bq-skill

Featured

行为面试 skill。帮求职者挖掘真实经历、用 STAR/CAR 结构化、映射能��标签、构建可复用的中英双语故事库(Story Bank);并能接入 JD + 简历,针对具体岗位生成 Top 20 BQ 选题 + 基于真实经历的 STAR 准备模板(HTML 报告)。不是背答案,而是建立可复用的职业叙事体系,让任何行为面试题都能自然作答。关键词:behavioral question, BQ, 行为面试, STAR, 故事库, Amazon LP, 职业故事, tell me about a time, 面试准备, JD 面试题预测, top 20 题。

AI & Automation 428 stars 43 forks Updated today MIT

Install

View on GitHub

Quality Score: 91/100

Stars 20%
88
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
50
License 10%
100
Description 5%
100

Skill Content

# BQ Skill 把"会回答某道 BQ"升级成"拥有一套可复用的职业故事库"。核心循环: ``` 挖掘 (Mine) → 结构化 (Structure) → 打标 (Map) → 存库 (Save) → 复用 (Reuse) ``` **第一原则:先查库,再开工。** 任何 BQ 进来,先看 `story-bank/_index.md` 有没有能命中的故事;能复用就复用/微调,不能再触发新一轮挖掘。这就是"越用越懂用户"。 **第二原则:一次只问一个问题。** 挖掘是对话,不是问卷。问一个 → 等回答 → 顺着答案追问。永远不要一次抛一串问题。 **第三原则:不替用户编故事。** 所有素材必须来自用户真实经历。可以引导、可以追问、可以帮他把模糊的说清楚,但绝不杜撰 Task / Action / Result。量化数字一律向用户求证。 --- ## 路由:用户进来时先判断意图 | 用户说的话 | 走哪条流程 | |---|---| | "帮我准备面试" / "我要建故事库" / 给一段经历 | **挖掘新故事** → `prompts/story-mining.md` | | 贴出一道具体 BQ("Tell me about a time…") | **回答一道题**(先查库,下方流程) | | "我这个故事讲得好吗" / 贴出已有答案 | **打磨已有故事** → `prompts/structuring.md` | | "模拟面试" / "出几道题考我" | **模拟面试**(v1 轻量版,下方) | | 给了 **JD + 简历** / "针对这个岗位帮我准备 BQ" / "这家会问什么、我怎么答" | **JD 驱动的 BQ 选题 + 准备** → `prompts/jd-driven-prep.md` | | "看看我的故事库" / "我有哪些故事" | 读 `story-bank/_index.md` 汇报 | 判断不了就问一句:"你是想**挖新故事建库**,还是**针对某道具体题目**准备?" --- ## 挖掘新故事 完整执行 `prompts/story-mining.md` 里的四层追问引擎: 1. **破冰层** — 专治"我没什么亮点"。用反事实提问 + 四象限时间锚点扫描,先捞出 3–5 个候选事件。 2. **深挖层** — 对选中的事件,逐个补全 STAR,重点逼出最常缺的 **T(你具体做了什么,而非团队)** ��� **R(量化结果)**。 3. **打标层** — 挖完映射能力标签(`frameworks/competency-tags.md`)+ 判断能打哪些公司维度(`frameworks/company-profiles.md`)。 4. **存进故事库** — 按 `story-bank/_story-template.md` 写成一个故事文件,并更新 `_index.md`。 一次会话聚焦挖 **挖透 1 个完整故事**就够了,挖深比挖多重要。挖完问用户要不要继续下一个。 --- ## 回答一道具体 BQ 1. **解析题��**:这道题在考什么能力?(参考 `frameworks/competency-tags.md` 反查) 2. **查库**:读 `story-bank/_index.md`,找 tags / competencies 命中的故事。 - 命中 → 取出故事,按这道题的角度重新组织开场和落点(同一个故事可以打多道题,框架见 `frame...

Details

Author
yanliudesign
Repository
yanliudesign/offer-toolkit-skill
Created
2 months ago
Last Updated
today
Language
HTML
License
MIT

Integrates with

Similar Skills

Semantically similar based on skill content — not just same category

AI & Automation Featured

offer-toolkit-skill

求职工具包。把「找岗位 → 签 offer」拆成六个独立子 skill:⓪ Job Hunt 批量发现岗位,① Job Description 解码具体 JD,② Resume 定向简历,③ BQ 准备行为面试,④ Offer Compare 对比多份 offer,⑤ Salary Negotiation 谈 package。任何求职相关请求(找工作、该不该投、改简历、准备面试、选 offer、谈薪)都从这里进,再路由到对应子 skill。关键词:求职, offer, career, job hunt, LinkedIn jobs, JD, resume, CV, behavioral interview, BQ, STAR, offer compare, salary negotiation, 薪资谈判, 选 offer。

428 Updated today
yanliudesign
AI & Automation Solid

recruit-grill

逐岗逼问式梳理真实岗位需求:用一次一问的访谈把"想招什么人"从模糊说法逼成可执行的初筛标准, 产出对外 JD、对内寻源笔记(目标公司/命脉技能/排除信号/搜索词)、CONTEXT.md 硬规则与术语表更新。 当用户说"新开一个岗位"、"梳理 XX 岗的要求"、"帮我写 JD",或寻源数据显示现有标准跑偏需要重梳理时使用。

65 Updated 1 weeks ago
Viy1204
AI & Automation Listed

sage-explorer

当用户对某个领域或一件具体事情产生好奇,希望获得该领域"见解深厚之人"的真正洞察时使用。典型触发:"这个领域谁看得最透"、"想了解 XX 领域的高人/大家/学派怎么看"、"帮我深度研究一下 XX"、"XX 到底是怎么回事"、指名参考某人(如"清史参考喻大华")等。本 skill 检索并筛选该领域内思考最深的人物与学派(不限正统名家,民间、边缘、跨界者皆可),将其思想增量沉淀到 skill 目录下的知识库(一人一文件夹),然后以人物学派为骨架、以其思考方法为脊柱组织答案,最终输出一份图文并茂、由浅入深的单文件 HTML 报告。也适用于用户追问已在知识库中的领域时做增量更新。

0 Updated 1 months ago
asd316