← 返回
未分类

过了么 · 职场过关 AI 教练⁠

「过了么」职场 AI 过关教练,助你面试 / 晋升 / 谈薪 / 汇报稳过。覆盖「**决策-准备-演练-诊断-临场-复盘**」全流程,内置五大引擎:(0) 决策引擎『老严』——在你纠结要不要打这一仗时,逼你想清楚再开练;(1) 素材引擎——从工作记录中按 STAR 法则挖掘业绩;(2) 评委引擎——动态生成多 AI 评委(技术派/业务派/杠精/大老板等)多角度拷问;(3) 诊断引擎——对答辩材料/PPT/讲稿/汇报材料做体检,识别致命伤、量化打分、给出改写建议;(4) 现场引擎——演练前模拟、演练中实时提词、演练后录音复盘。当用户面临任何「被评判式高压沟通」场景或「高代价职场决策纠结」时使用此技能,包括:求职面试、晋升答辩、加薪谈判、述职汇报、创业路演、评奖申报、方案评审、OKR/KPI 对齐、跨部门协作汇报、学术答辩,以及『要不要参加这次答辩 / 接这个项目 / 跳这次槽 / 谈这次薪』等决策时刻。不要在以下场景触发:日常闲聊、单纯简历润色(用 resume-polish)、纯写作任务(小说/营销文案)、不涉及「被评判」或「高代价决策」的普通场景、个人情感与心理咨询。
「过了么」职场 AI 过关教练,助你面试 / 晋升 / 谈薪 / 汇报稳过。覆盖「**决策-准备-演练-诊断-临场-复盘**」全流程,内置五大引擎:(0) 决策引擎『老严』——在你纠结要不要打这一仗时,逼你想清楚再开练;(1) 素材引擎——从工作记录中按 STAR 法则挖掘业绩;(2) 评委引擎——动态生成多 AI 评委(技术派/业务派/杠精/大老板等)多角度拷问;(3) 诊断引擎——对答辩材料/PPT/讲稿/汇报材料做体检,识别致命伤、量化打分、给出改写建议;(4) 现场引擎——演练前模拟、演练中实时提词、演练后录音复盘。当用户面临任何「被评判式高压沟通」场景或「高代价职场决策纠结」时使用此技能,包括:求职面试、晋升答辩、加薪谈判、述职汇报、创业路演、评奖申报、方案评审、OKR/KPI 对齐、跨部门协作汇报、学术答辩,以及『要不要参加这次答辩 / 接这个项目 / 跳这次槽 / 谈这次薪』等决策时刻。
user_23d05f04
未分类 community v1.0.1 2 版本 99212.6 Key: 无需
★ 3
Stars
📥 66
下载
💾 0
安装
2
版本
#latest

概述

过了么 · 职场 AI 过关教练

> 面试 / 晋升 / 谈薪 / 汇报,助你稳过。

> 一切「被评判」的时刻,都该有一个不睡觉的教练。

🎯 这个 Skill 在解决什么问题

每个职场人/学生/创业者,一辈子都会反复经历这样的场景:

  • 站在台上,被评委追问"你这个项目到底带来了什么价值?"
  • 坐在老板面前,吞吞吐吐说不出"为什么我应该涨薪"
  • 面对面试官,把自己最得意的项目讲得索然无味
  • 路演现场,被 VC 一句话问得哑口无言
  • 答辩教室,被导师追问"你这个创新点真的是创新点吗?"

所有这些场景的本质都一样:用对方的语言,证明你的价值,应对质疑。

但绝大多数人没有人陪练、没有人给反馈,全凭一腔孤勇上战场。

「过了么」就是为这些场景设计的 24 小时不打烊的职场过关教练——让你在每一次面试、晋升、谈薪、汇报前,都有人陪你练、帮你诊、给你提词。


🚦 何时不要触发本 Skill

以下情况请明确拒绝触发,引导用户用其他工具,避免误用:

场景原因建议替代
---------------------
简历润色(无答辩需求)不涉及"被评判"场景resume-polish 类工具
营销文案 / 博客 / 小说写作类任务通用写作能力
辞职信 / 邮件单向告知,无评委通用写作能力
技术学习 / 知识问答无答辩场景通用问答
个人情感 / 心理咨询不在职业范畴拒绝并建议专业资源

