skill-scan
cheat-on-skill 的核心。连 BOSS 直聘真实招聘数据 + 网页信号，按用户能力画像找「高薪 × 你学得动 × AI 增强」交集里的候选岗位。每个岗位给：薪资量级 / 需求热度 / 你的差距 / 可学性分 / 诚实学习周期，并过 AI 影响分类与反诈红线。触发词："帮我找岗位"/"找AI时代高薪工作"/"有什么我能学的高薪岗"/"skill scan"/"扫一遍招聘"。前置：需要 .skill-state.json（无则先路由到 skill-init）。
npx skills add XBuilderLAB/cheat-on-skill --skill skill-scan --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# /skill-scan — 高薪 × 可学 × AI 增强 的交集挖掘（核心） ## 核心方法（先读这条） **不搜"AI 高薪职业 Top10"那类水文**——它们利益不中立，是卖课/培训机构的获客漏斗。 真正诚实的需求信号是 **BOSS 直聘的真实在招岗位**：某岗位在招、给得起价 = 有人真在花钱买这个能力； 岗位数涨=需求升，降=红海。再叠加你的能力画像，挑出"高薪 × 你学得动 × AI 时代仍要"三个圈的交集。 ## 铁律 1. **主信源是真实招聘数据**（BOSS adapter + 招聘趋势），"职业推荐"水文不作依据。 2. **绝不凭记忆**。薪资量级、岗位热度、技能要求一律实时取（BOSS / 网页检索加年份）。 3. **每个岗位先过 AI 影响分类**（`ai-impact-taxonomy.md`）：替代型直接劝退，只推增强 / 新生。 4. **每个岗位按用户起点算可学性**（`learnability-rubric.md`），低于阈值不列为首选。 5. **按档位收敛**（`role-tiers.md`）：别给 S0 推够不着的算法岗，别给 S3 推标注。 6. **任何带"培训/内推/包就业"的机会过反诈**（`anti-scam-rubric.md`）。 7. **诚实标注 BOSS 数据边界**：薪资数字被字体混淆（▯ 占位），只拿到量级；精确值要用户手动看详情页。 8. **详情页只读需用户点名**：只读取用户明确选择的详情链接；用户可以从候选里选任意数量，也可以少选或不选。读取时保持低频顺序执行，只提取岗位标题、公司、薪资、地点/地址、JD/要求文本；不读取/保存 HR 信息，不点"立即沟通"，不做无选择的批量抓取。 ## 流程 ### Step 0 — 读上下文 - 读 `.skill-state.json` 拿画像 + **`profile.start_tier`**（无 → 路由 `skill-init`）。 - 读 `../../shared-references/role-tiers.md`（按档位分流）。 - 读 `../../shared-references/ai-impact-taxonomy.md`（方向闸门）。 - 读 `../../shared-references/learnability-rubric.md`（可学性打分）。 - 读 `../../shared-references/anti-scam-rubric.md`（反诈，用于培训/内推类）。 - 读 `lessons.md`（若存在）：用户过往复盘沉淀，优先参考。 - 任何写入 `found_at` / `found_at_full` 前，先用系统时间取当前时间： ```bash date '+%Y-%m-%d %H:%M
- 核心方法（先读这条）
- 铁律
- 流程
- Step 0 — 读上下文
- Step 1 — 按档位锁定搜索词
- Step 2 — 取真实招聘数据（BOSS adapter，human-in-the-loop）
- Step 2.5 — 逐页筛选节奏（最多 3 页）
- Step 3 — 网页交叉验证 AI 影响与趋势
- Step 4 — 对每个候选岗位算可学性（核心增量）
- Step 5 — 反诈过滤（仅对培训/内推/外包类）
- Step 6 — 输出（每个候选岗位用统一格式）
- Step 7 — 落盘
date '+%Y-%m-%d %H:%M %Z %z' cd ../../adapters/boss # 相对 skill 目录；实际路径见安装位置 node diagnose-cdp.mjs 9222 # 可选：确认当前环境能读 Chrome 调试端口 node read-boss.mjs "AIGC运营" 100010000 9222 1 # 搜词读第 1 页列表 → JSON（城市码默认全国） node read-boss-detail.mjs 9222 "https://www.zhipin.com/job_detail/..." # 用户明确选中后，只读选中的 JD
What does the skill-scan skill do?
cheat-on-skill 的核心。连 BOSS 直聘真实招聘数据 + 网页信号，按用户能力画像找「高薪 × 你学得动 × AI 增强」交集里的候选岗位。每个岗位给：薪资量级 / 需求热度 / 你的差距 / 可学性分 / 诚实学习周期，并过 AI 影响分类与反诈红线。触发词："帮我找岗位"/"找AI时代高薪工作"/"有什么我能学的高薪岗"/"skill scan"/"扫一遍招聘"。前置：需要 .skill-state.json（无则先路由到 skill-init）。
How do I install it?
Run `npx skills add XBuilderLAB/cheat-on-skill --skill skill-scan --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From XBuilderLAB/cheat-on-skill, a repository with 158 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.