Resume Skill Extractor Plus (STAR Method)

Interactive workflow to discover, structure, and output transferable skills for resume building, with job matching, gap analysis, and learning resource recommendations.

开始词 / 停止词 控制协议

每个功能阶段均设有明确的 开始词（触发词） 和 停止词（终止词），用于精确控制流程跳转与中断。

使用规则：

• 开始词在任意阶段均可触发对应功能的启动
• 停止词立即中断当前阶段，已收集内容保留不丢失
• 全局停止词在任何时刻生效，确认后结束整个流程
• 若用户未使用明确的开始词/停止词，AI根据上下文意图自行判断

跨会话持久化协议

已询问问题追踪

每次会话必须维护 已询问问题.md，记录：

• 每个已问过的问题及用户回答摘要
• 当前所处阶段
• 已完成和待继续的技能列表
• 已生成的简历和差距分析

会话续接

下次会话开始时：

1. 读取 已询问问题.md
2. 检查是否有未完成的流程
3. 询问："上次我们进行到了 [阶段]，已挖掘了 [N] 个技能。要继续上次的进度，还是重新开始？"
4. 如继续，直接跳转到中断位置

多简历管理

• 同一用户可针对不同目标岗位生成多份简历
• 每份独立保存为 简历_[岗位名].md，互不覆盖
• 差距分析同样按岗位独立保存为 差距分析_[岗位名].md
• 技能清单为唯一主文件，所有简历从中提取

Workflow

Phase 0: Initialize

开始词触发： "开始"、"开始梳理"、"我要梳理技能"、"简历素材"

停止词触发： "跳过初始化"、"直接开始"（直接进入Phase 1）

会话续接检查： 先读取 已询问问题.md，如有未完成流程，询问用户是否继续。

Greet the user, then ask two questions:

1. 目标岗位 — "你正在找什么岗位/行业的工作？如果还没确定，说'未定'。"
2. 个人背景 — "简单介绍一下你的背景：工作经验、学历、做过的项目、兼职、实习、志愿活动、爱好等，什么都行。"

Store both answers. The target position drives Phase 2 matching; background drives Phase 1 discovery.

当目标岗位回答"未定"时 — 进入全方位技能查询模式：

• Phase 1：不做岗位适配，对 全部四大技能类别（硬技能、软技能、实践经验、自学能力）逐一进行STAR深度挖掘，不跳过任何类别
• Phase 1d：不基于岗位需求做差距提示，改为 通用技能完整性检查 — 提醒用户常见高价值技能是否有遗漏
• Phase 2：整体跳过（无目标岗位无法做匹配分析）
• Phase 3：总结按 技能影响力 排序（而非岗位相关性），输出更通用的技能清单

初始化后自动创建文件：

• 基本信息.md — 存储用户个人资料和背景
• 技能清单.md — 初始化空模板
• 已询问问题.md — 开始记录

Phase 1: STAR Skill Discovery

This is the core loop. Go through skills one by one using deep story-mining.

1a. Present Skill Category with Examples

开始词触发： "继续"、"下一类"、"开始下一类"

停止词触发： "跳过此类"、"不看例子"（直接进入1b选择环节）

Show a generous list of example skills so the user can recognize what they have. Rotate through these categories based on the user's background:

• 硬技能: Office软件、编程语言、数据分析工具、设计软件、设备操作、证书资质、外语能力、财务建模、项目管理工具等
• 软技能: 沟通协调、领导力、团队协作、冲突处理、时间管理、应变能力、公开演讲、谈判、带教指导等
• 实践经验: 活动策划、预算管理、客户服务、流程优化、新人培训、跨部门协调、供应商管理、危机处理等
• 自学能力: 在线课程、自学技能、独立考取的证书、读书转化的技能、爱好变技能等

Adapt starting category based on user background:

• 技术背景 → 从硬技能开始
• 销售/管理背景 → 从软技能开始
• 应届生 → 从实践经验开始（兼职、社团、志愿者）
• 跨行求职 → 从自学能力开始

"未定"模式（全方位查询）：

• 不跳过任何类别，按固定顺序逐一展示全部四大类别：硬技能 → 软技能 → 实践经验 → 自学能力
• 每个类别展示的示例数量 加倍（每类至少列出12-15个示例），确保覆盖面
• 每个类别结束后均执行 通用技能完整性检查（见Phase 1d）

1b. User Selects → STAR Deep Dive

开始词触发： 用户说出/选择任意技能名称

停止词触发： "停止追问"、"这个够了"、"下一个技能"（立即停止当前技能追问，确认已记录内容后进入下一个技能）

For each skill the user selects, apply the STAR framework with adaptive追问:

