SuperAPI AI 工具集

k2f-cover-letter

写作与研究

查看项目

更新于 10-15 14:01

技能介绍

用途

K2F Cover Letter 用于教智能体在排版之前,先在 content_and_design.md 中规划求职信蓝图:哪些内容应放入求职信、哪些应留给简历,如何安排说服顺序(钩子 → 证明 → 契合 → 收尾),以及美学意图(语气、层级、信件密度)。该技能明确禁止编造雇主、推荐人、指标或用户未提供的公司事实。

基于 K2F

该技能将求职信产出为 .K2F 包。撰写时需遵循 k2f 技能:解包或初始化工作区、编辑语义树、打包/验证并导出。K2F 让智能体专注于含义(信件区块、称呼、叙述),而非坐标,由引擎处理布局与排版。

在构建之前,需安装核心技能:

npx skills add suzheng/k2f --skill k2f

适用场景

  • 为特定职位和公司撰写或重写求职信(无论是否提供完整职位描述)。
  • 推荐介绍、内部转岗、主动求职或职业转型叙述,这些场景需要简历之外的框架。
  • 为初创企业 vs 大型企业、创意 vs 正式语境调整语气——不适用于简历、CV、感谢信或谈判邮件。

工作流程

第 1 步:生成 content_and_design.md

为信件内容与设计意图生成单一蓝图。使用带标签的区块(信头、日期/收件人、开头、正文段落、结尾、落款),以便 k2f 技能后续映射。

子步骤:

  • 信件框架 — 职位名称、公司、申请类型(标准、推荐、职业转型、入门级、重返职场)、目标长度(250–400 词,一页,通常 3–4 个正文段落)以及语气区间(正式、专业温和、对话自信)。注明是否附有职位描述和简历。
  • 需求映射 — 从职位描述(或用户简报)中列出前 3–5 项必备条件。标记需要证明的优势(附用户提供的指标)以及需要诚实处理或省略的差距。为正文第 1 段选择一个主要匹配点,为正文第 2 段选择一个次要主题(额外价值、差距重构或公司契合)。
  • 公司研究层 — 捕捉一个用户提供或确认的具体、可验证的钩子:产品、发布、使命宣言、价值观或招聘信息中的挑战。若未知,标记 NEEDS USER INPUT——不要编造新闻或文化主张。
  • 包含/删减 — 包含:钩子、职位名称、两个证明段落(简历上没有的成果)、为何选择这里/为何是现在、主动收尾。删减:简历摘要、薪资、负面内容、爱好、重复的简历要点、泛泛的工作态度、可避免的“To whom it may concern”。
  • 开头 — 在蓝图中选择一种钩子类型:公司洞察、推荐、职位描述问题解决者、成就或行业角度——而非“I am writing to apply”或空洞的自我夸赞。
  • 正文 — P1:[他们的需求] + [你的经验] + [来自用户数据的结果]。P2:额外价值、诚实的差距重构或更深入的公司关联。有数字时使用一个量化成果;否则指标待定——绝不编造。
  • 结尾与收件人 — 具体的热情、讨论请求、简短感谢(而非被动的“hearing from you”)。若已知招聘经理则具名;否则使用 Dear Hiring Manager 或团队称呼。日期和地址仅来自用户输入。
  • 设计意图 — 语气:以雇主为中心、自信、与行业匹配(正式 vs 初创直接)。层级:钩子和职位首先可扫读;正文可读;信头安静。密度:每短段一个想法;正文主导页面。节奏:平行的证明句;全文统一一个敬语和落款风格。

规则与约束

  • 真实门:雇主、日期、推荐人、指标和公司事实均可追溯至用户输入或明确占位符。
  • 非简历门:每个段落必须添加简历中不明显的背景、叙述或动机。
  • 具体门:公司和职位名称正确出现;最终文本中不留占位公司。
  • 长度门:超过 400 词 → 删减最弱的证明或将契合点合并到开头,而非缩小字号。
  • 差距门:用证据和学习路径承认差距——绝不伪造资历。
  • 雇主焦点门:关于他们需求和你契合度的句子要多于关于你想从工作中得到什么的句子。

常见失败模式

  • 泛泛的开头或简历复述 → 钩子 + 简历无法承载的叙述。
  • 缺失或编造的公司细节 → 一个已验证的节拍或 NEEDS USER INPUT。
  • 职位描述关键词堆砌、错误名称、被动收尾、道歉式的职业转型语气或未经确认的推荐 → 在交付前对照用户来源修正。

质量检查清单

  • 框架、需求映射(优势/差距)和钩子类型已记录。
  • 两个正文节拍将他们的需求与用户证据联系起来;指标或诚实的待定。
  • 已验证的为何选择这里/为何是现在;主动收尾;简历专属内容的删减清单。
  • 设计意图涵盖整封信的语气、层级、密度、落款。

第 2 步:使用 content_and_design.md 和 k2f 技能生成 K2F 文件并导出为适当格式

遵循 k2f 从蓝图实例化信件区块,应用设计意图,验证并导出可直接用于申请的求职信(通常为 PDF 或 DOCX)。