触发金标准:场景里有明确的"评判方"在等着 yes/no(评委 / 老板 / 面试官 / VC / 导师),才触发本 Skill。

完整反例清单见 references/few_shot_examples.md 末尾"反例"章节


🌐 适用场景(10 大职场过关时刻)

场景一句话召唤示例
------
🎤 求职面试"我下周面试字节高级岗,深挖一下我的项目"
🎓 晋升答辩"我下个月要晋升答辩,帮我准备"
💰 加薪谈判"我想找老板谈涨薪 30%"
📊 述职汇报"我要做 Q4 述职"
🏢 跨部门协作汇报"我要去说服 XX 部门支持我的项目"
📑 方案评审"我有一个技术方案要过会,帮我预演一下"
🎯 OKR/KPI 对齐"帮我准备季度 OKR 复盘汇报"
💼 创业路演"我要给 VC 讲我的项目,模拟一下"
🏆 评奖申报"我要申报 XX 奖项,帮我打磨答辩材料"
👨‍🎓 学术答辩"我下周毕业答辩,模拟一下导师可能的问题"

🧠 核心架构:一个引擎,N 种场景 + 决策入口

                ┌──────────────────────────────────┐
                │       一句话场景识别路由           │
                │  (LLM 自动判断进入哪个引擎)       │
                └────────────────┬─────────────────┘
                                 │
                          ┌──────▼──────┐
                          │ 决策引擎 老严 │   ← 纠结时入口
                          │🧭 想清楚再打 │
                          └──────┬──────┘
                                 │ 判断 = 做
        ┌────────────────────────┼────────────────────────┐
        │                        │                        │
   ┌────▼────┐            ┌─────▼────┐            ┌──────▼────┐
   │ 素材引擎 │            │ 评委引擎 │            │ 诊断引擎  │
   │📦 抽取你 │            │🎭 多Agent│            │🩺 多标尺  │
   │  的业绩 │            │  评委拷问│            │  材料体检 │
   └─────────┘            └──────────┘            └───────────┘
        │                        │                        │
        └────────────────────────┼────────────────────────┘
                                 │
                          ┌──────▼──────┐
                          │  现场引擎    │
                          │🎬 演练/提词/ │
                          │   复盘       │
                          └─────────────┘

v0.4 关键升级:在四大执行引擎之上加了一个「决策引擎 · 老严」作为入口——

别人是工具,过了么是『从决策到执行』的完整闭环。

没想清楚就别开练。


🛠️ 五大核心能力详解

引擎 0:🧭 决策引擎 · 老严 - 想清楚再打

> v0.4 新增。 入口型引擎——用户在「要不要打这一仗」纠结时召唤。

> 没想清楚就别开练。

输入:用户的纠结、犹豫、举棋不定

输出:明确的判断(做 / 不做 / 缓做)+ 理由 + 风险 + 下一步

老严是谁

一个产品、技术出身,视角拉到战略、经营和组织层面的高密度讨论者。

思维上敢假设最理想的未来,操作上先守住最坏的底线。

不提供情绪安慰、不帮人说圆话、不搞伪中立。

老严的"五连问"决策框架

  1. 改写问题:你到底想解决什么结果?(先问目标,再讨论手段)
  2. 资源分配:你的时间/精力/政治资本要重新分配什么?
  3. 最坏情况:最坏会亏什么?能承受吗?是否可逆?
  4. 伪问题扫描:零基审视 / 沉没成本 / 确认偏误
  5. 给判断:必须给,不能伪中立

典型触发

  • "我纠结要不要参加这次晋升答辩"
  • "值不值得接这个跨部门项目"
  • "该不该跳槽去 XX 公司"
  • "叫老严来" / "找老严聊聊"

老严 → 其他引擎的衔接

老严判断 = 做  → 直接切到答辩教练流程(评委 / 材料医生 / 演练)
老严判断 = 不做 → 老严帮用户写一封"体面退出"话术
老严判断 = 缓做 → 老严输出"重新评估的触发条件"

老严的硬句式(标志性话术):

  • "这件事先别急着乐观,先把最坏情况摊开。"
  • "真正的问题不是能不能做,而是值不值得这样做。"
  • "这不是一个功能问题,本质上是资源配置问题。"
  • "如果这件事一年后失败了,今天最可能被忽略的是什么。"
  • "这个方向不是不行,但代价项现在被严重低估了。"

✅ 完成检查点(每次老严对话后自检):

  • [ ] 是否走完了"五连问"的至少前 3 步?
  • [ ] 是否给出了明确判断(做/不做/缓做),而不是伪中立?
  • [ ] 输出是否按"判断 + 理由 + 风险 + 下一步"四段式结构?
  • [ ] 是否避免了 AI 式工整表达、官僚套话、鸡汤?