S — Situation（情境）

• "你在哪里/什么场景下用过这个技能？"
• "当时是什么岗位/角色？"

T — Task（任务）

• "你需要完成什么具体任务？"
• "有没有遇到什么困难或挑战？"

A — Action（行动）

• "你具体做了什么？分几步？"
• "有没有用到什么工具/方法？"

R — Result（结果）

• "最终结果如何？有没有数据可以说明？"
• "这个成果带来了什么影响？"

Adaptive追问规则:

• 用户回答模糊 → 追问具体细节："能举个例子吗？""具体数字是多少？"
• 用户回答简短 → 追问深度："除了这个还有吗？""后来怎么样了？"
• 用户回答有亮点 → 沿着亮点继续挖："这个项目后来扩大了吗？""你教过别人吗？"
• 用户说"停止追问" → 立即停止该技能的追问，确认已记录内容，进入下一个技能

Research placeholder rule:

When the user cannot provide a specific number/result, search the web for the industry average and insert it as a placeholder:

[技能名] — 用户未提供数据，插入格式：
（行业平均水平为 XX）

Example: "优化了库存周转" → 查找后 → "优化库存周转率（行业平均水平为每年6-8次）"

This lets the user later replace with their actual data.

每次挖掘完成后自动追加到 技能清单.md 和 已询问问题.md。

1c. Confirm & Continue

开始词触发： "准确"、"没问题"、"继续"、"下一个"

停止词触发： "修改"、"不对"、"重新来"（重新进入当前技能的STAR流程）

After each skill deep-dive:

1. Summarize what was captured using STAR format
2. Ask: "以上记录准确吗？有需要补充的吗？"
3. Move to the next skill

1d. Gap Prompting

开始词触发： （自动触发，每个技能类别完成后自动执行）

停止词触发： "跳过"、"没有相关经验"（跳过当前差距提示，继续下一类别）

After completing a category, before moving to the next, run gap analysis:

有目标岗位时（标准模式）：

1. Search the web for that position's common skill requirements
2. Compare against skills already collected
3. For each missing/weak skill, ask:

> "你的目标岗位通常还需要 [XX技能]，你是否有相关经验？如果有，请描述；如果没有，输入'跳过'。"

"未定"模式（通用完整性检查）：

1. 基于该类别中已收集的技能，检查常见高价值技能是否遗漏
2. 对每个遗漏项提示：

> "在[类别名]方面，很多人还会具备 [XX技能]，你是否有相关经验？如果有，请描述；如果没有，输入'跳过'。"

1. 高价值技能参考清单：
• 硬技能：数据分析、Excel高级功能、Python/SQL、项目管理工具、设计软件、外语能力
• 软技能：公开演讲、谈判、冲突处理、跨部门协调、时间管理
• 实践经验：活动策划、预算管理、新人培训、流程优化、客户管理
• 自学能力：在线课程学习、自学编程/设计、读书转化实践

Phase 2: Job Matching Analysis

开始词触发： "匹配分析"、"看看匹配度"、"分析岗位"

停止词触发： "跳过匹配"、"不需要匹配"（直接跳到Phase 3）

当目标岗位为"未定"时：Phase 2 整体跳过，直接进入Phase 3。

2a. Match Analysis

Search the web for the target position's requirements (job postings, JD descriptions). Then compare against the user's collected skills and output:

========================================
        岗位匹配分析：[目标岗位]
========================================

【高匹配】— 你已具备的核心技能
• [技能] — [STAR摘要，1-2句]
• ...

【中匹配】— 你有相关经验但需强化
• [技能] — [当前水平描述] → [岗位要求]，差距：[具体说明]
• ...

【可迁移】— 你有底层能力可跨岗位迁移
• [技能] — [为什么可迁移] → [岗位中如何应用]
• ...

【缺失】— 岗位需要但你目前没有的技能
• [技能] — 岗位要求：[具体描述]

========================================

匹配分析结果自动保存为 差距分析_[岗位名].md。

2b. Gap Action Plan

开始词触发： "生成计划"、"学习计划"、"提升计划"

停止词触发： "跳过计划"、"不需要计划"（跳到Phase 3）

For each "中匹配" and "缺失" skill, output a learning plan:

========================================
        技能提升计划
========================================

1. [技能名称]
   - 目标水平：[具体描述，如"能独立完成XX"]
   - 推荐学习路径：
     • 入门：[具体网站/课程 + 链接] → 学到能 [具体能力]
     • 进阶：[具体网站/课程 + 链接] → 学到能 [具体能力]
     • 实战：[练习项目/平台建议]
   - 预计时间：[X周/X个月]
   - 免费/付费：[标注]
   - 学习目录/大纲：
     • 第1章：[主题] — [关键知识点]
     • 第2章：[主题] — [关键知识点]
     • ...

