據 AlphaMoat 統計,截至 2026-09,個性化BOSS直聘打招呼生成器和JD對比 累計下載 3,160 次、獲 2 個星標,在全部 5,078 個 AI 技能中排名第 3,611 位,在「內容創作」分類(362 個)中排名第 241 位。
| 平台 | 累計安裝 | 累計下載 | 星標 | 評論 |
|---|---|---|---|---|
| ClawHub ↗ | 33 | 1196 | 1 | - |
| SkillHub ↗ | 396 | 3160 | 2 | — |
各平台的計數口徑不同,統計時間不一致。
先收集簡歷、偏好與語氣,使用本地求職檔案匹配JD。多崗位先比較再讓使用者選擇,截圖識別後需確認內容;只引用真實經歷與技能,檔案寫入或更新需明確,生成草稿不代表已傳送。
資料釋出於 2026-10-27
以下是根據技能文件生成的示例,不代表實際執行結果。
2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。
| 月份 | 累計下載 | 環比 | 星標 |
|---|---|---|---|
| 2026-09 | 3160 | — | 2 |
| 2026-08 | 2223 | +114.8% | 2 |
| 2026-07 | 1035 | — | 1 |
| 2026-05 | 1184 | — | 1 |
| 2026-03 | 642 | — | 1 |
以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 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
識別並去掉文字里的 AI 寫作痕跡,讓文字讀起來更像人寫。
把文字里 AI 寫作的典型痕跡挑出來並改寫得更自然,同時保留原意的寫作編輯技能。
識別並去除 AI 生成文字痕跡的中文文字編輯技能。
wechat-search 檢索公眾號熱門文章,並按相關性、熱度和時效整理結果。
從公開短影片分享連結提取標題、簡介和口播文案,並給出改寫版本。
humanizer 為中英文文字提供更自然的表達和風格編輯指導。
寫網文章節並按檔案落盤,聊天裡只回摘要與指標。
把一組行銷方法模組收進同一個技能,按請求路由到對應模組取清單與可交付稿。
資料月份:2026-09 · 下載/星標/安裝數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。