intent-match-candidatelisted

# 意图匹配 · 候选人端（intent-match-candidate） > version 0.9.0 帮**求职者本人**把自己怎么用 AI Agent（记忆、技能、配置、习惯）整理成一份可交给公司的求职资料。 **隐私是第一原则，全程傻瓜式引导用户**：你的原始配置、记忆原文、对话记录**永远留在你自己电脑上**；只有**内容无关的派生结果**会外发。你（agent）读了原文做判断，但产出给公司的东西里**没有一句你的逐字原文**。 ## 何时触发 用户要「整理求职资料 / 生成 agent 画像 / 应聘要准备 agent 资料」时。 ## 引导流程（一步步牵着用户走，别一次性抛全部） 设 `PKG=<本 skill 目录绝对路径>`，`WORK=<用户当前工作目录>/intent-match-me`。 **第 0 步 · 先讲清楚隐私（建立信任）** > 一句话告诉他：「我会读你的 Agent 配置来判断你的工作习惯，但你的**原文只在这台电脑上**被处理。最后只生成一份**不含任何原文**的派生资料给公司——你会先过目。随时可停。」 **第 1 步 · 本机采集 + 脱敏**（脚本，不需 key） ``` python3 "$PKG/tools/export_kit.py" --slug <用户名拼音> --consent-name "<真实姓名>" --yes --out "$WORK" ``` 产出 `$WORK/<slug>/bundle/`（已脱敏：无密钥、无会话日志）。**这个 bundle 留在本机，不外发。** **第 2 步 · 本地解析成内容无关事实**（脚本，`--signals-only` 剔除一切原文性字段） ``` python3 "$PKG/tools/parse_bundle.py" --candidate "$WORK/<slug>" --signals-only mkdir -p "$WORK/<slug>/for-employer" && cp "$WORK/<slug>/facts.json" "$WORK/<slug>/for-employer/" ``` 产出 facts.json——只有计数/标志/结构/难造假信号，**无分区标题、无术语、无原文**。 > 第 1+2 步可用 `bash "$PKG/run.sh" <slug> "<姓名>"` 一次跑完（自动建好 for-employer/）。 **第 3 步 · 你读原文，写一段概括画像**（这是「AI 读原文、公司读不到」的关键） - 你**读** `$WORK/<slug>/bundle/` 里的原文（`claude/global-CLAUDE.md`、`claude/memory/**`、`claude/skills/*/SKILL.md`、`claude/playbook/*` 等）。 - 按 `knowledge/narrative-guide.md` 的规则，写一段**质性概括**到 `$WORK/<slug>/for-employer/narrative.md`：描述工作习惯/思维方式，**绝不逐字引用、不出现真实项目名/公司名/密钥**。 - **给用户过目** narrative.md，问他「这样概括你，OK 吗？要不要删改？」——他确认后才算数。 **第 4 步 · 交付（只发 for-employer/，别的都不发）** - 外发物已物理隔离在 `$WORK/<slug>/for-employ