能做什么
把岗位描述变项目,把项目变简历,把简历变面试。
作者提供的原文
- 连接方式 供 AI 读取的指令文件
- 账号或密钥 README 和 SKILL.md 中未发现密钥
- 分类 自动化与智能体
给作者:在 README 中加徽章
如果你是作者,可把这段代码贴到 README。徽章会链接回本页。
[](https://mcp.popnx.com/en/skills/liumengxuan04-shushu-internship-tool)相似的 Skill
同类工作,排序与 Skill 列表相同
Skill 和 MCP 有什么不同
MCP = 手
把 AI 连到外部服务或数据,例如读取 Notion 或开发票。需要有程序或服务器在运行。
Skill = 手册
教 AI 怎么做某项工作的文本文件,不连接任何服务。
有些会重叠:少数 Skill 带有调用工具的脚本,少数 MCP 只提供知识。请从你想完成的工作出发。
适用的应用
Codex
依据开发者 README 和 repo 中的文件夹
安装
安全吗?
- 作者
GitHub 账号 LiuMengxuan04(个人),已创建 1 年
- 使用与维护
★ 2,197 星 · 代码最近更新 2026年6月24日
- 有脚本吗?
有 8 个可以在电脑上运行的脚本:scripts/candidate_score.py, scripts/interview_pack.py, scripts/repo_audit.py, scripts/shushu_internship_tool/__init__.py 另外还有 4 个文件
- 会联网吗?
脚本中没有发现联网命令
- 会修改整台电脑的设置吗?
没有发现 hook 或写入电脑设置的操作
根据仓库 commit 8bc8130 中的文件自动检查(只读取文件,没有运行任何内容)。这不是安全保证,请自己阅读后再决定
第一步:你用哪个 AI?
选择你用的应用,本页只显示该应用的安装方法
方式 1上传到 claude.ai(网页和应用)
从 GitHub 下载
这个 Skill 没有说明许可证,所以我们不在网站上提供 ZIP。请从 GitHub 下载并自己整理文件夹,或者用上面的"让 AI 帮你安装",更简单
解压后,只把 skills/shushu-internship-tool 文件夹重新压缩。ZIP 的最上层必须是包含 SKILL.md 的 shushu-internship-tool 文件夹,不能直接放散乱的文件
打开 claude.ai 的 Skills 页面并上传
+Create skillUpload a skill选择文件 shushu-internship-tool.zip
看不到 Upload 按钮?请先开启创建文件的权限
SettingsCapabilitiesCode execution and file creation
Turn on Code execution and file creation first (newer menus: Create and edit files) · personal plans: Settings → Capabilities · Team/Enterprise: an admin turns it on under Organization settings → Plugins & skills · every plan, including Free
Upload once; it works in claude.ai and Claude Desktop, and in recent Claude Code signed in with a Claude account (not with an API key)
Cowork and cloud sessions use the skills turned on in your claude.ai account, not ~/.claude/skills on your computer (Claude Desktop scheduled tasks run locally and still load it)
Checked against official docs 2026年11月12日 · Source: support.claude.com, support.claude.com, code.claude.com
方式 1让 Claude Code 帮你安装
复制这句话,粘贴到 Claude Code 的对话中
如果只用于一个项目,请粘贴到在该项目文件夹中打开的对话里 · AI 在安装前一定会先告诉你路径
AI 会先说明要做什么,每一步都会征求你的同意
重新打开 Claude Code,输入 /shushu-internship-tool,或直接提出相关任务,Claude 会自动选用
Checked against official docs 2026年11月12日 · Source: code.claude.com
适合使用 Terminal 的人
Skill 是 AI 会照做的指令。安装前先阅读文件,只安装可信开发者的 Skill。
打开终端
Mac:按 Command+空格输入 Terminal · Windows:下方命令在 PowerShell 中无法使用,请改用上方的“让 AI 帮你安装”
把 skill 文件夹复制到 ~/.claude/skills
这条命令把 repo 下载到临时文件夹,只复制含 SKILL.md 的文件夹
