JD智能解读

SKILL.md

---
name: jd-interpreter
description: 招聘需求智能解读技能。输入任意岗位JD（粘贴/上传/URL），自动进行8维深度解读：JD结构化拆解→显性隐性需求解构→需求权重评分→能力差距自评引导→面试考点预测→学习提升路线图→ATS关键词注入→薪资对标分析，生成交互式HTML可视化解读报告。触发词：JD解读、岗位解读、招聘需求分析、解读JD、这个岗位要什么、帮我分析这个职位、职位解读、岗位分析、jd interpreter、decode job、analyze job description、职位要求分析。
trigger_words:
  - JD解读
  - 岗位解读
  - 招聘需求分析
  - 解读JD
  - 这个岗位要什么
  - 帮我分析这个职位
  - 职位解读
  - 岗位分析
  - 职位要求分析
  - decode jd
  - analyze job
  - jd interpreter
  - 招聘需求解读
  - 岗位JD分析
  - 职位JD解读
agent_created: true
location: user
allowed-tools: ["Bash", "Read", "Write", "Edit", "WebSearch", "WebFetch"]
metadata:
  openclaw:
    requires:
      bins:
        - python
---

# JD智能解读技能 — 招聘需求深度分析

> 输入一份 JD → 输出 8 维深度解读 + 交互式 HTML 可视化报告

## 定位

本技能填补求职链路「看到 JD → 理解 JD」这一关键空白环节。已有技能（resume-jd-scorer / resume-assistant）均依赖用户已有简历，本技能专注**纯 JD 解读**，无需简历即可使用。解读完成后可自然串联下游技能进行评分或简历改写。

## 触发条件

- 用户粘贴/上传一份岗位 JD 文本
- 用户提供招聘页面 URL
- 用户说"帮我分析这个职位""这个岗位到底要什么""解读一下这个 JD"
- 即使无简历也能独立使用

## 8 维解读框架

### 模块一：JD 结构化拆解（P0 — 必做）

从原始 JD 文本中提取结构化信息，生成「岗位画像卡片」：

| 提取字段 | 说明 |
|---|---|
| 职位名称 | 标准化的岗位名称 |
| 公司/行业 | 公司类型、所处行业 |
| 工作地点 | 城市/远程/混合 |
| 薪资范围 | JD 中明确或隐含的薪资信号 |
| 工作性质 | 全职/实习/外包/兼职 |
| 核心职责 TOP 5-8 | 按重要度降序排列 |
| 硬技能/技术栈 | 分「必需」和「加分」两类 |
| 软技能/素质要求 | 沟通/领导力/抗压等 |
| 学历/经验门槛 | 学历层次 + 工作年限要求 |
| 行业关键词 | 业务领域高频词 |

### 模块二：显性需求 vs 隐性需求解构（P0 — 必做）

区分 JD 字面意思与隐藏信号。解码规则：

| 显性措辞 | 隐性信号 | 信号强度 |
|---|---|---|
| "抗压能力强" | 工作节奏快/可能加班/Deadline 驱动 | 中 |
| "有 owner 意识" | 需要自驱/结果导向/可能一人多岗 | 高 |
| "从 0 到 1" | 新业务线/流程不成熟/高风险高回报 | 高 |
| "扁平化管理" | 层级少但晋升通道可能不明确 | 低 |
| "薪资 open/面议" | 预算不透明/需谈判技巧 | 中 |
| "加分项：XX 经验" | 实际可能是隐性必需项 | 中 |
| "快速迭代" | 敏捷开发/需求变化频繁/节奏快 | 高 |
| "创业心态" | 可能 996/期权激励为主/现金偏低 | 高 |
| "有竞争力的薪资" | 中等偏上/非顶级 | 低 |
| "团队氛围好" | 可能是小团队/福利一般 | 低 |
| "广阔发展空间" | 岗位职责边界模糊/需要多面手 | 中 |
| "结果导向" | KPI/OKR 压力大 | 中 |

