---
name: Skill Plan
slug: skill-plan
category: AI Engineering
description: Skill Plan generates a personalized learning strategy for a chosen role, from gap analysis to phased study paths, portfolio projects, job-search timing, and stop-loss rules. Use it when you want an AI-guided plan for switching roles with verifiable milestones.
github: "https://github.com/XBuilderLAB/cheat-on-skill/tree/main/skills/skill-plan"
language: JavaScript
stars: 182
forks: 14
install: "npx degit https://github.com/XBuilderLAB/cheat-on-skill/tree/main/skills/skill-plan ~/.claude/skills/skill-plan"
installs_to: ~/.claude/skills/skill-plan
source_path: skills/skill-plan/SKILL.md
collection_size: 4
category_size: 3475
collection_url: "https://dirskills.com/collections/XBuilderLAB/cheat-on-skill"
added: 2026-09-07T05:20:02.186Z
last_synced: 2026-09-07T05:20:02.186Z
canonical_url: "https://dirskills.com/skills/skill-plan"
---

# Skill Plan

Skill Plan generates a personalized learning strategy for a chosen role, from gap analysis to phased study paths, portfolio projects, job-search timing, and stop-loss rules. Use it when you want an AI-guided plan for switching roles with verifiable milestones.

**Install:**

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

## README

# /skill-plan — 个性化学习策略（差距 → 路径 → 上岸）

把一个目标岗位变成"以你的起点 + 每周时间，几个月内能学到能投简历"的可执行学习计划。

## 前置检查
- 读 `.skill-state.json` 找该岗位。若不在 candidate_roles 或可学性判定为 ❌ 劝退/⛔ 吃力，**先提醒用户回 skill-scan 重选或确认**，别硬做注定挫败的计划。
- 若该岗位牵涉付费培训/内推，先确认它过了 `../../shared-references/anti-scam-rubric.md`；命中红线先劝退。
- 读 `../../shared-references/learnability-rubric.md`（差距维度对齐）和 `role-tiers.md`（起步动作按档位）。

## 学习策略必含 6 块

1. **差距分析（最重要）**：把目标岗位 JD 要求 − 用户已有能力 = 要补的清单，逐条列，**标出哪些可迁移（已有，略学即可）、哪些要从头学**。差距清单决定整个计划，别跳过。

2. **分阶段学习路径**：拆成 2–4 个阶段，每阶段有：
   - 目标（学完能做什么，可验证）
   - 具体内容 + 推荐资源类型（**优先免费/低成本 + 边学边做**；要推具体课程/资源时用 WebSearch 查当下真实可得的，加年份，别凭记忆给可能失效的链接）
   - **AI 加速点**：这一阶段怎么用 AI 当私教 / 用 AI 编程 / 用 AI 出作品，把学习曲线压短（这是 AI 时代学习的题眼，别让"用 AI"停在口号）
   - 时间盒（以用户每周 N 小时算，这阶段几周）

3. **作品集清单**：列 2–4 件**能放进简历/能演示**的作品（按档位：S0 工具熟练度作品；S1 旧技能 ×AI 重做；S2 GitHub 可跑项目；S3 解决本行业真实痛点的 demo）。作品比证书值钱——它证明你真能干。

4. **求职时间线**：第几周开始投简历、投哪些渠道、面试要准备什么。明确"不必等全学完才投"——边投边补。

5. **止损线**：满足什么条件该停下复盘或调整（例：投 30 份 0 面试 / 学了 X 周完全跟不上 / 出现反诈红线）。给转型留个清醒的退出判断。

6. **诚实周期与预期**：以用户每周时间算，几个月到能投、几个月可能拿 offer。明说这是真实投入不是速成，不画饼。

> 需要时用 WebSearch 查该岗位当下的真实学习路径/主流工具栈/招聘要求（加年份），别给过时方案。

## 落盘（含「预期」——这是日后复盘对账的起点）
写入前先用系统时间取当前时间：
```bash
date '+%Y-%m-%d %H:%M %Z %z'
```
所有报告和状态记录必须带具体时间与时区，跟用户系统时区走。内部记录可用 `2026-06-26 22:06 CST +0800`；用户报告展示为 `2026-06-26 22:06（本机时区 + UTC 偏移，如 中国标准时间 CST，UTC+8）`。不要写死成某个固定国家的时间。

把策略写入 `.skill-state.json` 的 `active`（chosen_id / started_at=今天 / learning_plan），该岗位 status 改为 `learning`。
**同时写 `active.prediction`**：预计每周投入小时、预计几个月到能投简历、作品集清单、止损线（recorded_at=今天日期，recorded_at_full=具体时间和时区）。
这份预期写完别改——日后复盘拿"实际"和它对账，才能看清计划准不准、要不要调。

