「hr」の検索結果

IOC extraction, threat intelligence correlation, MITRE ATT&CK mapping, hunt hypothesis generation, and detection rule creation

日本語の概要は準備中です。原文の説明を表示しています。

Conduct proactive, hypothesis-driven threat hunts — search SIEM / EDR / logs for adversaries who haven't tripped an alert yet. ATT&CK-driven, hypothesis-based methodology. Use when the user mentions 'threat hunting,' 'proactive hunt,' 'TaHiTI,' 'PEAK framework,' 'MITRE ATT&CK hunt,' 'hypothesis-driven hunt,' 'hunt hypothesis,' 'living off the land,' 'LOLBins,' 'beaconing,' 'lateral movement detection,' 'data staging,' 'persistence hunting,' or wants to find threats that have evaded existing detections.

日本語の概要は準備中です。原文の説明を表示しています。

Run a structured threat-modeling session for a new feature, system, or architecture — STRIDE, attack trees, data flow diagrams, abuse cases. Use when the user mentions 'threat model,' 'threat modeling,' 'STRIDE,' 'attack tree,' 'abuse case,' 'data flow diagram,' 'DFD,' 'security architecture review,' 'security review,' 'design review,' 'pre-implementation security,' 'shift left,' 'what could go wrong,' or needs strategic security thinking before code is written.

日本語の概要は準備中です。原文の説明を表示しています。

Christian mystical wisdom through Aramaic lens - Kingdom within, Christ consciousness, feminine divine, embodiment navigation

日本語の概要は準備中です。原文の説明を表示しています。

Stop and consult this skill whenever your response would include specific facts about Anthropic's products. Covers: Claude Code (how to install, Node.js requirements, platform/OS support, MCP server integration, configuration), Claude API (function calling/tool use, batch processing, SDK usage, rate limits, pricing, models, streaming), and Claude.ai (Pro vs Team vs Enterprise plans, feature limits). Trigger this even for coding tasks that use the Anthropic SDK, content creation mentioning Claude capabilities or pricing, or LLM provider comparisons. Any time you would otherwise rely on memory for Anthropic product details, verify here instead — your training data may be outdated or wrong.

日本語の概要は準備中です。原文の説明を表示しています。

This skill should be used when the user wants to file their tax return electronically via the 確定申告書等作成コーナー (NTA Tax Return Preparation Corner) using Claude in Chrome, Antigravity Browser Sub-Agent, or Playwright CLI (fallback). It guides the browser-based input of calculated tax data. Trigger phrases include: "e-Tax提出", "電子申告", "e-Taxで申告", "作成コーナーに入力", "確定申告書等作成コーナー", "作成コーナー", "申告書を提出".

Create viral X (Twitter) posts including short tweets, threads, and replies. Use when user wants to write X content, create posts, or mentions "create tweet", "write thread", "x-create", "写推文", "创作推文". Supports 5 post styles with customizable templates, plus a mandatory humanize pass to reduce AI-sounding phrasing. First-time users go through onboarding to set up profile.

日本語の概要は準備中です。原文の説明を表示しています。

Assemble a report-ready walkthrough.md for a SOLVED engagement - populate the Evidence gallery from the poc/ images captured during the engagement, and draft the step-by-step reproduction from state/loot/log (Killchain.md for pentest/bugbounty, state.md's Chain/Status for ctf) without fabricating. Use when asked to "write the walkthrough", "assemble the walkthrough", "close out the box/engagement", or at close-out once an engagement is marked SOLVED.

日本語の概要は準備中です。原文の説明を表示しています。

Bring up a REAL, visible, interactive chromium on the Kali VM that the operator logs into (Smart-ID / Mobile-ID / any manual auth or MFA/CAPTCHA), while the agent drives and observes it live through the chrome-devtools MCP (navigate, DOM snapshot, network capture, screenshots, console, evaluate). Use whenever a target needs a MANUAL login the agent cannot complete headlessly, when you need to capture an authenticated session / the real API calls a page makes, or to confirm/screenshot a DOM-XSS. Triggers - "open a browser", "log in manually", "smart-id / mobile-id / national id login", "mfa / 2fa login", "solve the captcha", "drive the browser", "capture the authenticated session / network".

日本語の概要は準備中です。原文の説明を表示しています。

Conducts pre-DPIA threshold screening to determine whether a full Data Protection Impact Assessment is required under GDPR Article 35. Applies the EDPB WP248rev.01 nine-criteria test, national supervisory authority blacklists, and organisational risk appetite to produce a documented screening decision. Keywords: threshold screening, DPIA trigger, pre-DPIA, WP248, Article 35(1), blacklist, screening decision.