**输出格式**：双列表对比（显性列 × 隐性解读列），每个隐性信号标注信号强度。

### 模块三：需求权重评分（P1 — 必做）

对 JD 中所有要求进行 1-5 星权重打分，排序逻辑：

1. **措辞强度**：「精通」>「熟悉」>「了解」>「加分项」
2. **出现位置**：JD 靠前的要求通常更重要
3. **行业常识**：某些技术栈是该岗位的事实门槛
4. **重复强调**：JD 中多次提及的技能自动升权

输出带权重星标的需求清单表，标注每项的「必要程度」。

### 模块四：能力差距自评引导（P0 — 必做）

引导用户对核心要求进行快速自评（无需简历）：

- **5 分制自评**：对每项核心要求打分 1-5
- **差距热力图**：红（严重不足）/ 黄（部分满足）/ 绿（完全满足）
- **P0/P1/P2 行动优先级**：按「重要性 × 差距程度」排序
- **联动提示**：告知用户可跳转 resume-jd-scorer 做精确简历匹配

如果用户已有简历，可以使用以下下游技能：
- → `resume-jd-scorer`：精确 5 维匹配度评分
- → `resume-assistant`：按 JD 定制改写简历
- → `resume-optimizer`：去 AI 味的简历终稿

### 模块五：面试考点预测（P1 — 必做）

基于 JD 内容反向推测面试问题，按类型分类：

| 问题类型 | 预测逻辑 | 示例 |
|---|---|---|
| 技术栈深挖 | JD 中列出的每项技术栈 → 相关追问 | "React 的 Fiber 架构如何实现调度？" |
| 项目经验追问 | JD 职责描述 → STAR 行为面试 | "介绍一个你从 0 到 1 搭建的项目" |
| 行为面试 | 软技能关键词 → 场景模拟 | "描述一次与产品经理发生分歧的经历" |
| 系统设计 | 中高级岗位 → 架构设计题 | "设计一个支持百万并发的秒杀系统" |
| 案例分析 | 业务岗位 → 商业案例 | "如果 DAU 下降 20%，你怎么排查？" |
| 反问准备 | 帮求职者准备 3-5 个高质量反问 | "团队目前最大的技术挑战是什么？" |

每道问题标注预测概率（★★★ 高 / ★★ 中 / ★ 低）。

### 模块六：学习提升路线图（P1 — 必做）

为有差距的求职者生成技能提升计划：

- **核心技能学习资源**：课程/书籍/官方文档/开源项目推荐
- **学习优先级排序**：先学什么 ROI 最高
- **预估学习周期**：每个技能模块的时间预估
- **实战项目建议**：什么项目最能打动面试官
- **分阶段路线图**：按周/月组织的学习计划

### 模块七：ATS 关键词注入建议（P1 — 必做）

从 JD 中提取 ATS（Applicant Tracking System）高频关键词，按类别输出：

- **技术关键词**：框架/语言/工具名称
- **业务关键词**：行业术语/业务流程
- **软技能关键词**：leadership/communication/collaboration 等
- **行动动词**：led/designed/implemented/optimized 等

