/job-status — 学习进度陪跑

Step 0：上下文检查

# === 自动发现 skill 根目录（适配项目级/全局级安装） ===
SKILL_DIR="${AI_JOB_HUNTER_DIR:-}"
[ -n "$SKILL_DIR" ] && SKILL_DIR="${SKILL_DIR//\\//}"
if [ -z "$SKILL_DIR" ]; then
  [ -d ".claude/skills/ai-job-hunter" ] && SKILL_DIR=".claude/skills/ai-job-hunter"
  [ -z "$SKILL_DIR" ] && [ -d "$HOME/.claude/skills/ai-job-hunter" ] && SKILL_DIR="$HOME/.claude/skills/ai-job-hunter"
fi
DATA_DIR="${AI_JOB_HUNTER_DATA:-$(dirname "$SKILL_DIR")/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-analyze
• progress 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 $DATA_DIR/workspace/day-NN/ 目录。

mkdir -p "$DATA_DIR/workspace/day-{current_week}-{current_day}"

Step 4：卡住处理

Step 5：连续 3 天无交付

test -d "$DATA_DIR/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[]。