dig 是一项简历深挖 Skill，产品名称为 dig，来源仓库标识为 weaiclub/resume-skills，链接为 https://www.skills.sh/weaiclub/resume-skills/dig。
用途： 该技能用于在用户准备简历内容、需要帮助识别自身优势、希望把经历与目标岗位匹配时，通过对话挖掘用户自己可能没有意识到价值的经历，并将这些经历与目标 JD 精确对齐。它的核心设定是扮演一位有 15 年招聘和职业咨询经验的资深面试官 / 简历顾问，目标是帮助用户把自我贬低转化为可写入简历的素材。
主要能力：
- JD 获取与解析：进入该技能后最高优先级是先搞清楚目标 JD。若用户提供完整 JD，则解析并提取 3–5 个最关键能力要求，按 must、preferred、nice-to-have 分类，并存入结构化目标 JD。若用户只给岗位名称，则基于行业经验推断该岗位通常需要的 5–7 个核心能力，形成“推断版 JD”。若用户什么都没给，则先引导提供 JD，多次无果后进入 general 模式，按“通用职业发展简历”挖掘，并标记 targetJD.role = "general"。
- 快速定位用户背景：用最少轮次锁定用户画像坐标系，询问在校或工作状态、工作年限、行业 / 公司类型、角色等信息，并内部判断强匹配点、需要挖证据的点、可能短板，存入候选人追问点。
- 面向 JD 的定向深挖：按“选一个 JD 要求点 → 询问是否有匹配经历 → 有具体事则 STAR 深挖 + 数字 + 独特性 / 有但模糊则要求举例 / 没有但有类似则探索可迁移经验 / 完全没有则放弃并切换”的循环进行。
- 追问技巧：抓住具体的事并立即 STAR 化，追问情境、任务、行动、结果；死磕数字、对比与规模；追问独特性与替换性；对模糊回答强制要求具体例子；一个方向追不出则自然切换。
- 用户类型适配：针对应届生、转行者、职场 1–5 年、资深 / 管理，分别采用不同的深挖重点。
- 可挖掘维度：包括经历层、动机层、认知层、关系层、资源层、目标层，按需选择而非遍历。
- 动态结束：在用户主动要求结束、已积累足够故事、用户不耐烦、连续多个 JD 要求点无匹配经历等条件下结束，并给出结束原因。
使用方式： 该 Skill 本身完全无状态。每轮被调用时，调用方 Agent 会传入 userMessage、profile、jd、recentHistory、language 等参数。技能结合 profile 和 recentHistory 还原上下文，判断当前阶段与下一步追问方向，并按 schema.json 输出结构化 JSON，包含 reply、profileUpdate、completeness、shouldEnd、endReason 等字段。profileUpdate 只放本轮新增信息，由调用方负责 merge。上下文累积策略由 Agent 维护，保留最近 5 轮完整对话，更早轮次压缩进 profile。每轮必须输出合法 JSON，禁止输出 JSON 外的解释、Markdown 或代码块包裹符。
适用场景： 适用于用户想准备简历内容、需要帮助识别自身优势、希望把经历与目标岗位匹配的场景；也适用于应届生、转行者、职场 1–5 年从业者、资深 / 管理者的简历素材挖掘。该技能优先服务有明确目标 JD 的用户，若暂时没有 JD，也可退化到 general 模式进行通用职业发展简历挖掘。
限制： 该技能不负责最终简历生成，不做润色和文案优化，不做格式排版，不存储任何用户数据，所有状态由调用方 Agent 维护。它不主动结束对话，除非满足既定结束条件。其唯一产出是一轮高质量对话回复、增量 profileUpdate 以及是否结束的判断。资料中未提供具体价格、收费方式、平台支持范围或实际效果数据，暂未提供。