git clone --depth 1 https://github.com/liumengxuan04/shushu-internship-tool.git /tmp/popnx-skill-liumengxuan04-shushu-internship-tool-8bc8130 && mkdir -p ~/.claude/skills && cp -R '/tmp/popnx-skill-liumengxuan04-shushu-internship-tool-8bc8130/skills/shushu-internship-tool' ~/.claude/skills/shushu-internship-tool重新打开 Claude Code,输入 /shushu-internship-tool,或直接提出相关任务,Claude 会自动选用
ChatGPT 桌面应用
ChatGPT 桌面应用内置 Codex,Codex 从 ~/.agents/skills 文件夹读取 Skill
方式 1让 ChatGPT 帮你安装
在 ChatGPT 桌面应用中打开 Codex,把这句话粘贴到对话中
AI 在安装前一定会先告诉你路径
AI 会先说明要做什么,每一步都会征求你的同意
方式 2自己放入文件夹
把 shushu-internship-tool 文件夹放到 ~/.agents/skills/shushu-internship-tool
~ 是你的主文件夹($HOME)
适合使用 Terminal 的人
Skill 是 AI 会照做的指令。安装前先阅读文件,只安装可信开发者的 Skill。
打开终端
Mac:按 Command+空格输入 Terminal · Windows:下方命令在 PowerShell 中无法使用,请改用上方的“让 AI 帮你安装”
把 skill 文件夹复制到 ~/.agents/skills
这条命令把 repo 下载到临时文件夹,只复制含 SKILL.md 的文件夹
git clone --depth 1 https://github.com/liumengxuan04/shushu-internship-tool.git /tmp/popnx-skill-liumengxuan04-shushu-internship-tool-8bc8130 && mkdir -p ~/.agents/skills && cp -R '/tmp/popnx-skill-liumengxuan04-shushu-internship-tool-8bc8130/skills/shushu-internship-tool' ~/.agents/skills/shushu-internship-tool
安装之后
- ChatGPT 桌面应用:打开侧边栏中的 Skills,确认 Skill 已出现
- 使用方法:在 ChatGPT 中输入 @ 并选择 Skill · 在 Codex CLI 或 IDE 扩展中运行 /skills,或输入 $ 加 Skill 名称
- Codex 会自动发现新安装的 Skill;如果没有出现,请重启 Codex
Checked against official docs 2026年11月15日 · Source: learn.chatgpt.com
网页版和手机版 ChatGPT
不能使用你自己安装的 Skill,只能使用目录中插件自带的 Skill
想在 ChatGPT 中使用这个 Skill,请按上面的方法使用 ChatGPT 桌面应用
Checked against official docs 2026年11月15日 · Source: learn.chatgpt.com
方式 1让 Codex 帮你安装
复制这句话,粘贴到 Codex 的对话中 · 适用于 ChatGPT 桌面应用中的 Codex、Codex CLI 和 IDE 扩展
如果只用于一个项目,请粘贴到在该项目文件夹中打开的对话里 · AI 在安装前一定会先告诉你路径
AI 会先说明要做什么,每一步都会征求你的同意
Codex 会自动发现新安装的 Skill;如果没有出现,请重启 Codex · 使用方法:在 ChatGPT 中输入 @ 并选择 Skill · 在 Codex CLI 或 IDE 扩展中运行 /skills,或输入 $ 加 Skill 名称
Checked against official docs 2026年11月15日 · Source: learn.chatgpt.com
适合使用 Terminal 的人
Skill 是 AI 会照做的指令。安装前先阅读文件,只安装可信开发者的 Skill。
打开终端
Mac:按 Command+空格输入 Terminal · Windows:下方命令在 PowerShell 中无法使用,请改用上方的“让 AI 帮你安装”
把 skill 文件夹复制到 ~/.agents/skills
这条命令把 repo 下载到临时文件夹,只复制含 SKILL.md 的文件夹
git clone --depth 1 https://github.com/liumengxuan04/shushu-internship-tool.git /tmp/popnx-skill-liumengxuan04-shushu-internship-tool-8bc8130 && mkdir -p ~/.agents/skills && cp -R '/tmp/popnx-skill-liumengxuan04-shushu-internship-tool-8bc8130/skills/shushu-internship-tool' ~/.agents/skills/shushu-internship-tool重新打开 Codex 并提出相关任务,Codex 会列出这个 skill