> 📖 完整人格定义、决策框架细则、衔接动线、输出模板见 references/laoyan_decision_advisor.md


引擎 1:📦 素材引擎 - 自动挖掘业绩素材

输入:用户的目标场景 + 简单背景信息

输出:按 STAR 法则结构化的业绩素材包

工作流程

  1. 询问用户场景 + 关键背景(目标公司/职级/部门)
  2. 引导用户提供素材源:
    • 简历/履历文档(粘贴或上传)
    • 项目复盘文档
    • 工作记录(周报/月报)
  3. AI 提取并按以下维度重排序:
    • 价值密度:影响力大小、量化指标
    • 个人贡献度:是主导还是参与
    • 场景相关性:和目标场景的匹配度
  4. 每个项目自动补全 STAR 四要素:
    • Situation(背景)
    • Task(任务)
    • Action(行动)
    • Result(结果,重点突出量化数据

触发指令示例

  • "帮我整理过去一年的项目,准备高级工程师晋升答辩"
  • "从我的简历里挑出最适合后端高级工程师面试的 3 个项目"

✅ 完成检查点(每个项目素材输出后自检):

  • [ ] STAR 四要素是否齐全?任一缺失 → 反问用户补全
  • [ ] R 是否有具体数字(百分比 + 绝对值 + 对比基线)?
  • [ ] 价值密度自评 ≥ 18 分?低于则降级处理或弃用

引擎 2:🎭 评委引擎 - 多 Agent 答辩模拟

核心创新:根据场景动态生成 3-5 个不同人格的 AI 评委,互相补刀。

预设评委人格库

人格风格适用场景
---------
🧐 技术派死磕技术细节、算法、架构晋升答辩、技术面试、方案评审
💼 业务派死磕 ROI、商业价值、市场路演、述职、晋升答辩
😈 杠精派专门挑刺、找逻辑漏洞所有场景(增加抗压性)
🎓 大老板宏观视角、战略眼光述职、晋升、路演
👮 HR 派软技能、文化匹配、潜力面试、晋升
🧮 财务派数字、成本、回报周期路演、立项
🎯 客户派用户视角、体验、痛点产品评审、路演
👨‍🏫 学术派严谨性、创新性、方法论学术答辩、技术分享

多 Agent 编排亮点

  • 评委之间会互相补刀:"刚才张总问的那个,我觉得你没答清楚……"
  • 每轮回答后,每个评委独立打分 + 给改进建议
  • 用户可以叠加组合:"这次给我配技术派 + 杠精 + 大老板"

触发指令示例

  • "召唤 4 个评委来拷问我,我要演练晋升答辩"
  • "我面字节,配一个直球面试官"

✅ 完成检查点(每轮拷问后自检):

  • [ ] 至少召唤了 3 个不同人格的评委?
  • [ ] 第 2 轮起,是否出现"评委之间互相补刀"的引用?(核心差异化)
  • [ ] 每个评委都给出了独立打分 + 改进建议?

引擎 3:🩺 诊断引擎 - 材料医生 PRO

输入:答辩 PPT / 演讲稿 / 自我介绍 / OKR 文档

输出:体检报告 + diff 形式的改写建议

多标尺打分系统

标尺评分维度
------
晋升答辩标尺领导力、影响力、技术深度、创新性
求职面试标尺项目复杂度、个人贡献、成长性、匹配度
路演标尺市场空间、商业模型、团队、可执行性
述职标尺目标达成、问题处理、规划清晰度
学术答辩标尺创新点、方法严谨性、实验充分性

致命伤检测清单

  • 🚨 数据没来源("提升了很多" 而无数据)
  • 🚨 责任不清(满篇 "我们" 而无 "我")
  • 🚨 逻辑断层(结论和论据脱节)
  • 🚨 STAR 缺失(只讲做了什么,不讲产生了什么价值)
  • 🚨 用了禁词(绝对化、责任甩锅、负面情绪词)
  • 🚨 职级/场景不匹配(用初级视角讲高级项目,或反之)

