offer Compare 对比多份 offer,⑤ Salary Negotiation 谈 package。任何求职相关请求(找工作、该不该投、改简历、准备面试、选 offer、谈薪)都从这里进,再路由到对应子 skill。关键词:求职, offer, career, job hunt, LinkedIn jobs, JD, resume, CV, behavioral interview, BQ, STAR, offer compare, salary negotiation, 薪资谈判, 选 offer。
- 508 stars
- 0 votes
- 0 copies
- 2 views
- Added August 30, 2026
Security analysis
100/100Pro scans all 20 files and shows the line behind each finding
npx -y skills add yanliudesign/offer-toolkit-skill --agent claude-codeAre you the author of offer-toolkit-skill?
Add the live security badge to your README. It updates with every re-scan.
[](https://www.skillsdirectory.com/skills/yanliudesign-offer-toolkit-skill)---
name: offer-toolkit-skill
description: "求职工具包。把「找岗位 → 签 offer」拆成六个独立子 skill:⓪ Job Hunt 批量发现岗位,① Job Description 解码具体 JD,② Resume 定向简历,③ BQ 准备行为面试,④ Offer Compare 对比多份 offer,⑤ Salary Negotiation 谈 package。任何求职相关请求(找工作、该不该投、改简历、准备面试、选 offer、谈薪)都从这里进,再路由到对应子 skill。关键词:求职, offer, career, job hunt, LinkedIn jobs, JD, resume, CV, behavioral interview, BQ, STAR, offer compare, salary negotiation, 薪资谈判, 选 offer。"
---
# Offer Toolkit
一整套求职 skill 的聚合入口。六条子 skill 各自独立可用,也可以组成从找岗位到签 offer 的完整链路:
```
种子 JD + 简历 → [job-hunt-skill] 搜索 · 去重 · 证据分层 · HTML 清单
↓ 选中岗位
[Job Description Skill] 解码 JD · 出 Offer Strategy Report
↓ 决定投
[Resume Skill] tailor + 美化 · 12 套模板 · 单文件 HTML
↓ 拿到面试
[BQ Skill] 挖故事 · 建故事库 · STAR 化 · 模拟面试
↓ 拿到 offer
┌ 一份 offer ───────────────→ [Salary Negotiation] 谈 package
└ 多份 offer → [Offer Compare] 选 offer ────────┘
```
**顶层原则(六条子 skill 共用):**
1. **绝不杜撰。** 所有经历、职责、数字都必须来自用户真实提供的内容。可以引导、追问、把弱的改强,绝不编公司、职位、成果、量化数字。
2. **只问会改变结论的信息。** 遵循各子 skill 规定的逐题或批量提问节奏,不把对话变成长问卷。
3. **先结构化,再产出。** 无论是简历还是故事,先落到标准数据模型,确认无误再渲染 HTML / 生成答案。
---
## 路由:用户进来先判断意图
| 用户说的话 | 走哪个子 skill |
|---|---|
| "帮我找工作" / "在 LinkedIn 搜适合我的岗位" / "根据这份 JD 找相似职位" / "根据简历推荐岗位" / "整理职位清单" | → [`job-hunt-skill/`](job-hunt-skill/SKILL.md) |
| 贴出一份 JD / "这个岗位我该不该投" / "帮我看看这份工作" / "match score" / "面试会问什么" | → [`job-description-skill/`](job-description-skill/SKILL.md) |
| "帮我美化简历" / "改简历" / 上传 PDF/docx / "我没有简历帮我做一份" / "换个模板" / LinkedIn 导入 | → [`resume-skill/`](resume-skill/SKILL.md) |
| "帮我准备 behavioral 面试" / "Tell me about a time…" / "帮我挖一个面试故事" / "STAR 怎么写" / "建我的故事库" / "Amazon LP 怎么准备" | → [`bq-skill/`](bq-skill/SKILL.md) |
| "两份 offer 怎么选" / "A 还是 B" / "compare offers" / "算 4 年 TC" | → [`offer-compare-skill/`](offer-compare-skill/SKILL.md) |
| "帮我谈薪" / "怎么 counter" / "能不能多要 RSU" / "salary negotiation" | → [`salary-negotiation-skill/`](salary-negotiation-skill/SKILL.md) |
| 一次交出 JD + 简历,想要"全套准备好" | → `job-description-skill/` → `resume-skill/` → `bq-skill/` → 有多份 offer 先 `offer-compare-skill/` → `salary-negotiation-skill/` |
判断不了就问一句:
> "你现在在求职链路的哪一步?