日本語の概要は準備中です。原文の説明を表示しています。

BambooHR integration. Manage hris data, records, and workflows. Use when the user wants to interact with BambooHR data.

日本語の概要は準備中です。原文の説明を表示しています。

Conduct structured threat modeling for software systems using established methodologies to identify, prioritize, and mitigate security threats before they are exploited. Use when the user requests threat modeling or provides relevant inputs for this workflow.

日本語の概要は準備中です。原文の説明を表示しています。

Think and work like an expert HVAC Engineer. Use when a task calls for HVAC Engineer judgment. Reasons from psychrometric state, parallel heating and cooling load paths, and vapor-compression thermodynamics through TRACE/HAP and EnergyPlus load models, ASHRAE 62.1/55/90.1 and Guideline 36 sequences, and TAB/commissioning per ASHRAE 15/34, while treating low ΔT syndrome, simultaneous reheat fight, coil-leaving condensation, and A2L refrigerant safety as first-class failure modes.

日本語の概要は準備中です。原文の説明を表示しています。

Think and work like an expert Chronobiologist. Use when a task calls for Chronobiologist judgment. Reasons from TTFL molecular clocks, SCN–peripheral coupling, and zeitgeber entrainment (PRC); analyzes actigraphy, DLMO, and PER2::LUC with ClockLab/LumiCycle, MetaCycle/eJTK/LimoRhyde, and CircaDB/CGDB/ChronobioticsDB while separating masking from endogenous τ under constant routine/FD.

日本語の概要は準備中です。原文の説明を表示しています。

Protein design quality control, filtering thresholds, and ranking guidance. Use this skill when: (1) Evaluating design quality for binding, expression, or structure, (2) Setting filtering thresholds for pLDDT, ipTM, PAE, (3) Checking sequence liabilities (cysteines, deamidation, polybasic clusters), (4) Creating multi-stage filtering pipelines, (5) Computing PyRosetta interface metrics (dG, SC, dSASA), (6) Checking biophysical properties (instability, GRAVY, pI), (7) Ranking designs with composite scoring. This skill provides research-backed thresholds from binder design competitions and published benchmarks.

日本語の概要は準備中です。原文の説明を表示しています。

Quality control metrics and filtering thresholds for protein design. Use this skill when: (1) Evaluating design quality for binding, expression, or structure, (2) Setting filtering thresholds for pLDDT, ipTM, PAE, (3) Checking sequence liabilities (cysteines, deamidation, polybasic clusters), (4) Creating multi-stage filtering pipelines, (5) Computing PyRosetta interface metrics (dG, SC, dSASA), (6) Checking biophysical properties (instability, GRAVY, pI), (7) Ranking designs with composite scoring. This skill provides research-backed thresholds from binder design competitions and published benchmarks.

日本語の概要は準備中です。原文の説明を表示しています。

A three-surface marketing system organized around alternating black, white, and PlayStation Blue chapters that scroll past the viewer like a console launch trailer. Each section has a single editorial purpose — hero photography, console product render, PS Plus tier callout, news strip — and each owns one of three full-bleed canvas modes. The chrome is unusually quiet for a gaming brand: bright PlayStation Blue (`#0070d1`) carries every primary CTA as a fully-rounded pill, the proprietary SST face renders display copy at a signature weight 300 (light) for an airy, premium feel, and a crisp 8px-radius secondary card system carries product info on either canvas mode. The system never decorates — no gradient backgrounds on chrome, no atmospheric mesh, no drop shadows beyond a faint section-divide. Imagery does all the heavy lifting: console glamour shots, game key art, and PS Plus tier illustrations occupy 60-90% of every section, with copy compressed into a small editorial slot.

日本語の概要は準備中です。原文の説明を表示しています。

You are an expert in @react-three/drei, the companion library for React Three Fiber that provides 100+ ready-made components and hooks for common 3D patterns. You help developers add orbit controls, environment maps, text rendering, HTML overlays, loaders, performance utilities, shaders, and abstractions — eliminating boilerplate and letting teams focus on creative work instead of Three.js plumbing.

日本語の概要は準備中です。原文の説明を表示しています。

Master the AI tools that transform hiring and HR operations. From sourcing candidates to onboarding, find and retain great talent faster. Use when "hiring, recruiting, HR, talent, performance management, hr, recruiting, hiring, talent, people" mentioned.

日本語の概要は準備中です。原文の説明を表示しています。

Expert in building 3D experiences for the web - Three.js, React Three Fiber, Spline, WebGL, and interactive 3D scenes. Covers product configurators, 3D portfolios, immersive websites, and bringing depth to web experiences. Use when "3D website, three.js, WebGL, react three fiber, 3D experience, spline, product configurator, " mentioned.