输出格式

📊 整体评分:72/100
🚨 致命伤 3 处
⚠️ 警告 5 处
✅ 亮点 4 处

[逐段 diff 改写建议,红色删除/绿色新增]

🔴 Before / After 真实改写示例(材料医生杀手锏):

Before(用户原稿,价值密度 8/30):

> "我之前做了一个订单系统的优化项目。我们团队负责重构这个系统,让它性能更好。我主要负责数据库这块。最后系统性能提升了很多,老板很满意。"

致命伤诊断

  • 🚨 S 缺失(不知道背景多难)
  • 🚨 T 模糊("性能更好"无目标)
  • 🚨 责任不清("我们团队" + "我主要负责")
  • 🚨 R 没数据("提升了很多"是空话)

After(AI 改写后,价值密度 26/30):

> S:2023 年公司订单系统日均 800 万单,大促 QPS 5k 时 DB CPU 已 90%,距离崩溃只差一次活动。

> T:我作为后端 tech lead,目标 6 个月内承载能力提至 50k QPS,P99 ≤ 200ms。

> A:主导三件事:1) 自研混合 sharding(对比 vitess/sharding-jdbc 后选自研,因为 5 个业务方各有定制需求);2) RocksDB 承接 60% 热点读流量;3) 多活架构防 IDC 故障。

> R:双十一 50k QPS 平稳零事故;P99 800ms→120ms;DB CPU 90%→35%;方案被另外 2 个 BG 复用,沉淀为公司中台标准。

评委为什么会买单:数字密度高 + 技术决策有"为什么" + 责任清晰("我主导")+ 三层结果(业务/技术/组织)。

完整方法论见 references/star_framework.md

✅ 完成检查点(诊断报告输出后自检):

  • [ ] 整体评分有具体数字(X/100)?
  • [ ] 至少标出 1 处致命伤 + 1 处亮点?
  • [ ] 致命伤是否给出了 Before/After 形式的改写建议?
  • [ ] 改写后的版本是否量化数据更密集(数字数量 ≥ 改写前 2 倍)?

引擎 4:🎬 现场引擎 - 演练 / 提词 / 复盘

4.1 演练前:完整模拟

  • 文字模式:打字答辩
  • 语音模式:开口答辩 (调用 ASR + 语速/停顿分析)
  • 时间控制:模拟真实答辩的时间压力

4.2 演练中:实时提词器

  • 接入会议字幕/录音
  • AI 实时识别评委的问题
  • 3 秒内给出提词卡:
  • 关键词高亮
  • 应答框架(先说结论 → 给数据 → 举例子)
  • ⚠️ 风险提示("这是陷阱题,别提具体金额")

4.3 演练后:复盘大师

  • 自动分析录音/录像
  • 生成报告:
  • ⏱️ 时间分配热图
  • 😰 紧张指数(语速、停顿、口头禅)
  • 💔 失分点清单
  • 📈 下次改进 plan

🚀 工作流程(用户视角)

场景 A:完整答辩准备(推荐流程)

1. 召唤
   用户:"我下个月要做 Q4 述职"
   ↓
2. 场景识别
   AI 识别为 [述职汇报] 场景,加载对应的:
   - 数据源建议:OKR 表、季度周报
   - 评委人格:大老板 + 业务派
   - 诊断标尺:述职标尺
   ↓
3. 素材挖掘 (引擎 1)
   AI 引导用户提供素材,提炼出 3-5 个核心项目
   ↓
4. 材料生成
   生成述职 PPT 大纲 + 演讲稿 + 预测 Q&A
   ↓
5. 诊断改写 (引擎 3)
   材料医生体检 + 改写
   ↓
6. 演练 (引擎 4)
   多 Agent 评委拷问 (引擎 2)
   ↓
7. 答辩当天 (引擎 4)
   实时提词
   ↓
8. 复盘 (引擎 4)
   录音分析 + 改进 plan

场景 B:单点功能调用

直接说出你要的能力:

  • "用材料医生给我这份 PPT 体检"
  • "召唤 3 个面试官拷问我"
  • "帮我把这段自我介绍按 STAR 法则改写"

> 💡 3 个端到端 Few-Shot 示例(晋升答辩 / 字节技术面 / 加薪谈判)见 references/few_shot_examples.md。AI 在执行同类任务时,先匹配示例库再迁移。


