AlphaMoatによると、2026-09時点で个性化BOSS直聘打招呼生成器和JD对比のダウンロード数は3,160、スター数は2で、AIスキル全体5,078件中3,611位、コンテンツ制作では362件中241位です。
| プラットフォーム | インストール数 | ダウンロード数 | スター数 | コメント |
|---|---|---|---|---|
| ClawHub ↗ | 33 | 1196 | 1 | - |
| SkillHub ↗ | 396 | 3160 | 2 | — |
プラットフォームごとに集計方法と集計時点が異なります。
経歴、希望、語り口を集め、ローカルのプロフィールで照合します。複数求人は比較後に対象を選び、画像の認識内容は確認してから作成します。実在する経験と技能だけを使い、プロフィール変更の範囲を確認します。作成した文は未送信の下書きです。
資料公開日 2026-10-27
スキルのドキュメントをもとに生成した例であり、実際の実行結果ではありません。
2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。
| 月 | ダウンロード数 | 前月比 | スター数 |
|---|---|---|---|
| 2026-09 | 3160 | — | 2 |
| 2026-08 | 2223 | +114.8% | 2 |
| 2026-07 | 1035 | — | 1 |
| 2026-05 | 1184 | — | 1 |
| 2026-03 | 642 | — | 1 |
作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-10-23。
--- name: boss-greeting description: > BOSS直聘打招呼内容生成器。当用户提到「打招呼」「BOSS直聘」「投简历」「JD」「岗位」「求职」 或发送招聘截图/岗位描述时触发。支持:生成个性化打招呼话术、多岗位匹配度排序对比、 截图识别JD内容、用户求职档案管理。首次使用时引导建档。 emoji: 🦞 tools: - Read - Write
- Bash
---
# BOSS直聘打招呼生成器
帮用户生成高质量的BOSS直聘打招呼内容。基于用户的真实背景,针对每个JD生成个性化、有说服力的打招呼话术。
## 档案路径
```
~/.openclaw/boss-profile.md
```
## 核心流程
每次触发时,按以下顺序执行:
### 1. 检查档案
读取 `~/.openclaw/boss-profile.md`。
- **文件存在且内容完整** → 跳到步骤 3
- **文件不存在或内容为空** → 进入步骤 2(建档)
### 2. 建档(首次使用)
告诉用户:「我是BOSS直聘打招呼助手。为了生成个性化的内容,我需要先了解你的背景。请提供以下信息,越详细越好。你可以一次性发给我,也可以分几条消息发。」
依次收集以下信息(用户可以一次全给,也可以分步给):
**必填:**
1. **简历/工作经历** — 教育背景、工作经历、项目经验、技术技能、证书等。鼓励用户直接粘贴简历全文或发简历截图。
2. **求职偏好** — 目标方向/行业、目标城市、期望薪资范围、其他硬性要求。
**选填但推荐:**
3. **语气风格偏好** — 比如「专业但不卑微」「突出技术实力」「偏稳重」等。如果用户没有特别偏好,默认使用「专业自然,不卑不亢」。
4. **满意的打招呼范例** — 用户之前写过觉得效果好的打招呼内容,作为风格参考。
5. **主动追问** — 收集完以上信息后,根据用户提供的内容,主动提出 2-3 个针对性问题。例如:
- 简历里提到某个项目但细节不够:「你在XX项目中具体负责什么?有量化成果吗?」
- 工作经历有空白期:「你在XX时间段在做什么?需要在打招呼中回避这段吗?」
- 技能列表比较泛:「你日常用得最多的工具/技术是哪几个?」
- 其他用户觉得重要但没提到的:「还有什么你觉得是亮点但简历里没体现的?」
**收集完成后:** 将所有信息整理成结构化的 markdown,写入 `~/.openclaw/boss-profile.md`。格式参考 references/profile-template.md。写入后告诉用户「档案已保存。以后随时可以说『更新档案』来修改。现在可以发JD给我了。」
### 3. 判断输入类型
用户的输入可能是以下几种:
| 输入 | 判断方式 | 操作 |
|------|---------|------|
| 一条JD文本 | 纯文本,包含岗位/职责/要求等关键词 | → 步骤 4A |
| 多条JD文本 | 文本中有明显分隔(---、空行+新岗位名等) | → 步骤 4B |