日本語の概要は準備中です。原文の説明を表示しています。

招聘与猎头 (招聘与猎头 (Recruiting & Executive Search) — 面向甲方招聘负责人/HR 与市场化猎头顾问「双侧视角」的『把一个模糊的用人需求，变成一个来得了、干得好、留得住的人』的判断体系；不是候选人一侧的求职与简历面经（那是 job-hunting-coach 的范围），也不是薪酬绩效/员工关系/组织发展的泛 HR 全模块，更不是劳动法条文解读。覆盖：(a) 第一性张力 —— 这行的核心世界观分歧：**需求诊断优先 ⇄ 快速供给优先**（用人经理提来的岗位需求几乎总是一张愿望清单，资深招聘先开 intake 会把『必须有』与『最好有』拆开、把画像逼成可证伪的成功标准；但按成单计酬的猎头把诊断时间压不进单价里，于是行业里同时存在『先诊断再搜寻』和『先扔简历再说』两种作业习惯）；**结构化面试 ⇄ 看人的直觉**（工业与组织心理学近一个世纪的效度元分析一致指向：结构化面试、工作样本、认知能力测验的预测效度明显高于非结构化面谈与经验年限，但一线用人经理绝大多数仍相信自己聊两句就能看准人——这是本行最大的知行落差，也是所有循证招聘流派的出发点；顺带一提，业内长期奉为圭臬的 Schmidt-Hunter 效度排序近年被重新校正，工作样本的效度被下调，这场修正本身就是本行必须如实呈现的争议）；**能力素质 ⇄ 文化匹配**（culture fit 既是最常被写在拒信里的理由，也是被批评得最凶的偏见外壳，Google 一派主张改口叫 culture add，看的是这个人补上了团队缺的东西，而不是像不像我们）；**主动寻访 sourcing ⇄ 被动投递漏斗**（高端与稀缺技能岗只有 outbound 人才地图一条路；量大岗位靠渠道效率、转化率与自动化，两条路的技能树几乎不重叠）；**人才地图是资产 ⇄ 人才地图是浪费**（保留制猎头把 mapping 当交付物的一部分，成功付费猎头认为地图做完单子已经黄了）；**保留制 retained ⇄ 成功付费 contingency**（按阶段预付、独家、深度地图 vs 多家赛马、入职才收钱、速度压倒深度；两种商业模式塑造出两种截然不同的作业节奏、候选人对待方式与职业道德边界，比如 off-limits 不挖回自己安置过的人）；**内部招聘团队 ⇄ 外部猎头与 RPO**（成本、速度、知识沉淀、雇主品牌归属谁的长期争论；embedded recruiter 是近年的折中）；**候选人体验 ⇄ 筛选效率**（漏斗越严体验越差，被拒者也是客户与口碑）；**AI 筛选的效率 ⇄ 合规与偏见**（简历解析、AI 面试评分、自动排序已在大规模使用，同时被监管盯上：纽约市 Local Law 144 要求自动化决策工具做偏见审计并公示、欧盟 AI 法案把招聘划为高风险场景、伊利诺伊州对 AI 视频面试单独立法；业内既离不开它，也在诉讼与审计里学做记录）；**offer 谈判的锚定 ⇄ 薪酬透明**（多地薪酬区间披露立法把谈判起点从『你现在多少』改成『这个岗位值多少』，问薪酬历史在不少法域已被禁止）；**counter-offer 该不该接**（猎头几乎一致反对，认为留下来的人多数一年内还是会走，但这条业内定论的证据基础本身也在被质疑）；**入职后早期流失算谁的**（保证期与退款条款把这场争论直接写进了合同）。(b) 工具栈 —— 申请人追踪系统 ATS（Greenhouse、Lever、Ashby、Workday Recruiting、SmartRecruiters、iCIMS、Taleo，中国侧 Moka、北森、大易、e成）、猎头 CRM 与交付系统（Bullhorn、Vincere、Loxo、Clockwork、Recruit CRM）、寻访与触达（LinkedIn Recruiter、SeekOut、hireEZ、Amazing Hiring、GitHub 与学术检索，中国侧 BOSS 直聘、猎聘、脉脉、拉勾、牛客）、评估与测评（HackerRank、CodeSignal、CoderPad、结构化面试题库与 scorecard 评分卡、Hogan、SHL、Predictive Index、Criteria、案例作业与工作样本）、面试调度与视频（GoodTime、Calendly、HireVue、Spark Hire）、背景调查与合规（HireRight、Checkr、Sterling，中国侧 i背调、八方锦程，以及个人信息保护法与 GDPR 下的授权链、FCRA 的不利行动通知）、数据与漏斗分析（time to fill 与 time to hire 的口径差异、offer 接受率、通过率与转化漏斗、quality of hire 的度量困境、招聘成本 cost per hire 的口径战争）、以及最被低估的纸笔工具（intake 提纲、成功标准清单、scorecard、人才地图表格、Boolean 检索式、一页纸的岗位价值主张）—— 选型的真正分岔从来不是功能清单，而是『你的岗位是靠触达赢还是靠转化赢』。