## 报告与存档收尾
学习计划生成后，不要直接结束。先问用户：

> "如果这版方向和计划没问题，我可以帮你存档，并生成一份完整报告。推荐形式是 Markdown 源文件 + 可选 Word 版：Markdown 方便后续迭代，Word 方便发送/打印。你要现在生成吗？"

默认不要把 Markdown/HTML 作为用户交付物。对普通用户来说，看到代码或标记语法会困惑。

若用户同意，生成两类内容：
- **内部归档**：继续写入 `.skill-state.json`；必要时生成 `reports/internal/<YYYY-MM-DD>-<target-slug>.md` 作为 agent 可维护的结构化存档，但不要把它作为主交付给用户。
- **用户阅读版源稿**：先生成 `reports/<YYYY-MM-DD>-<中文标题>-用户版.txt`，用自然语言写成外行人也能读懂的完整报告。不要包含 HTML/CSS/Markdown 语法，不要要求用户用浏览器打开。
  报告正文必须写 `生成时间：YYYY-MM-DD HH:mm（本机时区名 缩写，UTC 偏移）`，跟用户系统时区走，不要只写日期、也不要写死某国时间。示例：`生成时间：2026-06-26 22:06（中国标准时间 CST，UTC+8）`。

导出与交付规则：
- 默认优先把用户阅读版导出成 `reports/<YYYY-MM-DD>-<中文标题>-用户版.docx`。
- 如果 `.docx` 导出成功，只告知 Word 文件保存路径，并打开文档所在文件夹让用户自己双击 Word 文件；不要再额外生成或展示 `.rtf` / `.txt` 作为主交付。可以补一句：“如需纯文本或 RTF，我也可以再导出。”
- 如果 `.docx` 导出失败，再导出 `.txt` 和 `.rtf`，告知两个文件路径，并同样打开所在文件夹。
- 不要依赖聊天界面的文件卡片或 Google Docs 打开方式；对中国用户默认按“本地文件夹 + Word 文档”交付。
- 给用户的收尾话术必须包含保存目录，例如：`报告已保存到 <abs-path>/reports/，我已打开这个文件夹，你可以直接双击 Word 文档查看。`
- `.docx` 成功导出后的最终用户话术应包含：
  - `报告已经生成好了。`
  - `保存目录：<abs-path>/reports/`
  - `Word 报告文件：<abs-path>/reports/<报告名>.docx`
  - `我已经帮你打开了报告所在文件夹，你可以直接双击这个 Word 文档查看。`
  - `这份报告里面包括：` 后列出推荐方向、招聘信息结论、推荐岗位排序、暂不建议主攻的岗位、需要补的能力、学习计划、作品集建议、反诈和止损线、下一步行动。
  - `如果你想要 txt 版或 RTF 版，我也可以再导出。`
  - `💡 后面你执行计划时，如果进度比预期快、慢，或者投递反馈和我们预判的不一样，我会根据实际情况帮你调整计划，不会让你死磕一版固定路线。`

报告交付后不要停在"文件已生成"。必须自然进入陪跑模式，对用户说：

> "从现在起，你可以跟着我一起学。我会按这份计划一步一步带你做，不需要你自己判断下一步该学什么。我们先从第 1 周第 1 天开始：选定主工具，并跑通第一个最简单的 AI 问答/资料整理小工具。"

然后立即开始第 1 个训练任务，除非用户明确说暂停：
1. 说明今天只做 2-3 件事，降低焦虑。
2. 让用户在 `扣子/Coze` 和 `Dify` 中选一个主工具；若用户不确定，默认建议先选 `扣子/Coze`，因为新手更容易跑通智能体和工作流。
3. 给出当天完成标准：能打开工具、创建一个简单机器人/应用、输入一段文字并得到稳定格式输出。
4. 告诉用户完成后回来发截图/描述/报错，由 agent 继续带下一步。

报告结构建议：
1. 一页摘要：推荐方向、周期、目标薪资区间、首要作品。
2. 用户画像：起点档位、可迁移能力、约束条件。
3. 招聘信号：BOSS 搜索关键词、已看页数、已读 JD、薪资量级、岗位模式。
4. 推荐岗位簇：为什么选这个方向，哪些岗位作为锚点。
5. 差距分析：已有能力、要补能力、暂不硬冲能力。
6. 10 周学习与投递计划：阶段、里程碑、每周任务。
7. 作品集规格：每个作品的输入、流程、输出、演示材料。
8. 求职动作：关键词、投递节奏、面试准备。
9. 止损线与反诈红线。
10. 下一次复盘问题。

## 普通收尾
- 提示用户：按阶段执行，到里程碑或卡住时回来调整（skill-retro 待建，可先手动更新 retro_log）。
- 再次强调止损线和反诈红线：任何"交钱包就业/分期贷款学"的，立刻停。