| 一张或多张截图 | 用户发送图片 | → 步骤 4C |
| 「更新档案」 | 用户明确要求修改档案 | → 步骤 5 |
### 4A. 单条JD → 直接生成打招呼
1. 读取用户档案
2. 分析JD内容,找出与用户背景最匹配的 2 个维度
3. 按照「生成规则」输出打招呼内容
4. 输出后附上字数统计
### 4B. 多条JD → 排序 + 确认 + 生成
**第一步:排序**
1. 读取用户档案
2. 逐个分析每条JD与用户背景的匹配度
3. 输出排序结果表格:
```
排名 | 岗位 | 匹配分(1-100) | 理由
1 | XXX | 92 | AI方向高度匹配,项目经验直接相关
2 | XXX | 78 | 行业对口但技术栈有偏差
3 | XXX | 65 | 方向相关但经验不足
```
4. 问用户:「以上是匹配度排序,要为哪几个生成打招呼内容?输入序号(如 1,2,3)或回复『全部』。」
**第二步:生成**
用户确认后,按用户选择的岗位逐个生成打招呼内容。每个岗位的内容之间用分隔线隔开,附上字数统计。
### 4C. 截图 → 识别 + 处理
1. 识别图片中的岗位招聘信息,提取为结构化文本
2. 向用户确认:「我从截图中识别到以下岗位:XXX。内容是否正确?」
3. 确认后,根据识别出的JD数量走 4A 或 4B 流程
### 5. 更新档案
1. 读取现有档案内容
2. 问用户要更新哪部分(简历、偏好、风格、范例、或全部重写)
3. 更新后写回 `~/.openclaw/boss-profile.md`
4. 告诉用户更新完成
## 生成规则
严格遵守以下规则生成打招呼内容:
### 结构
```
第一句:您好 + 对岗位感兴趣 + 一句话点出最核心契合点
主体:「一是……」第一个匹配维度,2-4句,结合真实经历展开
「二是……」第二个匹配维度,2-4句,结合真实经历展开
结尾:一句话收尾(可提教育背景或硬性条件)+ 期待沟通
```
### 约束
- 总字数 200-250 字,严格控制
- 语气参考用户档案中的风格偏好,默认「专业自然,不卑不亢」
- 纯文字段落,禁止加粗、标题、bullet point、编号等任何格式
- 不要过度客套,结尾一句话即可
- 只输出正文,不加任何解释、前言、标题
- 优先选择与该JD最直接相关的经历,不要堆砌所有项目
- 如果用户提供了满意范例,学习其语气和节奏,但内容要根据JD重新生成
### 维度选择策略
分析JD的核心要求,从用户档案中找最相关的两个维度。常见组合:
- 技术/项目经验 + 行业/业务背景
- 直接相关经历 + 可迁移能力
- 硬技能匹配 + 软实力/管理经验
**不要**每次都用相同的两个维度。根据不同JD灵活调整。
## 排序评分标准
按以下权重评估匹配度:
1. **岗位核心要求与用户技能的重叠度**(40%)— 要求的技能/经验用户是否具备
2. **行业/领域相关性**(20%)— 用户的行业背景是否匹配
3. **用户求职偏好匹配**(20%)— 城市、薪资、方向是否符合用户偏好
4. **成长空间与职业路径**(10%)— 这个岗位对用户职业发展是否有利
5. **竞争力评估**(10%)— 用户在这个岗位的申请者中大概处于什么位置
## Rules
- 每次生成后必须统计并显示字数
- 如果生成结果超过 250 字,自动精简后重新输出
- 如果用户对生成结果不满意,询问具体哪里需要调整,不要整段重写
- 永远不要编造用户档案中没有的经历或技能
- 如果JD要求的核心技能用户完全不具备,坦诚告知匹配度较低,但仍尝试从可迁移能力角度生成
- 档案文件只通过本 skill 读写,不要在对话中暴露档案文件的完整路径给用户
- 截图识别后必须让用户确认内容,不要直接跳到生成
文章に残る AI らしさを見つけて取り除き、人が書いたように読める文章にします。
AI が書いた文章の典型的な痕跡を見つけ、意味を保ったまま自然な文章に書き直す文章編集スキルです。
AI が生成した文章の痕跡を見つけて取り除く中国語の編集スキルです。
wechat-search は WeChat の人気記事を検索し、関連度、人気、鮮度で結果を整理します。
公開された短編動画の共有リンクからタイトル、概要、口播テキストを抽出し、改写版も作ります。
humanizer は中国語と英語の文章を自然な表現に整えるための編集ガイドです。
Web 小説の各章をファイルに書き、会話では要約と位置だけを返します。
複数のマーケティング手法をひとつのスキルにまとめ、依頼内容に合うモジュールへ振り分けるスキルです。
データ月:2026-09 · ダウンロード数、スター数、インストール数は公開スキルレジストリ(ClawHub、SkillHub)から月単位で集計しています。詳しくはデータの方法論をご覧ください。