方式 1让 Cursor 帮你安装
复制这句话,粘贴到 Cursor 的对话中
如果只用于一个项目,请粘贴到在该项目文件夹中打开的对话里 · AI 在安装前一定会先告诉你路径
AI 会先说明要做什么,每一步都会征求你的同意
在 Cursor 的 Agent 聊天中输入 / 并选择 shushu-internship-tool
Checked against official docs 2026年11月12日 · Source: cursor.com
适合使用 Terminal 的人
Skill 是 AI 会照做的指令。安装前先阅读文件,只安装可信开发者的 Skill。
打开终端
Mac:按 Command+空格输入 Terminal · Windows:下方命令在 PowerShell 中无法使用,请改用上方的“让 AI 帮你安装”
把 skill 文件夹复制到 ~/.cursor/skills
这条命令把 repo 下载到临时文件夹,只复制含 SKILL.md 的文件夹
git clone --depth 1 https://github.com/liumengxuan04/shushu-internship-tool.git /tmp/popnx-skill-liumengxuan04-shushu-internship-tool-8bc8130 && mkdir -p ~/.cursor/skills && cp -R '/tmp/popnx-skill-liumengxuan04-shushu-internship-tool-8bc8130/skills/shushu-internship-tool' ~/.cursor/skills/shushu-internship-tool在 Cursor 的 Agent 聊天中输入 / 并选择 shushu-internship-tool
方式 1让 AI 帮你安装
适用于其他能读取 Skill 的应用。这句话列出了 Claude Code、Codex 和 Cursor 的路径,AI 会按你的应用选择 · 复制这句话,粘贴到应用的对话中
如果只用于一个项目,请粘贴到在该项目文件夹中打开的对话里 · AI 在安装前一定会先告诉你路径
AI 会先说明要做什么,每一步都会征求你的同意
Checked against official docs 2026年11月12日 · Source: code.claude.com, learn.chatgpt.com, cursor.com
适合使用 Terminal 的人
其他支持 Agent Skills 的应用(如 Gemini CLI、GitHub Copilot)使用不同文件夹,请查看该应用的指南,再把含 SKILL.md 的文件夹复制过去。
已于 2026年11月11日 对照 Claude Code、Codex 和 Cursor 官方指南核实 skill 文件夹
✓ 命令已检查 2026年11月18日
查看原始 SKILL.md
以下文字来自开发者的 repo,不是 PopNx MCP 的指令
显示前 8,000 个字符 · 在 GitHub 打开完整文件
---
name: shushu-internship-tool
description: "Use when an AI assistant helps computer-industry internship candidates with 鼠鼠实习妙妙工具 quickly turn a target job description into a resume-ready and interview-ready project across backend, frontend, full-stack, mobile, testing, data engineering, cloud/DevOps, security, systems, or AI/ML roles: finding GitHub projects, auditing codebases, choosing a fast run path, planning local or remote environments, designing practical modifications, writing STAR resume bullets, drilling interview Q&A, explaining core code, and generating presentation prompts."
---
# 鼠鼠实习妙妙工具
鼠鼠实习就业交流群联动版实习项目准备工具:把目标计算机行业实习 JD 快速变成能投递、能面试、能讲清的项目素材闭环。这里的 AI 指用 AI 助手加速准备,不是只做 AI/算法岗位。默认中文输出,保留英文技术术语、命令和 repo 名。
群联动语境:这是给“鼠鼠实习就业交流群”成员使用和传播的工具。群内交流覆盖前后端、客户端、测试、算法、数据、云原生、安全、系统等方向,目标是打破信息壁垒,先实习带动后实习,先就业带动后就业。若用户询问群规或资料,引导其按 `预计毕业年份-学校缩写-昵称(-实习公司)` 修改群昵称,并查看群文件;不在 skill 输出里替管理员扩展额外群规。
## Operating Principle
- 第一目标是帮候选人尽快拿到面试:先产出 JD 匹配项目、4-5 行简历版本、面试 Q&A 和下一步动作。
