interview-prep-generator
Interview Prep Generator 是一个面试准备技能,可根据简历和职位描述生成 STAR 故事、预测面试问题、准备回答要点与提问清单,帮助用户系统化地准备求职面试。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-23 00:12
259,813 个结果
Interview Prep Generator 是一个面试准备技能,可根据简历和职位描述生成 STAR 故事、预测面试问题、准备回答要点与提问清单,帮助用户系统化地准备求职面试。
基于 JTBD(Jobs-to-Be-Done)框架的用户研究技能,用于梳理用户行为背后的功能、情感与社会三个维度的动机及成果期望,帮助围绕用户任务而非产品本身重构产品决策。
用于产品设计与 UX 分析的用户旅程地图技能,可按阶段梳理用户目标、行为、触点、情绪、痛点与机会点,并绘制情绪曲线、排定机会优先级、识别关键时刻。
karpathy-guidelines 是一套面向 LLM 编码行为的行为准则,源自 Andrej Karpathy 对 LLM 编码常见失误的观察,用于减少 LLM 写代码时容易犯的错误。它适用于编写、审查或重构代码的场景,目标是避免过度复杂化、进行外科手术式的精准修改。准则明确说明其权衡:偏向谨慎而非速度,对于琐碎任务需自行判断。内容包含四个部分:一、编码前先思考,明确陈述假设、不确定就提问、存在多种理解时全部列出、有更简单方案要指出、遇到不清楚的地方停下来询问;二、简单优先,只写解决问题所需的最少代码,不做用户未要求的功能、抽象、灵活性或错误处理,200 行能压到 50 行就重写;三、外科手术式修改,只改动必须改动的地方,不顺手“改进”相邻代码、注释或格式,不重构没坏的东西,匹配现有风格,发现无关死代码只提及不删除,仅清理自己改动造成的孤儿引用,判断标准是每一行改动都能直接追溯到用户请求;四、目标驱动执行,把任务转成可验证目标,例如“加校验”变成“先为非法输入写测试再让其通过”,多步任务给出简短计划并列明每步的验证方式。
米勒定律(Miller's Law)技能:依据工作记忆研究,将信息按约4个一组进行分块与分组,帮助界面更易浏览、理解与记忆。适用于导航、表单、电话号码与验证码、数据表格、引导步骤、功能与定价列表等信息设计场景。
这是一个关于首次使用体验(Onboarding)设计的专家技能,旨在帮助用户设计从注册到首次获得产品价值的完整引导流程,让新用户快速理解产品用途、建立信心并减少流失。该技能以“尽快到达价值”为核心优先级,强调引导而非说教、建立早期成功体验、降低初始设置阻力。它系统梳理了渐进式引导、设置向导、示例数据/演示模式、交互式产品导览,以及将空状态设计作为引导手段等常见模式,并说明每种模式最适合的使用场景。技能还提供了减少设置阻力的策略(延迟收集信息、渐进式披露、智能默认值、社交/SSO 登录、可跳过选项),以及衡量引导效果的关键指标(激活率、到达激活时间、完成率、次日/30日留存、各步骤流失)。同时列出常见错误与最佳实践,强调定义“顿悟时刻”并围绕它设计流程、对每一步埋点测量流失、用真实新用户而非内部成员测试,并在核心产品变更后重新测试引导流程。
该技能用于帮助用户正确格式化职业推荐人列表并准备推荐材料,涵盖推荐人选择策略、层级排序、标准格式模板、权限请求与简报邮件、背景调查常见问题应对以及特殊情形处理。适用场景包括求职申请、准备推荐信材料、协调推荐人联络等。
用于建立和维护研究知识库的技能,让研究发现可检索、可复用并持续积累,避免重复研究。涵盖知识库架构、洞察结构、标签体系、维护习惯、工具选择与检索验证。
Resume Bullet Writer 是一个用于改写简历条目的技能,旨在将弱表达转换为以成就为导向、带有量化指标与影响的陈述。它适用于撰写或改进简历要点、把平淡描述变成有力成就、补充可量化结果,以及让经历更具说服力。该技能会识别被动、无指标、含糊的条目,并运用 STAR 方法、X-Y-Z 公式、强力动词和量化策略进行改写,同时按软件工程、产品、销售、营销、客户成功、数据分析、运营等岗位提供示例。还覆盖无精确数字时的估算方式、常见错误、逐项改写流程与输出格式。
Resume Formatter 是一个用于简历排版与格式化的技能,帮助用户生成既能通过 ATS(申请人跟踪系统)解析、又便于招聘人员快速浏览的简历布局。它提供文档设置(页数、页边距、字体、字号、行距)、ATS 安全格式规则、章节顺序、联系方式、经历、技能、教育等各部分的排版规范,以及视觉层级、留白管理、常见错误和文件格式、命名建议。适用于需要调整简历布局、改善可读性或确保 ATS 兼容性的场景。
Resume Quantifier 是一个用于简历量化的技能,帮助用户在经历中寻找可量化指标,并在缺少精确数据时用保守估算、区间或下限等方式补充数字,把模糊描述改写为带规模与影响的成果句。
Resume Tailor 是一个用于针对特定职位招聘信息定制简历的技能,在保持真实性的前提下,通过重排经历、调整摘要、补充关键词等方式优化简历与岗位的匹配度,并支持生成多个定向版本。
Resume Version Manager 是一个用于管理简历多版本的工具技能,帮助用户维护一份“主简历”作为唯一可信来源,并在此基础上创建和维护针对不同职位、行业或资历的定制版本。它可以解决诸如“我到底给某公司投了哪版简历”“哪个是最新版本”“我有十几个版本不知道哪个最好”等常见困扰,通过文件夹结构、文件命名规范、版本分类和申请跟踪表来统一管理。同时提供更新工作流,指导用户何时更新主简历、如何从主简历派生定制版本、如何记录投递去向和跟进状态,适用于同时申请多个岗位、需要追踪多份定制简历或进行职业转换的求职者。
search-ux 是一套面向搜索体验(Search UX)的设计专家技能,来自 infrasity-labs/dev-gtm-claude-skills。它帮助设计与评估搜索系统,使搜索快速、宽容且真正有用,覆盖搜索输入、自动补全与建议、搜索结果布局、排序与相关度、筛选与细化、零结果状态以及搜索分析等环节。该技能可用于指导搜索框占位文案、输入宽度、自动聚焦、清除按钮、键盘导航等交互细节,也可用于规划结果项应展示的标题、匹配上下文与元数据。它还强调将搜索视为导航方式,建议纳入导航型目的地与精确匹配页面。对于零结果,技能要求确认搜索内容、提示拼写纠正、相关或更宽泛词、浏览分类或联系支持等替代方案,并把零结果视为留存时刻而非空白页。分析方面涵盖热门查询、零结果查询、细化率、点击位置与搜索放弃等指标。资料未提供具体收费、价格、平台或效果数据。
这是一个用于按具体职位招聘信息定制简历的 Claude 技能。它抓取职位页面、分析匹配度,并基于已有简历与工作经历资料重写要点,强调真实、简洁、贴合岗位语言,避免编造经历。
Tech Resume Optimizer 是一项用于针对软件工程、产品经理(PM)、数据、DevOps 等技术岗位优化简历的技能。它指导如何组织技术技能、量化项目与工作成果、适配 ATS 与技术人员筛选,并给出 GitHub 与作品集建议。
根据公开资料,usability-test-plan 是一个用于设计可用性测试计划的技能,可围绕任务、成功指标、参与者标准与主持指南生成完整方案,适用于规划有主持或无主持的可用性测试。
mitm-find-callback 是 instavm/security-skills 中的安全技能,用于分析 mitmproxy 抓包日志,发现支付回调与 webhook 漏洞,如哈希/签名未校验、状态篡改、金额篡改、签名碰撞和校验和生成暴露。
对 mitmproxy 抓包流量进行安全审计的技能,需当前目录存在 log.txt,按侦察、认证会话、越权、数据泄露、密钥、支付安全、输入校验、传输安全等清单逐项检查,并按端点、漏洞、证据、严重级别、修复建议输出发现。
面向 Laravel 应用的结构化调试技能:要求先完成根因调查再动手修复,提供日志、Telescope、Tinker、路由与队列等 Laravel 专用排查方法,适用于测试失败、Eloquent 查询、认证授权、校验、队列、迁移和 N+1 性能等问题。
剪映(JianYing)AI 自动化剪辑的高级封装 API 技能,用于在剪映专业版中自动完成视频剪辑、草稿生成与素材操作。支持录屏与智能变焦、素材导入、字幕与文本添加、关键帧动画、滤镜/特效/转场检索与应用、Web 动效合成转视频、TTS 配音与 BGM 选取、项目导出(MP4/SRT)以及模板克隆与批量替换等能力。技能以 Python 脚本调用为核心,提供 JyProject 封装、命令行工具与多个示例工作流,并强调脚本应存放在用户项目目录而非技能安装目录。
面向 iOS 26+ 的界面设计技能,指导用 SwiftUI 或 UIKit 构建符合 Liquid Glass 设计语言的屏幕、组件与完整应用界面,强调玻璃仅用于导航与控制层、内容层保持不透明,并覆盖无障碍与动效规范。
该技能用于把多个相互独立的失败或问题分派给各自专属的子代理并行处理,适合存在两个以上不相关故障(如不同测试文件失败)的场景。
Cellpose 是基于流场神经网络的细胞与细胞核分割工具,适用于荧光和明场显微图像。提供 cyto3、nuclei、tissuenet 等预训练模型,可批量处理,输出整数标签掩膜,便于下游形态测量与追踪。