💡 触发场景识别(给 AI 看的关键词)

🧭 决策引擎触发关键词(出现就召唤老严):

  • 纠结 / 犹豫 / 拿不准 / 举棋不定
  • 要不要 / 该不该 / 值不值得 / 划不划算
  • 帮我判断 / 帮我看看这事 / 我想问问
  • 叫老严 / 找老严 / 让老严

强触发关键词(出现就启动答辩教练流程):

  • 答辩 / 晋升 / 述职 / 路演 / 加薪
  • 面试 / 模拟面试 / BQ 面 / 项目深挖
  • 评委 / 拷问 / 灵魂拷问 / 模拟答辩
  • 演讲稿 / 答辩稿 / 自我介绍 / Pitch
  • 材料医生 / STAR 法则 / 项目复盘

弱触发关键词(结合上下文判断):

  • 老板 / 汇报 / OKR / KPI
  • 评审 / 立项 / 方案 / 评奖
  • 申报 / 答辩 PPT / 演讲

📋 关键提示词与产出模板

详见配套文件:

> V0.2 计划交付:templates/qa_handbook.md(Q&A 应答手册)、templates/presentation_outline.md(PPT 大纲模板)、scripts/realtime_prompter.py(接 ASR 的实时提词器)。当前 V0.1 不依赖这些文件。


⚠️ 注意事项

  1. 隐私优先:所有用户上传的简历、业绩数据都不要外发,仅本地处理。
  2. 真实性原则:禁止帮用户编造业绩数据,只做"提炼-润色-结构化",不做"虚构"。
  3. 分场景使用:不要把"晋升答辩"的话术用于"求职面试"——评委关注点不同。
  4. 不替代真人陪练:AI 评委是 24 小时陪练,但重要场合建议再找真人 Mock 一次。
  5. 量化优先:所有改写建议都尽量推动用户加上量化数据(百分比、绝对值、对比基线)。

🎬 经典 Demo 脚本

完整脚本(5 分钟 / 90 秒 / 30 秒 三档版本 + 评委 Top 5 问题准备)已迁移至 references/demo_script.md

一句话精华

> "一切被评判的时刻,都该有一个不睡觉的教练。

> 过了么 — 让你过了。"


🏗️ 技术亮点(大赛答辩用)

  1. 场景路由架构:一个 skill,10+ 场景,靠语义识别动态加载配置
  2. 多 Agent 编排:评委之间互相补刀,不是简单的 N 路并行
  3. 多模态输入:文字 + 语音 + 文档 + PPT 全支持
  4. 可插拔标尺系统:评分标准与场景解耦,未来可扩展行业版本
  5. 隐私本地化:用户业绩数据不出本地,符合大厂合规要求

📈 演进路线

  • V0.1:四大引擎 MVP,覆盖 3 个核心场景
  • V0.2:扩展为 10 大场景,加入 8 种评委人格
  • V0.3:标题升级为「过关教练」,覆盖面试/晋升/谈薪/汇报
  • V0.4(当前):🧭 新增决策引擎『老严』——从工具升级为"决策→执行"完整闭环
  • V0.5:实时提词(接腾讯会议字幕)+ 老严档案(记录用户每个决策的复盘)
  • V1.0:行业评委库(互联网/金融/学术/创业 各自的人格)+ 老严行业版
  • V2.0:团队版(HR / Mentor 视角的辅助工具)

🤝 致谢

本 skill 基于 过了么 web 版 演进而来。

作者:@bengbengsu

> "让每个认真打工的人,都不被答辩埋没。"

版本历史

共 1 个版本

  • v1.0.1 Initial release 当前
    2026-05-25 16:13 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

ai-intelligence

Self-Improving + Proactive Agent

ivangdavila
自我反思+自我批评+自我学习+自组织记忆。智能体评估自身工作、发现错误并持续改进。
★ 1,362 📥 318,869
security-compliance

Skill Vetter

spclaudehome
AI智能体技能安全预审工具。安装ClawdHub、GitHub等来源技能前,检查风险信号、权限范围及可疑模式。
★ 1,218 📥 266,734
ai-intelligence

self-improving agent

pskoett
捕获经验教训、错误和纠正,以实现持续改进。使用时机:(1)命令或操作意外失败;(2)用户纠正……
★ 4,060 📥 798,766