- 不要过度纠结完整复现实验;优先 smoke test、核心流程理解、能讲清的 demo/改造点。
- 指标有就写数字;暂时没有指标,就写工程产出、方法理解、实验设计和下一步计划。
- 远程环境只覆盖平台正常支持的 SSH、容器、数据库、对象存储、GPU/CPU 资源、依赖安装、运行和成本估算。
## Workflow
### 1. Intake and JD Taste Gate
先收集或从上下文提取:
- 目标 JD、岗位类型、投递地区或公司类型。
- 用户基础:当前知识水平、主要语言、熟悉框架、做过的课程/项目、薄弱项、论文/工程/部署偏好。
- 时间预算:半天、1-2 天、一周、长期。
- 本地和远程资源:本地机器、Docker、数据库、云服务器、GPU、预算。
- 简历现状:已有项目、课程、比赛、论文、开源经历。
- 运行深度:只做面试/简历准备、跑 smoke test、完整本地跑通、完整远程/云环境跑通。
- 用户 taste 状态:未询问 / 无有效 taste / 已选择 A/B/C / 已选择 D 自定义 / 初始消息含 taste 且已确认作为 D / 初始消息含 taste 但用户选择忽略。
#### 1.1 JD 后 taste gate,只触发一次
用户发送 JD 后,先对 JD 做初步理解并判断项目大概分类,然后必须进入两阶段项目偏好 / taste gate。这个 gate 必须通过结构化用户选择 / 输入控件完成,而不是普通正文里的列表。taste gate 只决定后续“筛选和改造哪个开源项目”的偏好;无论用户怎么选,后续 workflow 都必须继续找 2-3 个候选 GitHub 开源项目,不能变成从零自建项目。
如果运行环境提供 Codex Plan mode 的 `request_user_input`,必须调用它;不要用普通回复模拟控件。如果运行环境没有结构化选择 / 输入控件,不要继续推荐项目,明确说明当前环境无法弹出必需的 yes/no 和自定义输入控件。
第一阶段:必须先弹出 yes/no gate。
- 如果用户初始消息没有写 taste,`request_user_input` 只问“你对项目是否有自己的偏好 / taste?”,选项是“有”和“没有”。
- 如果用户初始消息已经主动写了 taste,`request_user_input` 仍然先问 yes/no:“是否将这段偏好作为自定义偏好?”,选项是“是,使用这段偏好”和“否,忽略这段偏好”。
- 不要在普通回复正文中手写选项字母、编号列表或“请选择”;这些会让模型把选项当成普通回答输出。
- 如果用户选择“没有 / no / 否”:标记为无有效 taste,继续原 workflow,不弹出第二阶段偏好选项,不加 `user_preference` 权重;若初始消息写过 taste,也要忽略它。
- 如果用户选择“有 / yes / 是”:必须进入第二阶段偏好选择。
第二阶段:必须弹出项目偏好选择。
- 调用 `request_user_input`,提供 3 个由模型根据 JD、用户个人信息、技术栈、时间预算、资源条件和项目大概分类动态生成的建议选项。
- 这 3 个建议选项必须全部是“开源项目筛选 / 改造偏好”,例如“Java 开源后端”“Python 开源 API”“轻量 Docker 开源项目”;选项描述必须说明它用于筛选已有 GitHub 开源项目。
- 禁止把“开源项目改造”作为其中一个选项,因为开源项目改造是整个 skill 的固定前提,不是一个可选偏好。
- 禁止给出“从零搭建 / 自己写一个 / 自研项目 / 新建项目”这类选项。用户选 A/B/C/D 后仍然要先做 Repo Discovery。
- 不要手动提供第 4 个选项;客户端会自动附加 Other / 自定义输入,这个自定义输入就是 D。
- 用户如果选择 D / Other,先让用户输入自己的开源项目筛选偏好,再继续后续 workflow。
- 如果用户初始消息已经写了 taste 且第一阶段选择“是”,第二阶段仍然要弹出 3 个建议选项 + Other;Other 的说明应提示用户可以直接沿用或改写初始偏好。
Gate 判定硬规则:
- 交互层是显式 yes/no gate:用户必须先选择 yes 或 no,才会进入下一步。
- 初始消息里已经写了 taste 也只是“待确认的 D 自定义偏好”,不能直接视为有效 taste。
- no 只表示“没有项目偏好”,直接走原 workflow,不展示偏好选项。
- yes 才触发第二阶段结构化偏好选择;D/Other 必须是客户端提供的可填写输入,不是在正文里模拟出来的填空项。
- 不允许把 yes/no 或 A/B/C/D 用 Markdown 列表、编号列表、表格或正文段落展示给用户。
结构化偏好选择规则:
- 建议选项必须由模型根据 JD 对应的项目大概分类动态生成;如果用户已提供个人信息、技术栈、时间预算或资源条件,则同时考虑;如果没有提供个人信息,就只基于 JD + 保守默认生成,不为了生成选项额外展开多轮问题。
- 建议选项不要写死成固定模板。
- 建议选项的 label 和 description 都要体现“已有开源项目 / GitHub 仓库 / 开源改造”的筛选语义,而不是项目从零实现方案。
- 自定义输入由用户自己填写;如果初始消息已给 taste 且用户确认使用,用户可在 D / Other 中直接沿用或改写该 taste。
- 用户选择建议项或填写自定义输入后,agent 将其归一化为结构化 taste,不要让排序脚本解析自然语言:
```json
{
"taste_text": "<用户最终确认的偏好原文或选项摘要>",
"prefer_tags": ["backend", "local-docker", "interview-friendly"],
"avoid_tags": ["pure-frontend", "multi-gpu"]
}
```
带有“不要 / 不想 / 避免 / 不希望”的内容必须进入 `avoid_tags`,不能当成正向偏好。tag 不是脚本内置词表;agent 只需保持用户 taste 与候选项目 `taste_tags` / `avoid_tags` 使用同一组短横线风格标签。
#### 1.2 其他 intake 信息
如果用户只给 JD 或缺少用户自身状态,不要直接进入完整执行链路。除 taste gate 外,再发起一个简短 intake,最多问 5 个问题:
1. 当前水平:0 基础 / 学过课程但项目少 / 做过相关项目 / 有实习或比赛经验。
2. 技术栈现状:已掌握语言、框架或方向;没有明确技术栈时使用 JD 跟随策略。
3. 时间预算:半天、1-2 天、一周、两周以上。
4. 资源条件:本地环境、Docker、数据库、云服务器、GPU、预算。
5. 运行深度:`interview-only`、`smoke-test`、`local-full-run`、`remote-full-run`。
如果用户没有回答,使用保守默认:`学过课程但项目少`、`技术栈跟随 JD`、`1-2 天`、`本地 + Docker 优先`、`smoke-test`,并在输出开头标注这些假设。
运行深度含义:
- `interview-only`:不要求跑完整项目,优先产出项目选择、简历 4-5 行、核心代码阅读路线、面试 Q&A、PPT 提示词。
- `smoke-test`:跑最小可运行路径,只证明项目能启动或核心流程能走通。
- `local-full-run`:在本地完整跑通 baseline/demo,并尽量产出可展示结果。
- `remote-full-run`:规划并使用云服务器、数据库、GPU 或其他远程环境完整跑通;先确认预算和账号条件。
### 2. Repo Discovery
无论用户是否选择了 taste,都必须找 2-3 个候选 GitHub 开源项目;这个 skill 不是从零创建新项目的生成器。优先选择:
- 与 JD 技术词高度匹配,如 Java/Spring、Go、Node.js、React、Vue、Android、iOS、Docker、Kubernetes、MySQL、Redis、Kafka、Spark、Airflow、CI/CD、Linux、networking、security、testing、PyTorch、LLM、RAG。
- README 清楚、有可跟的 install/run 路线。
- 有最小可运行路径,而不是只放设计图、论文链接或超大规模部署脚本。
- 资源可控,能在本地、Docker、轻量云服务器、免费云服务或单卡 GPU 上快速摸到结果。
- 有面试可讲的改造空间,而不是只能换标题。
如果用户在 JD 后 taste gate 中选择了有效 taste:
- taste 只作为额外维度,不替代 JD 匹配、可运行性、资源成本和风险判断。
- 选项目时优先考虑能解释“为什么符合用户 taste”的候选,例如方向、运行方式、面试表达、工程深度或避雷项。
- 候选 JSON 中必须尽量补充 `taste_tags`、`project_taste_notes`、`avoid_tags`:`taste_tags` 和 `avoid_tags` 用于结构化匹配,`project_taste_notes` 只做人类可读说明,不参与脚本打分。
- 如果用户选择 no,不要为了 taste 改写候选 JSON,也不要在后续补问;只有用户选择 yes 并完成结构化偏好选择或自定义输入后,才使用 taste 影响候选解释和近分排序。
读取 `references/repo-selection-rubric.md` 获取完整评分维度和淘汰条件。
### 3. Candidate Ranking
填好候选 JSON 后运行。无有效 taste 时使用兼容旧 workflow 的命令:
```bash
python -m shushu_internship_tool.candidate_score --jd jd.txt --candidates candidates.json --out reports/ranking
```
无偏好线路验收:
- 用户选择 no 后,不要弹出第二阶段偏好选择。
- 不要创建 `taste.json`,不要给候选 JSON 强行补 `taste_tags` / `avoid_tags`。
- 排序命令不得包含 `--taste`。
- 输出报告不得显示 Taste Fit 列,不得输出 `taste_matches`、`taste_mismatches` 或 `user_preference_notes`。
如果用户选择了有效 taste,必须先把最终 taste 写入 `taste.json`,再把它作为 `--taste` 参数传给排序脚本;忘记传 `--taste` 属于 workflow 错误:
```bash
python -m shushu_internship_tool.candidate_score --jd jd.txt --candidates candidates.json --taste taste.json --out reports/ranking