(c) 心智模型层 —— 招聘是一次双向销售而不是一场考试；岗位画像要写成结果（这个人半年内要做成什么）而不是资历清单；信号与噪音（公司名与学历是弱信号，工作样本与具体行为证据是强信号）；结构化与评分卡的意义在于让判断可比而不是显得严谨；漏斗每一层都在丢人，所以要从入职倒推触达量；稀缺人才不看招聘广告，只在熟人与私域里流动；offer 是谈判也是承诺，谈崩与反悔的代价高度不对称；招聘的质量要到入职之后才结算。(d) 工作流 —— intake 需求诊断会、岗位画像与成功标准、渠道策略与人才地图 mapping、Boolean 与主动触达、简历筛选与电话初筛、结构化面试与 debrief 定校准、工作样本与技术评估、reference check 与背调、offer 设计与谈判、counter-offer 应对、入职前 no-show 防范与 pre-boarding、试用期与早期留存复盘、招聘漏斗与数据复盘、以及岗位关闭或撤销时的收尾。(e) 表达 DNA、质量基准（什么算一次好的招聘）、反模式（外行与新手最容易犯的错：照抄 JD、面试问脑筋急转弯、用薪酬历史锚定、把候选人当库存、背调走过场、offer 口头承诺）、智识谱系（工业与组织心理学的效度学派、循证与结构化招聘派、保留制高管寻访派、增长型 sourcing 与招聘运营派、雇主品牌与候选人体验派、中国互联网大厂的人才盘点与赛马派）。) Master OS — automated mastery of 招聘与猎头 (Recruiting & Executive Search) — 面向甲方招聘负责人/HR 与市场化猎头顾问「双侧视角」的『把一个模糊的用人需求，变成一个来得了、干得好、留得住的人』的判断体系；不是候选人一侧的求职与简历面经（那是 job-hunting-coach 的范围），也不是薪酬绩效/员工关系/组织发展的泛 HR 全模块，更不是劳动法条文解读。覆盖：(a) 第一性张力 —— 这行的核心世界观分歧：**需求诊断优先 ⇄ 快速供给优先**（用人经理提来的岗位需求几乎总是一张愿望清单，资深招聘先开 intake 会把『必须有』与『最好有』拆开、把画像逼成可证伪的成功标准；但按成单计酬的猎头把诊断时间压不进单价里，于是行业里同时存在『先诊断再搜寻』和『先扔简历再说』两种作业习惯）；**结构化面试 ⇄ 看人的直觉**（工业与组织心理学近一个世纪的效度元分析一致指向：结构化面试、工作样本、认知能力测验的预测效度明显高于非结构化面谈与经验年限，但一线用人经理绝大多数仍相信自己聊两句就能看准人——这是本行最大的知行落差，也是所有循证招聘流派的出发点；顺带一提，业内长期奉为圭臬的 Schmidt-Hunter 效度排序近年被重新校正，工作样本的效度被下调，这场修正本身就是本行必须如实呈现的争议）；**能力素质 ⇄ 文化匹配**（culture fit 既是最常被写在拒信里的理由，也是被批评得最凶的偏见外壳，Google 一派主张改口叫 culture add，看的是这个人补上了团队缺的东西，而不是像不像我们）；**主动寻访 sourcing ⇄ 被动投递漏斗**（高端与稀缺技能岗只有 outbound 人才地图一条路；量大岗位靠渠道效率、转化率与自动化，两条路的技能树几乎不重叠）；**人才地图是资产 ⇄ 人才地图是浪费**（保留制猎头把 mapping 当交付物的一部分，成功付费猎头认为地图做完单子已经黄了）；**保留制 retained ⇄ 成功付费 contingency**（按阶段预付、独家、深度地图 vs 多家赛马、入职才收钱、速度压倒深度；两种商业模式塑造出两种截然不同的作业节奏、候选人对待方式与职业道德边界，比如 off-limits 不挖回自己安置过的人）；**内部招聘团队 ⇄ 外部猎头与 RPO**（成本、速度、知识沉淀、雇主品牌归属谁的长期争论；embedded recruiter 是近年的折中）；**候选人体验 ⇄ 筛选效率**（漏斗越严体验越差，被拒者也是客户与口碑）；**AI 筛选的效率 ⇄ 合规与偏见**（简历解析、AI 面试评分、自动排序已在大规模使用，同时被监管盯上：纽约市 Local Law 144 要求自动化决策工具做偏见审计并公示、欧盟 AI 法案把招聘划为高风险场景、伊利诺伊州对 AI 视频面试单独立法；业内既离不开它，也在诉讼与审计里学做记录）；**offer 谈判的锚定 ⇄ 薪酬透明**（多地

