Token导航 LogoToken导航

Agent Skill · 研究检索

unclecheng-jobsmatch(程叔叔工作匹配)

unclecheng-jobsmatch 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

unclecheng-jobsmatch 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为只读;许可证为 MIT-0,第三方扫描已通过,按安装量在研究检索类的 73,675 个 Skill 里排第 24,820。

总安装 3,917周安装 160GitHub Stars 公开资料未说明下载 1,267核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:unclecheng-jobsmatch(程叔叔工作匹配)
来源仓库:https://github.com/unclecheng-li/unclecheng-jobsmatch
安装命令:
openclaw skills install unclecheng-jobsmatch
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install unclecheng-jobsmatch

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

智能简历求职匹配助手,当用户上传简历文件(PDF、Word、图片等)需要进行求职岗位匹配、企业背景调查、岗位适配度评估时使用。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install unclecheng-jobsmatch;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

unclecheng-jobsmatch 怎么安装?

在终端执行 openclaw skills install unclecheng-jobsmatch。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

unclecheng-jobsmatch 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

unclecheng-jobsmatch 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

unclecheng-jobsmatch 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

unclecheng-jobsmatch 用的人多吗?

公开数据是累计安装 3,917 次,近一周安装 160 次,下载 1,267 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

unclecheng-jobsmatch 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
unclecheng-jobsmatch

程叔叔工作匹配 · 本页

3,917—只读MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
resume-job-matcher
description
智能简历求职匹配助手,当用户上传简历文件(PDF、Word、图片等)需要进行求职岗位匹配、企业背景调查、岗位适配度评估时使用。

智能简历求职匹配助手

Overview

本技能帮助用户实现一站式求职辅助:支持多种格式简历解析,自动联网搜索主流招聘平台匹配岗位,提供企业背景调查和岗位适配度评估,帮助用户规避求职风险,大幅提升找工作效率。

工作流程

本技能采用顺序化工作流程,按照以下步骤执行:

步骤1:简历解析处理

  • 接收用户上传的简历文件,支持格式包括:PDF、Word(.doc/.docx)、图片(.jpg/.png/.jpeg)
  • 调用AI大模型提取简历关键信息:个人基本信息、工作经历、项目经验、技能栈、学历背景、求职意向等
  • 结构化整理简历信息,形成标准化的用户能力画像

步骤2:岗位搜索与匹配

  • 联网搜索覆盖全渠道招聘信息来源,兼顾互联网大厂与中小厂/创业公司岗位:

- 综合招聘平台:智联招聘、前程无忧(51Job)、BOSS直聘、猎聘、拉勾网、易直聘、鱼泡直聘 - 应届生/实习平台:实习僧、国家大学生就业服务平台 - 企业官方渠道:互联网大厂(腾讯、阿里、字节跳动、百度、华为等)、央国企、中小厂/创业公司官方网站招聘板块 - 创业公司/中小厂专属渠道:BOSS直聘创业公司专区、拉勾网互联网创业公司板块、本地人才招聘网、脉脉招聘专区

  • 搜索策略:优先匹配符合用户技能和求职意向的岗位,大厂和中小厂岗位各占一定比例,提供更多元的选择
  • 基于用户简历画像与招聘岗位要求进行智能匹配,筛选出Top 10最适配的岗位(大厂5-6个,中小厂4-5个)
  • 生成岗位列表展示给用户,包含岗位名称、公司名称、公司规模、薪资范围、工作地点、匹配度得分、岗位招聘链接等信息,明确标注大厂/中小厂属性,供用户选择

步骤3:企业背调与岗位评估

用户选择目标岗位后,以AI职业评估师身份执行以下分析:

  1. 招聘信息真实性核查:

- 对比多平台该企业的招聘信息,排查虚假宣传、岗位与描述不符等风险 - 识别空壳公司、诈骗类招聘陷阱,给出风险提示

  1. 企业深度背景调查:

- 联网收集企业公开信息:注册资本、注册年限、经营范围、法定代表人信息 - 核查企业法律风险:是否有法律诉讼、债务纠纷、行政处罚记录 - 调研企业用工情况:员工社保缴纳人数、薪资发放口碑、员工评价 - 综合企业查类平台公开信息,形成完整企业背调报告

  1. 岗位适配度评估:

- 对比用户简历的工作经历、技能栈、项目经验与岗位要求的匹配程度 - 给出0-100分的匹配度评分,详细说明匹配优势和不足 - 提供针对性的求职建议,包括简历优化方向、面试准备要点

  1. 输出最终评估报告:

- 整合以上所有信息,生成结构化的评估报告 - 报告中必须包含该岗位的招聘信息链接,方便用户直接点击查看和投递 - 明确标注风险等级,给出是否建议投递的结论

资源说明

scripts/

包含简历解析处理相关的可执行脚本:

  • resume_parser.py:支持多种格式简历的文本提取和结构化解析
  • job_searcher.py:招聘网站数据爬取和岗位匹配工具
  • export_pdf.py:Markdown评估报告导出为PDF格式工具,方便用户保存和查阅

references/

包含技能运行所需的参考资料:

  • recruitment_sites.md:各招聘网站的搜索规则和信息提取指南
  • enterprise_inquiry_sources.md:企业背景调查的权威数据源列表
  • evaluation_criteria.md:岗位匹配度和企业风险的评估标准

assets/

包含输出报告相关的模板资源:

  • assessment_report_template.md:评估报告的Markdown模板
  • risk_icon.png:报告中使用的风险等级图标资源

使用案例

案例:AI算法工程师求职匹配

用户输入:

@skill://resume-job-matcher @C:/Users/UncleC/Desktop/AI-Job-Resume(v2).pdf 根据我的简历寻找匹配的岗位

执行流程:

  1. 简历解析:调用scripts/resume_parser.py解析PDF简历,提取用户信息:

- 教育背景:本科网络工程专业,GPA 89.52/100 - 实习经历:百度深度学习研究院大模型算法实习生、华为诺亚方舟实验室多模态算法实习生 - 技能栈:Transformer架构、大模型微调/量化/推理优化、Hugging Face/DeepSpeed工具链 - 求职意向:大模型算法工程师相关岗位

  1. 岗位搜索匹配:使用web_search工具联网搜索2026年大模型算法相关校招/实习岗位,覆盖智联招聘、BOSS直聘、实习僧、企业官网等渠道,筛选出Top 5匹配度最高的岗位:

- 百度 大模型算法实习生(匹配度95%) - 百度 大模型算法工程师(2026校招,匹配度94%) - 百度 大模型应用算法工程师(AIDU项目,匹配度92%) - 华为 算法工程师(大模型方向,匹配度90%) - 字节跳动 大模型训练算法工程师(匹配度88%)

  1. 用户选择岗位:用户选择序号1(百度大模型算法实习生岗位)
  1. 企业背调与评估:

- 再次使用web_search工具获取百度企业工商信息、法律风险、员工评价等背调信息 - 对比用户简历与岗位要求,计算匹配度得分95分 - 生成结构化评估报告,包含岗位信息、企业背调、匹配度分析、求职建议

  1. 结果输出:导出Markdown格式评估报告,支持一键导出为PDF格式

输出成果:

  • 岗位匹配列表
  • 《百度大模型算法实习生岗位评估报告》

平台分布

OpenClaw

83.02%
按下载量换算1,052

安全审计

VirusTotal

未展示

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills