promotion-review

📈 专业晋升辅导与述职材料优化

🥥54总安装量 13评分人数 17
100% 的用户推荐

基于大厂评委视角,运用STAR-D框架诊断晋升材料缺陷,预测评审追问并提供答辩策略,助力技术职级跃迁。

A

基本安全,请在特定环境下使用

  • 来自社区或个人来源,建议先隔离验证
  • ✅ 纯文档型资产,无可执行代码,无eval/exec/system等危险函数
  • ✅ 无网络通信行为,不收集或外传用户数据
  • ⚠️ T3来源(GitHub个人开发者dongsjoa-byte),非官方组织维护
  • ⚠️ 用户输入的晋升材料可能包含真实姓名等敏感信息,需谨慎处理
  • ⚠️ 可选R2上传功能生成公开可访问链接,存在隐私泄露风险

使用说明

该技能专为技术职级晋升候选人设计,提供从材料诊断到答辩辅导的全流程支持。用户只需上传述职文档(支持PDF、Word或截图),技能即以评委视角深度分析材料中的致命问题(如个人与团队边界模糊、决策深度不足、角色定位不清)与中等风险(数据归因不清、叙事层级错位、时间线可信度),并运用STAR-D结构(背景-方案对比-决策-推动过程-结果)指导叙事升维,将"我做了什么"转化为"我做了什么别人做不了的判断"。

核心优势在于其系统化方法论:通过"数据加固三问法"(怎么测的、对比谁、是否你的功劳)确保关键指标可防追问,避免"效率提升20~30%"这类模糊表述;提供"1主2辅"答辩时间分配策略,建议8分钟内用3-4分钟深度讲解主贡献,解决候选人常犯的"面面俱到却都不深入"问题;更能基于目标职级(P7/P8/P9)校准评判标准,明确从超级执行者到技术决策者的能力跃迁差异。对于迭代版本,可对比新旧材料识别改进成效与遗留问题。

局限性方面,该技能源自T3级个人开发者社区,虽经安全认证但非官方组织背书;图片识别存在精度限制,超长截图或架构图小字可能识别错误,建议优先使用原始文档;且作为方法论指导工具,输出质量高度依赖用户输入材料的完整性,无法替代真实的评委反馈。此外,可选的HTML+R2上传功能会产生公开访问链接,存在敏感信息泄露风险,需谨慎使用。

适合互联网大厂P7-P9技术序列晋升候选人,尤其是需要突破"执行者"叙事、建立"决策者"视角的工程师。使用时应避免在R2上传包含真实姓名、内部项目细节等敏感信息,优先使用本地Markdown输出,并在可信环境中处理含隐私的职业材料。

promotion-review 内容

文件夹图标assets文件夹
手动下载zip · 10.2 kB
template-iterative.mdtext/markdown
请选择文件