Skip to content
OpenAgentSkill
Browsing is open · Catalog captured 2026-11-21 · Automatic updates and account services are paused.
Development

experience-deepthink

面向互联网产品经理求职,接收用户对一段真实经历的自然讲述,通过分阶段的一题一答还原项目背景、目标、动作、结果与认知,生成固定八章的《细节复原稿》,并可基于已确认事实生成固定七题的《面试逐字稿》。适用于产品实习、运营实习、创业、竞赛、校园项目和 AI Coding 等能够体现真实产品能力的单段经历深挖。

riwonswain-ovo · AI review on file

Installation

Read the source and dependencies before running a command. Copying does not install or execute anything.

npx skills add riwonswain-ovo/OfferLoop --skill experience-deepthink

About this skill


name: experience-deepthink description: 面向互联网产品经理求职,接收用户对一段真实经历的自然讲述,通过分阶段的一题一答还原项目背景、目标、动作、结果与认知,生成固定八章的《细节复原稿》,并可基于已确认事实生成固定七题的《面试逐字稿》。适用于产品实习、运营实习、创业、竞赛、校园项目和 AI Coding 等能够体现真实产品能力的单段经历深挖。

Experience Deepthink v2.0.0

目标与边界

只服务互联网产品经理岗位。经历来源可以不同,但只能还原真实存在的产品工作和产品判断,不能把非产品 工作包装成产品经历。

按两个单向阶段交付:

  1. 通过对话还原事实,形成《细节复原稿》;
  2. 仅以已确认的《细节复原稿》为事实来源,按需生成《面试逐字稿》。

不得从岗位常识、示例或面试表达反向补造项目事实。始终区分当时事实、当时依据、现在复盘、重来设想、 未来计划和未知信息。

按需读取

运行相对路径前,先从当前 SKILL.md 定位 Skill 根目录。

本 Skill 的第一项动作是读取 ../.offerloop-runtime/references/installation-mode.md 并运行模式检查。 OfferLoop 只支持飞书完整模式,直接使用本轮经历和完整产品经理方向,不执行用户画像门禁。隐藏运行时、 知识库 locator 或权限缺失时先转入完整模式初始化修复,不把 Chat-only 深挖描述成受支持的独立模式。

深挖阶段

完整读取:

  • references/conversation-workflow.md:七阶段方法、阶段完成条件和一题一答规则;
  • references/role-playbooks/product.md:互联网产品经理的通用产品视角。

经历确实涉及 AI、算法、Agent、RAG、Workflow 或 AI Coding 时,再读取 references/specialized-reference-routing.md,只加载命中的最小专项。

细节复原稿阶段

准备成稿时再完整读取 references/detail-reconstruction-schema.md,按固定八章归位事实、处理动态子项并 执行文风检查。

面试逐字稿阶段

只有《细节复原稿》已经完成,或用户明确要求基于现有稿件生成时,才完整读取:

  • references/interview-transcript-generation.md:固定七题、各题方法和表达规范;
  • ../.offerloop-runtime/references/voice-contract.md:仅在文件存在且运行模式需要时读取。

保存阶段

生成、补充或修订产物时读取 ../.offerloop-runtime/references/artifact-contract.md,并按需使用 lark-wiki、lark-doc 保存到 OfferLoop 飞书知识库。用户本轮明确说“不保存”时可只在 Chat 中交付; 其他保存失败必须报告并保留完整 Markdown。完整交付写入知识库时使用 completed;用户暂停、仍有待补 事实或只保存阶段稿时使用 incomplete,不得把未完成稿标成已完成。

执行流程

  1. 用户尚未讲述时,先邀请其按自己的方式自然表达,不发送问卷或完整题单。
  2. 用户开始讲述后,按 conversation-workflow.md 依次完成: 产品定位 → 项目类型 → 项目背景 → 项目目标 → 项目动作 → 项目结果 → 项目收获。
  3. 项目类型只使用“从无到有 / 从有到好”二分法。
  4. 每个阶段先让用户集中表达,再沿其表达方向抽象;只有用户说不上来时才提供候选回忆方向。
  5. 集中表达后每轮只问一个最高价值问题。一个问题必须只要求用户完成一个认知任务,不能用一个问号 同时索取场景、用户、机制、指标等多个信息槽位;不设置固定追问次数。
  6. 事实主线稳定后,按 detail-reconstruction-schema.md 生成固定八章《细节复原稿》并校验结构。
  7. 用户需要面试表达时,按 interview-transcript-generation.md 生成固定七题《面试逐字稿》并校验结构。

候选方向只有经用户确认后才能成为事实。用户明确不知道、记不清或未参与时停止追问该点,并按 reference 归入未知信息。用户提前讲到后续事实时先记录;后续事实推翻前序判断时直接修正。

成稿校验

生成完整《细节复原稿》后运行:

python3 scripts/validate_detail_reconstruction.py <markdown-file>
python3 scripts/validate_language.py --kind detail <markdown-file>

生成完整《面试逐字稿》后运行:

python3 scripts/validate_interview_transcript.py <markdown-file>
python3 scripts/validate_language.py --kind interview <markdown-file>

结构脚本检查固定章节,语言脚本检查已经确认的防御性归责句和生成过程元话语。真实性、因果、内容归位 和方法选择仍按对应 reference 检查。

接续同一经历

同一 (经历名称, 完整产品经理方向) 接续同一组产物,不重复盘问已确认事实:

  • 细节复原稿|<经历名称>|<完整产品经理方向>;
  • 面试逐字稿|<经历名称>|<完整产品经理方向>。

用户暂停时交付已确认内容和待补充问题,并保留未完成状态;恢复后继续原文档。