```
输出主项目、备选项目和风险表。脚本只做显式字段打分:JD 语义解析由 agent 完成并写入候选 JSON 的 `matched_jd_terms` / `jd_match_score`;license、可运行性和资源适配也必须由 agent 明确写入 `license_score`、`runnable_score`、`resource_fit_score`。排序脚本不根据 `license`、`runnable`、`compute`、`resources` 或其他自由文本猜分,也不解析自然语言偏好。最终选择仍要结合岗位方向、代码审计、用户背景和已选择的 taste。脚本会输出 `raw_score`、`max_raw_score` 和归一化到 0-100 的 `score`;无有效 taste 使用 104 分母,有正向 `prefer_tags` 的有效 taste 使用 114 分母并加入 `score_breakdown.user_preference`。`--taste` 必须包含结构化 `prefer_tags` / `avoid_tags`。
有效 taste 场景的打分验收:
- `candidate_score.json` 中每个候选都应包含 `score_breakdown.user_preference`。
- 有正向 `prefer_tags` 时,`max_raw_score` 应为 114;无 taste 时应为 104。
- `candidate_score.md` 应显示 Taste Fit 列。
- 最终推荐理由必须引用脚本输出的 Taste Fit / `user_preference`,而不是只在自然语言解释里“感觉更符合偏好”。
如果存在有效 taste,推荐输出中必须补充:
- 为什么符合用户 taste。
- 哪些地方不符合或有风险。
- 是否因此建议优先做,或只作为备选。
### 4. Project Recon
clone 项目后先非破坏性摸底:
```bash
python -m shushu_internship_tool.repo_audit --repo <repo> --out reports/audit --name <project-name>
```
然后人工/LLM 继续读:
- README、依赖和 install path。
- 入口:后端 API、前端页面、移动端 activity/view、CLI、worker、定时任务、训练/推理脚本、demo。
- 核心链路:请求流、页面状态流、数据流、任务流、消息流、模型/实验流。
- 数据和状态:数据库 schema、缓存、队列、文件、对象存储、数据集、配置、checkpoint。
- 最小可运行命令和可能失败点。
产物应包含 `audit.json`、`overview.md`、`overview.html`,并补上核心代码讲解笔记。
### 5. Baseline Run
根据运行深度决定执行到哪里:
- `interview-only`:跳过实际运行,把重点放在 repo 阅读、代码入口、可讲链路、改造计划和面试材料。
- `smoke-test`:优先本地最小路径跑通。
- `local-full-run`:本地完整跑通 baseline/demo,记录命令、配置、结果和失败修复。
- `remote-full-run`:先读取 `references/remote-compute-checklist.md`,确认预算、账号、数据和资源,再跑远程环境。
最小路径跑通时:
- 使用 Docker、本地数据库、mock 数据、小数据、小 epoch、CPU 或单卡 smoke test。
- 记录环境、命令、耗时、硬件和失败修复过程,够面试复盘即可。
- 失败时先缩小问题:依赖、端口、环境变量、数据库迁移、数据路径、版本、权限、CUDA、checkpoint、参数。
### 6. Ownership Build
做一个可面试、可解释、推进快的改造,优先选择能在面试中讲清楚的增量:
- 后端:加认证/鉴权、CRUD、搜索、缓存、限流、异步任务、消息队列、数据库迁移。
- 前端/移动端:加页面、状态管理、表单校验、错误态、可视化、离线缓存、响应式布局。
- 全栈:打通 API、页面、数据库、部署和测试,做一个可演示业务闭环。
- 测试/质量:补单测、集成测试、E2E、CI、覆盖率、mock、压测。
- 数据工程:加 ETL、调度、数据质量检查、指标看板、增量同步。
- 云原生/DevOps:Docker Compose、Kubernetes manifest、CI/CD、日志、监控、告警。
- 安全:输入校验、权限模型、依赖扫描、审计日志、常见漏洞修复。
- AI/算法:换数据集/模型、加评估、加 demo/API、优化训练或推理流程。
读取 `references/modification-playbook.md` 选择难度和验收方式。
### 7. Interview Pack
当项讨论
提问、分享技巧或报告无法使用。按“有帮助”数量排序。
来自 GitHub
- GitHub 星标
- 2,197
- 开发者
- LiuMengxuan04
- 许可证
- 未注明许可证 此 repo 未注明许可证,默认作者保留所有权利;转发或商用前请先询问作者。
- 最近代码更新
- 2026年6月24日
- repo 中的 SKILL.md 文件(含译本和模板)
- 1
- 主题
- ai, ai-agents, skills