> · 还在找机会,希望自动发现并整理匹配岗位 → **job-hunt-skill**
> · 看到一个心动岗位,还没决定要不要投 → **JD Skill**
> · 已经决定投,需要一份简历 → **Resume Skill**
> · 已经拿到面试,要准备行为面试题 → **BQ Skill**
> · 已经拿到多份 offer,不知道选哪份 → **Offer Compare Skill**
> · 已经选定 offer,想把 package 谈高 → **Salary Negotiation Skill**"
---
## 六个子 skill 各自的入口
每个子目录都是一份完整的 skill(各自有 `SKILL.md` + 独立 README)。可以聚合装,也可以只装其中一个。
### 0 · [job-hunt-skill](job-hunt-skill/SKILL.md) — 岗位发现入口
根据简历、目标方向或种子 JD 生成搜索画像,执行多组公开职位查询,采集、去重并区分已核验事实与方向性推断。默认保留所有通过硬条件的唯一岗位,输出可搜索筛选的单文件 HTML 清单;只搜索分析,不自动投递、不处理登录凭据、不绕过访问限制。
### 1 · [Job Description Skill](job-description-skill/SKILL.md) — 单岗位决策入口
把任何 JD 翻译成一份 10 节的 **Offer Strategy Report**(HTML 单文件,自动打开浏览器):TL;DR 结论 · Match Score · Interview Probability · 公司背景 · JD 深度解码 · JD ↔ 简历逐条比对 · Gap 与补救 · 为什么投/不投 · 薪资 · 下一步 · Top 10 面试题 · 6 周行动计划。
三步:贴 JD → 给简历 → 自动生成 HTML 报告并打开。
### 2 · [Resume Skill](resume-skill/SKILL.md) — 简历生成与美化
把"我需要一份好看的简历"变成稳定流程:所有素材先汇入 `schema/resume-data.md` 定义的标准数据结构,再套模板渲染。换模板只是换皮,内容不丢。
三条入口:美化已有简历 / LinkedIn 导入 / 对话式建简历。
12 套打印级模板:Classic-ATS · Ledger · Modern Sidebar · Pillar · Elegant Serif · Atelier · Timeline · Swiss · Executive · Editorial Banner · Photo Corporate · Photo Minimal。
每次渲染同时输出**锁定版**(直接 Cmd+P 存 PDF)和**可编辑版**(浏览器里点字微调 + 浮动工具条)。
### 3 · [BQ Skill](bq-skill/SKILL.md) — 行为面试故事库
不是背答案,而是**建一套可复用的职业故事库**。流程:挖掘 → 结构化 → 打标 → 存库 → 复用。
能做的事:
- 挖新故事(四层追问引擎,专治"我没什么亮点")
- 回答一道具体 BQ(先查库,命中就复用)
- 打磨已有答案(诊断 STAR 结构 + 改写)
- 模拟面试(一次一道,按目标公司风格)
- JD 驱动的 Top 20 BQ 选题 + STAR 模板 + HTML 报告(对接 job-description-skill)
### 4 · [Offer Compare Skill](offer-compare-skill/SKILL.md) — 多 Offer 决策
结构化对比两份或多份 offer 的 4 年 TC、成长、AI 敞口、公司与团队风险、晋升、生活方式和未来跳槽价值。输出一份 HTML Offer Decision Report,并给出明确推荐,而不是把选择留给用户。
三步:贴多份 offer → 补充 priorities 与当前处境 → 生成报告并打开。
### 5 · [Salary Negotiation Skill](salary-negotiation-skill/SKILL.md) — 薪资谈判
诊断 Base、RSU、Sign-on 和 Bonus 的谈判空间,识别用户与招聘官双方杠杆,生成谈判顺序、可直接使用的中英文电话/邮件脚本、两轮 counter 模拟和明确 stop-line。
三步:贴 offer → 补充竞争 offer、deadline 与风险偏好 → 生成 HTML Negotiation Playbook 并打开。
---
## 安装
### Claude 用户
把整个 `offer-toolkit-skill/` 目录放进你的 skill 目录(例如 `~/.claude/skills/` 或 VS Code 的 prompts 目录),六条子 skill 会一起被发现。
**只想装其中一个?** 直接把对应子目录(如 `resume-skill/`)单独复制过去也可以,每个子 skill 都是自包含的。
### 手动调用
- 顶层调度:说"我要找工作 / 求职 / offer" → 走这份 SKILL.md 的路由
- 直接进子 skill:说"帮我美化简历" / "解码这份 JD" / "帮我准备 BQ" / "比较两份 offer" / "帮我谈薪" → 直接命中对应子 skill
---
## License
MIT — fork, remix, ship your own version.
Created by [Dreameryanyan](https://www.linkedin.com/in/yanliudesign/) · [LinkedIn](https://www.linkedin.com/in/yanliudesign/) · [X](https://x.com/yanliudreamer) · [小红书](https://www.xiaohongshu.com/notification)
Files in this skill
- README.zh.md
- SKILL.md
- bq-skill/.gitignore
- bq-skill/README.md
- bq-skill/README.zh.md
- bq-skill/SKILL.md
- job-description-skill/.gitignore
- job-description-skill/README.md
- job-description-skill/README.zh.md
- job-description-skill/SKILL.md
- job-hunt-skill/README.md
- job-hunt-skill/README.zh.md
- job-hunt-skill/SKILL.md
- job-search-skill/SKILL.md
- offer-compare-skill/LICENSE
- offer-compare-skill/README.md
- offer-compare-skill/README.zh.md
- offer-compare-skill/SKILL.md
- resume-skill/.gitignore
- resume-skill/LICENSE
Attribution
Comments
Loading comments…
Newsletter
Get the weekly list of safe new skills, and the ones we pulled.