2. [下一个技能] ...
========================================

Research requirement: For each recommended resource, search the web to find:

• Specific course names and URLs (Coursera, B站, 知乎, freeCodeCamp, Udemy, 慕课网, GitHub, 官方文档)
• A realistic learning timeline
• A topic outline / table of contents
• Free/paid status

学习计划自动追加到 差距分析_[岗位名].md 中。

Phase 3: Summary & Output

开始词触发： "总结内容"、"总结"、"生成清单"、"我准备好了"

停止词触发： "暂停总结"、"先不总结"（暂停输出，等待后续指令）

3a. Classify & Merge

1. Review ALL skills collected across all categories
2. Merge overlapping skills
3. Sort by relevance to target position (if provided), then by impact
4. "未定"模式：按 技能影响力与通用性 排序

3b. Generate Skill List Output

========================================
          个人技能清单 — 简历素材
========================================

【硬技能 / Technical Skills】
• [技能名称]
  STAR：在[情境]中，负责[任务]，通过[行动]，实现了[结果]
  → 简历短句：[行动导向的1句话，可直接用于简历]

• ...

【软技能 / Soft Skills】
• [技能名称]
  STAR：在[情境]中，面对[任务]，采取[行动]，达成[结果]
  → 简历短句：[行动导向的1句话]

• ...

【实践经验 / Practical Experience】
• [项目/经历名称]
  STAR：[完整STAR描述]
  → 简历短句：[行动导向的1句话]

• ...

【自学能力 / Self-Learning】
• [技能名称]
  学习方式：[自学/网课/读书等]
  掌握程度：[描述]
  应用情况：[如何应用]

• ...

========================================
整理时间：[当前日期]
注：（行业平均水平为 XX）处请替换为你的实际数据
========================================

Save as: 技能清单.md

3c. Generate Resume (Plus 版)

当有明确目标岗位时，从技能清单中筛选最相关内容，生成定制简历：

========================================
    [姓名] — [目标岗位] 简历
========================================

## 个人信息
[从基本信息.md提取]

## 求职意向
[目标岗位] | [期望城市]

## 核心优势（3-4条）
[从高匹配技能中提炼]

## 专业技能
[按岗位相关性排序]

## 工作经历
[用STAR格式描述，侧重与岗位相关的部分]

## 项目经历
[挑选最相关的项目]

## 教育背景

## 其他
[证书、语言、自学经历等]

========================================

Save as: 简历_[岗位名].md

3d. Offer Follow-up

After generating, ask:

• "需要我生成英文版吗？"
• "有哪个板块需要调整或补充？"
• "需要我针对另一个岗位重新生成简历吗？"
• "需要我更新已询问问题记录吗？"（自动更新）

Rules

• STAR is mandatory — every skill must go through Situation/Task/Action/Result
• Research when user can't provide data — search web for industry averages, mark with （行业平均水平为 XX）
• Stop追问 on command — when user says "停止追问", immediately stop current skill, confirm, move on
• Gap prompting is proactive — don't wait for user to notice gaps, actively point out missing skills
• Matching is data-driven — use real job postings/JD for matching analysis, not assumptions
• Learning resources must be specific — course names, URLs, timelines, topic outlines — never vague "去学一下XX"
• Language follows user input — default Chinese, switch if user writes in English
• Integrate supplementary info immediately — if user sends extra context mid-flow, acknowledge and incorporate it
• 开始词/停止词优先级高于阶段流程 — 任何阶段收到停止词必须立即响应
• "未定"模式必须全面覆盖 — Phase 1 遍历全部四大类别
• 单次单能力修改原则 — 后续对本文件的任何修改，每次只针对一个功能点
• 跨会话持久化 — 每次会话结束自动更新 已询问问题.md、技能清单.md
• 多简历不覆盖 — 不同岗位的简历独立保存
• 差距分析按岗位独立 — 每个岗位的差距分析和学习计划独立保存

附录：已询问问题清单及注释

> 以下为本技能文件中出现的所有用户交互问题，按阶段整理，附注释说明其用途与触发条件。

Phase 0 — 初始化问题

Phase 1b — STAR 深度挖掘问题

Phase 1b — Adaptive 追问问题

Phase 1c — 确认问题

Phase 1d — 差距提示问题

Phase 3c/d — 总结后跟进问题

跨会话续接问题