---
name: Skill Init
slug: skill-init
category: AI Engineering
description: Skill Init collects your current skills, experience, learning time, and goals to build an initial career profile. It then sets a starting tier and writes .skill-state.json so skill-scan and skill-plan can continue.
github: "https://github.com/XBuilderLAB/cheat-on-skill/tree/main/skills/skill-init"
language: JavaScript
stars: 182
forks: 14
install: "npx degit https://github.com/XBuilderLAB/cheat-on-skill/tree/main/skills/skill-init ~/.claude/skills/skill-init"
installs_to: ~/.claude/skills/skill-init
source_path: skills/skill-init/SKILL.md
collection_size: 4
category_size: 3475
collection_url: "https://dirskills.com/collections/XBuilderLAB/cheat-on-skill"
added: 2026-09-07T05:20:01.929Z
last_synced: 2026-09-07T05:20:01.929Z
canonical_url: "https://dirskills.com/skills/skill-init"
---

# Skill Init

Skill Init collects your current skills, experience, learning time, and goals to build an initial career profile. It then sets a starting tier and writes .skill-state.json so skill-scan and skill-plan can continue.

**Install:**

```bash
npx degit https://github.com/XBuilderLAB/cheat-on-skill/tree/main/skills/skill-init ~/.claude/skills/skill-init
```

## README

# /skill-init — cheat-on-skill 首次 onboarding（能力盘点）

把用户从"我想找个 AI 时代的高薪工作"带到"有了一份清晰能力画像、可以开始找岗位"，全程 ≤ 5 分钟。

## 设计哲学（必须先认同）
这套工具的差异点不是"列高薪职业"，是 **能力匹配 + 可学性闸门 + 真实招聘数据 + 反诈**。
所以 init 的目标不是给岗位，而是先建立"值得学 = 对你值得学"的前提：没有能力画像，任何高薪岗位都是别人的画饼。

## Overview
```
[用户首次说"我想找AI时代的高薪工作"]
  → Phase 0: 检测 .skill-state.json 是否存在
  → Phase 1: 首屏文案（期望管理 + 反诈承诺）
  → Phase 2: 能力盘点 7 问（一次问完，允许"不确定"）
  → Phase 2.5: 起点档位识别（S0–S3）
  → Phase 3: 写入 .skill-state.json
  → Phase 4: 下一步清单
```

## Phase 0 — 检测状态
```bash
test -f .skill-state.json && echo EXISTS || echo MISSING
```
- 已存在：告诉用户已初始化，问要不要更新画像（走 Edit），否则路由到 skill-scan。
- 不存在：继续。

## Phase 1 — 首屏文案（原样表达这几点）
- 这工具不会给你"AI 高薪职业 Top10"那种水文清单——那些利益不中立，多是卖课漏斗。
- 我会做四件别人不做的事：① 按你的真实底子匹配岗位，不给通用清单 ② 用 BOSS 直聘**真实招聘数据**看哪些 AI 岗在招、给多少 ③ 给每个岗位算"以你的起点学得动吗"的可学性分 ④ 培训贷/包就业/付费内推一律过反诈红线淘汰。
- 转型通常要几个月的真实投入，不是"30 天速成"。认同我们再往下。

## Phase 2 — 能力盘点 7 问（一次性问完，允许"不确定"记 null）
1. **你现在的技能/职业是什么？**（写作/运营/设计/销售/编程/数据/外语/财会/某行业专业…）——这是迁移的本钱。
2. **想转的方向沾边吗？**（完全跨行 / 用旧技能升级 / 不确定）——决定跨度大小。
3. **学历 + 工作年限？**（部分 AI 岗有学历或经验门槛，得提前知道哪些够不着）
4. **每周能稳定投入几小时学习？能坚持几个月？**——时间预算是可学性的硬约束。
5. **学习能力/自驱自评？**（容易坚持 / 需要督促 / 自学过新东西吗）——用于周期估计乐观还是保守。
6. **所在地区 + 目标薪资？**（影响城市岗位密度和现实预期）
7. **转型紧迫度？**（在职慢慢转 / 急需尽快上岸）——影响是稳扎稳打还是先够一个跳板岗。

> 第 1、2 题重点提炼**可迁移能力**（transferable），写进 state，scan 时用它缩小差距。

## Phase 2.5 — 起点档位识别（关键）
读 `../../shared-references/role-tiers.md`，按"可迁移底子 × 可投入资源 × 学习能力"归到 **S0/S1/S2/S3**：
- 有行业纵深（医疗/法律/金融/教育等）+ 愿学 AI → 倾向 **S3**
- 会编程/数据 或愿系统学编程 → **S2**
- 有内容/运营/设计/销售/外语等软底子、会用 AI 工具 → **S1**
- 跨度大、零相关底子 → **S0**

> 不确定**就低不就高**。判完**明确告诉用户判成哪档、为什么**，说"你比我更懂自己，可以改"。把 `start_tier` + `tier_reason` 写进 state。

## Phase 3 — 写入状态文件
读 `../../templates/skill-state.template.json`，填入答案（含 `start_tier`/`tier_reason`/`transferable`）。
写入前先用系统时间取当前时间和**本机时区**（不要写死任何固定城市/时区，一律跟用户的系统走）：
```bash
date '+%Y-%m-%d %H:%M %Z %z'                        # 当前时间 + 时区缩写 + UTC 偏移（如 CST +0800）
readlink /etc/localtime 2>/dev/null | sed 's#.*/zoneinfo/##'   # IANA 时区 ID（如 Asia/Shanghai；读不到就留空让用户确认）
```
`created_at` 写当天日期（YYYY-MM-DD），`created_at_full` 写具体时间和时区（用上面读到的，例：`2026-06-26 22:06 CST +0800`），`timezone_id` 写读到的 IANA 时区 ID（如 `Asia/Shanghai`），`timezone_label` 写对应的本地时区名（如 `中国标准时间`）。给用户展示时用本机时区，不要写死成某个国家的时间。写到当前工作目录的 `.skill-state.json`。删掉 candidate_roles 里的示例项。

## Phase 4 — 下一步清单
告诉用户现在可以说：
- **"帮我找岗位"** → 走 `skill-scan`（连 BOSS + 网页信号，按你的画像找「高薪 × 可学 × AI 增强」候选岗位）
- **"我选 XX 这个岗位，做学习计划"** → 走 `skill-plan`