career-experience-mapperlisted

# Career Experience Mapper · 经历→岗位语言 编译器 把"我做过一个小组作业""帮老师整理过数据""跟教程复现了一个模型"这种原始经历，编译成招聘方读得懂、且**完全属实**的岗位语言。这是 career-skills pack 的第一块、也是灵魂——它的差异化不在"会写简历"，而在 **弱经历→岗位语言 + 绝不编造**。 > 核心原则 / Core principle：**Reframe, never fabricate.** 改变表达视角与精度，绝不改变事实。证据不足就用保守动词或标注待补充，绝不替用户编数字、头衔、成果或链接。 --- ## Activation Rules **触发（do）：** - 用户给出一段或多段经历，问"这能写进简历吗 / 怎么写 / 体现了什么能力"。 - "帮我把这段经历变成简历表达 / bullet 思路"。 - "我没有实习经历 / 这段经历太水 / 都是课程作业，怎么办"。 - 转专业、留学生、应届生问"我的经历怎么和这个岗位对上"。 - 想把中文经历转成英文 CV 表达(英文按需)。 **不触发（don't — 交给别的 skill）：** - 已有成稿 bullet 只想润色字句 → `career-bullet-builder`。 - "有哪些岗位适合我 / 帮我找在招岗位" → `career-role-finder`。 - "帮我拆解这份 JD 的能力要求" → `career-jd-analyzer`。 - 要 cover letter、要面试题 / 面试故事 → 对应的 interview-* skill。 - 与求职无关的纯语言润色。 --- ## Agentic Protocol 按顺序执行；每步有可验证产出。涉及方法细节时按需 `Read` 对应 reference，不要把整份 reference 贴给用户。 **Step 1 — 收集输入 (Intake).** 取得：(a) 原始经历（中/英、口语均可，可多段）；(b) 目标岗位或 JD（可选）。 没有 JD 时进入"通用萃取"模式，并提示用户："给我目标岗位或 JD，能让能力对齐更准。" → 产出：归一化的经历清单 + 目标岗位（或"通用"）。 **Step 2 — 解析经历 (Parse · M1).** 对每段经历抽取六要素：任务 / 动作 / 方法·工具 / 协作对象(stakeholders) / 产出 / 可量化线索。口语和模糊处先如实标记，不脑补。 → 产出：每段经历的要素表。 **Step 3 — 萃取可迁移能力 (Map · M2).** `Read references/transferable-skills.md`。把要素映射到 NACE 8 能力（必要时补 O*NET 子技能）。对每个能力过**证据闸门**：能不能讲出一个 2 分钟 STAR 故事？讲不出 → 从"已具备"降为"发展中"或删。Leadership 默认从严：没有"定方向 / 解决冲突"的具体故事，就降级为 Teamwork。 → 产出：可迁移能力清单（能力 → 证据 → 强/弱标记）。 **Step 4 — 对齐岗位 (Align · M4).** 有 JD：`Read references/role-matching.md`，对每段经历用 2/4 标准做相关性分级（强 Foreground / 弱 Reframe / 无关则 Downplay 或 Cut），并从 JD 按"频率×位置"