① 摘要
面向正在找实习/校招的大学生，提供一套"JD 黑话翻译 → 岗位筛选 → 学习规划"的决策辅助工具。上传 Boss 直聘的 JD 截图，10 分钟内获得黑话翻译、能力拆解、多岗位对比排序和面试学习路径，原本需要翻遍脉脉牛客才能完成的分析工作一键搞定。
② 真实场景与需求
目标人群：正在找实习/校招的大学生，尤其是对行业不了解、无法判断 JD 真实含义的泛商科求职者。
痛点：Boss 直聘上的 JD 充斥"赋能"“闭环”"全链路"等黑话，看不懂岗位到底干什么；看了 10 份 JD 不知道该投哪个；确定了目标岗位不知道怎么准备面试。现有做法是求助脉脉/牛客/问学长学姐，信息分散、新人不知道该问什么。
③ 作品介绍
两个 SOLO Skill 协作：
Skill 1：JD 翻译官（核心）
• 黑话翻译：40+ 条黑话词库，逐句翻译为"大白话"
• 能力拆解：将职责拆解为具体工作事项（数据分析/文档撰写/沟通协调等）
• 危险信号检测：如"弹性工作制+抗压能力强"= 高加班概率
• 搜索校准：自动搜索牛客/脉脉/小红书真实分享，多平台交叉验证
• 支持批量输入（截图 OCR + 文本粘贴），输出多 JD 对比表
Skill 2：求职决策助手
• 基于"约束-偏好-红线"三层模型采集用户偏好（参考 Schein 职业锚理论）
• 三关过滤排序：硬约束 → 红线一票否决 → 偏好评分
• 生成目标岗位的学习路径规划和面试准备清单
两个 Skill 通过对话上下文自动衔接。
④ 用 SOLO 实现的过程
任务拆解：
- 需求分析：调研了 Jobscan 等现有工具，发现只做"关键词匹配"，不做黑话翻译。确定了核心差异化——JD 是营销文案，正确用法是"翻译和拆解"而非"评估和判断"
- 信息源分析：JD 能翻译黑话但无法评估 dirty work，引入搜索校准机制，用真实分享校准分析结果
- 架构设计：评估后拆成两个 Skill，通过对话上下文衔接，避免 prompt 膨胀
- 理论支撑：偏好采集从"凭直觉的 5 个问题"重构为基于 Schein 职业锚 + Kahneman 前景理论的"约束-偏好-红线"三层模型
用到的 SOLO 能力：
• 图片识别（OCR）：直接读取 JD 截图
• WebSearch：搜索牛客/脉脉/小红书真实分享
• 本地文件读写：自动维护岗位画像缓存和黑话词库（越用越准）
踩坑经历：
• 初版搜索只依赖牛客，信息来源单一 → 引入多平台交叉验证
• 初版没有来源链接，用户想看原文 → 每条发现附带可点击链接
• 分析结果散落在对话中 → 自动生成可下载的报告文件
• 偏好问题缺乏理论依据 → 重构为三层决策模型
效果与总结
核心价值：把 JD 从"营销文案"还原为"大白话"——这是现有工具都没做好的事。搜索校准用真实分享验证 JD 说法，多平台交叉标注可信度。AI 和人各司其职：Skill 做文本分析和规划，用户做最终决策。
可复用方法："约束-偏好-红线"三层决策模型可用于任何多维度决策场景；多平台交叉验证机制可用于任何搜索验证场景。