给出简历融入建议：哪些词必须原样出现在简历中、可以通过什么方式自然融入。

### 模块八：薪资与市场对标（P2 — 选做）

如果用户要求或 JD 信息充分：

- 联网搜索该岗位在主流城市的薪资范围
- 对标同行业/同级别岗位的薪资区间
- 分析 JD 中薪资描述的隐含信息
- 给出谈判建议区间和策略

**注意**：此模块依赖 WebSearch，仅在用户明确要求或信息充足时执行。

## 完整工作流

```
Step 1: JD 输入接收
  ├── 粘贴文本 → 直接解析
  ├── 上传文件(PDF/DOCX) → 提取文本
  ├── 提供 URL → WebFetch 抓取
  └── 输出: 清洗后的纯文本 JD
      ↓
Step 2: 结构化提取 (模块一)
  ├── 提取基本信息(职位/公司/地点/薪资)
  ├── 拆解核心职责(TOP 5-8)
  ├── 分类硬技能/软技能/学历要求
  └── 输出: 结构化 JSON
      ↓
Step 3: 深度分析并行 (模块二~八)
  ├── 模块二: 显性→隐性映射
  ├── 模块三: 需求权重评分
  ├── 模块五: 面试考点生成
  ├── 模块六: 学习路线规划
  ├── 模块七: ATS 关键词提取
  └── 模块八: 薪资对标(可选)
      ↓
Step 4: 差距自评引导 (模块四)
  ├── 引导用户打分(或不打分直接跳过)
  ├── 生成差距热力图
  └── 输出 P0/P1/P2 优先级
      ↓
Step 5: 互动报告生成
  ├── 将分析结果写入 analysis.json
  ├── 运行 scripts/generate_report.py
  └── 输出 jd-interpretation-report.html
      ↓
Step 6: 呈现与联动
  ├── present_files 展示报告
  └── 提示可串联下游技能(resume-jd-scorer/resume-assistant)
```

## 使用方式

### 方式一：直接粘贴 JD 文本
```
用户: 帮我解读这个 JD
[粘贴 JD 文本]
```

### 方式二：提供招聘页面 URL
```
用户: 分析这个岗位 https://www.zhipin.com/job_detail/xxx.html
```

### 方式三：上传 JD 文件
```
用户: @jd.pdf 帮我分析一下这个岗位需求
```

## 输出报告 8 大板块

1. **岗位画像卡片** — 基本信息 + 核心职责一览
2. **需求权重仪表盘** — 1-5 星评分 + 必要程度标注
3. **显性 vs 隐性双列表** — 左边字面意思 / 右边隐藏信号
4. **能力差距热力图** — 红黄绿三色 + P0/P1/P2 优先级
5. **面试预测问题清单** — 分类卡片 + 概率标注
6. **学习路线图时间线** — 按周/月组织
7. **ATS 关键词注入表** — 关键词 + 融入方式建议
8. **薪资对标分析**（可选）— 市场区间 + 谈判策略

## 分析原则

- **客观中立**：不美化也不贬低岗位，基于文本事实解读
- **标注不确定性**：隐性需求解读属于推测，标注「信号强度」区分确定程度
- **不替代专业咨询**：薪资建议仅供参考，最终决策权在用户
- **隐私优先**：不存储用户提供的 JD 和个人信息
- **串联友好**：输出格式兼容下游 resume-jd-scorer/resume-assistant 技能

## 脚本说明

| 脚本 | 用途 |
|---|---|
| `scripts/generate_report.py` | 读取 analysis.json → 渲染交互式 HTML 报告 |

## 依赖

- Python 3.9+（HTML 报告生成）
- 无需外部 API Key
- 深度分析依赖内置 LLM 能力
- 薪资对标模块可选依赖 WebSearch

## 与已有技能的关系

```
求职者链路:
  本技能(jd-interpreter)           resume-jd-scorer       resume-assistant/optimizer
  ┌─────────────────────┐         ┌──────────────┐        ┌──────────────────┐
  │ 纯 JD 解读           │ ──────→ │ 简历-JD 评分  │ ──────→│ 简历定制改写       │
  │ 无需简历即可使用      │         │ 需要简历+JD   │        │ 输出投递版简历     │
  └─────────────────────┘         └──────────────┘        └──────────────────┘
```

本技能补全了求职链路的第一步。解读完成后可自然传递给下游技能。

## NEVER

- NEVER 在无 JD 输入时凭空分析
- NEVER 编造 JD 中不存在的岗位信息
- NEVER 替代简历评分技能做精确打分（引导用户使用 resume-jd-scorer）
- NEVER 对隐性需求做绝对断言（必须标注信号强度）
- NEVER 省略 8 大模块中的 P0/P1 模块
- NEVER 存储用户的 JD 或个人评估数据