Agent Skills
› qxiansheng001/ai-job-hunter
› job-status
job-status
GitHub学习进度陪跑技能，跟踪计划执行、打卡及卡点处理。需前置状态文件，支持动态调整任务、诊断阻塞原因、落盘产出，并具备反诈预警功能。
Trigger Scenarios
用户询问当前学习进度或打卡
用户在学习过程中遇到卡点寻求协助
用户希望调整学习计划或汇报进展
Install
npx skills add qxiansheng001/ai-job-hunter --skill job-status -g -y
SKILL.md
Frontmatter
{
"name": "job-status",
"description": "学习进度陪跑。跟踪学习计划执行、每日打卡、卡点处理、进度调整。 需要先有 .skill-state.json 且 learning_plan 已生成。可路由到 job-analyze。",
"allowed-tools": "Bash(*), Read, Write, Edit, Glob, Skill",
"argument-hint": ""
}
/job-status — 学习进度陪跑
Step 0：上下文检查
DATA_DIR="${AI_JOB_HUNTER_DATA:-../ai-job-hunter-data}"
test -f "$DATA_DIR/.skill-state.json" && echo EXISTS || echo MISSING
- MISSING → 调用
Skill执行job-init
读取 $DATA_DIR/.skill-state.json 的 learning_plan 和 progress。
learning_plan.plan_file为空 → 调用Skill执行job-analyzeprogress为空 → 初始化进度
Step 1：接住上下文
用 2-4 句话体现连续记忆：
你现在是第 {current_phase} 阶段第 {current_week} 周第 {current_day} 天。 目标岗位：{target_role} 上次完成：{最后一个 completed_tasks 的 artifact} 卡点：{blocked_on}
Step 2：当天任务安排
最多 3 件任务，每件有明确的完成标准。
进度把控：
behind→ 压缩任务到最小可执行ahead→ 增加扩展任务blocked→ 诊断卡点类别（工具/选择/输入/质量/代码/动力），给最小修复动作
偏离检测： 如果用户在学无关内容 → 拉回到"先完成作品集"
Step 3：打卡处理
判断用户完成度，更新 $DATA_DIR/.skill-state.json：
- 追加
completed_tasks[]：{ day, task, artifact: "workspace/day-NN/xxx", at: now } - 推进
current_day/current_week/current_phase - 写
retro_log[]：{ event, summary, next_action }
产出落盘： 用户产出不停在聊天里，存到 workspace/day-NN/ 目录。
mkdir -p workspace/day-{current_week}-{current_day}
Step 4：卡住处理
| 卡点类型 | 诊断 | 最小修复动作 |
|---|---|---|
| 工具 | 环境/安装问题 | 给出精确命令 |
| 选择 | 不知道学什么 | 缩小到下一个具体任务 |
| 输入 | 缺少资料 | WebSearch 找当前主题最佳教程 |
| 质量 | 产出达不到预期 | 降低标准，先完成再完善 |
| 代码 | 写不出来 | 给代码骨架，让用户填空 |
| 动力 | 不想学 | 缩小到 15 分钟可完成的任务 |
Step 5：连续 3 天无交付
test -d workspace/day-{prev_week}-{prev_day} && echo HAS_OUTPUT || echo NO_OUTPUT
连续 3 天无产出 → 询问用户是否需要调整计划或暂停。
Step 6：触发反诈
如果用户提到"付费内推"、"包就业"、"培训贷"等 → 停止并警告。更新 retro_log[]。
Version History
- 05ba1cf Current 2026-07-11 16:58