日本語の概要は準備中です。原文の説明を表示しています。

临床诊断思维 (临床诊断思维 / 临床推理 (Clinical Diagnostic Reasoning) — 医生『怎么想病』的元学科:从症状/体征/检查到诊断结论的认知操作系统,从业者(临床医生/住院医/规培生,尤其全科/急诊/大内科等以未分化主诉为生的科室)、医学生与医学教育者、诊断安全与质量改进研究者、以及做医疗 AI 辅助诊断产品的人的视角。覆盖: (a) 第一性张力 — **直觉模式识别 (System 1: illness scripts 疾病脚本 / pattern recognition / gestalt, 『资深人一眼认出 aunt Minnie』) ⇄ 分析性推理 (System 2: hypothetico-deductive 假设演绎 / Bayesian 概率更新)** 的 dual-process 双过程理论 (Kahneman→Croskerry/Norman 谱系), 资深≠更会分析而是『脚本库更大+校准更好』; 更深层论战 — **『认知去偏可教 (Croskerry: bias awareness / cognitive forcing strategies / diagnostic timeout) ⇄ 偏倚标签是马后炮、知识结构才是主因 (Norman/Sherbino/Monteiro: debiasing 干预 transfer 证据弱, bias 是 hindsight 标签)』** — 本行最核心学术对垒; 『概率思维 (验前概率 × 似然比 → 验后概率, Pauker-Kassirer test/treatment threshold 阈值模型) ⇄ 穷尽式排查 (rule-out everything / 防御性医疗 / VOMIT)』; 『临床 gestalt ⇄ 结构化临床决策规则 (Wells/PERC/HEART)』; 『诊断简约 Occam's razor ⇄ Hickam's dictum (病人可以同时得 N 个病)』; 『床旁体格检查复兴 (Verghese Stanford 25 / McGee 循证体检) ⇄ 影像检验替代床旁』; (b) 方法论正典 — illness script theory (Schmidt/Boshuizen: enabling conditions/fault/consequences 三段结构), problem representation + semantic qualifiers 问题表征与语义限定词 (Bowen NEJM 2006, 把病人翻成 one-liner), hypothetico-deductive model (Elstein 1978《Medical Problem Solving》: 早期假设生成+定向检验), Bayesian 工具箱 (sensitivity/specificity/LR/Fagan nomogram/SnNout-SpPin), threshold model (Pauker-Kassirer NEJM 1975/1980), 认知偏倚分类学 (anchoring/premature closure/availability/confirmation/base-rate neglect/search satisficing/diagnostic momentum — Croskerry 偏倚清单), 去偏与元认知策略 (diagnostic timeout/cognitive forcing/Ely checklist/calibration), schema-based reasoning (Clinical Problem Solvers schemas: 按 pivot 症状走分支), reflective practice 结构化反思 (Mamede/Schmidt), 诊断错误科学 (NAM 2015 报告定义 / Newman-Toker Big Three / Hardeep Singh e-triggers / SAFER Dx 框架); (c) 行业结构与角色 — 医学生→实习/住院医 (晨会 morning report/查房被 pimping/汇报训练)→主治 attending→master clinician (NEJM CPC discussant/晨会大师如 Dhaliwal); 配套生态: 医学教育者 (clinical reasoning curriculum + 评估: script concordance test/key features exam/OSCE), 诊断安全研究者 (SIDM/AHRQ), 诊断辅助与 CDS 工具开发者 (DDx generator/AI); (d) 核心工作流 — 数据采集 (病史为王 + 循证体检 + 针对性检验影像) → 问题表征 (one-liner + semantic qualifiers) → 鉴别诊断生成 (schema / 解剖定位法 / VINDICATE-M 病因筛, 按『常见可能 × 致命不能漏 can't-miss』双轴排序) → 假设定向检验 (按 LR 选检查 / 阈值决策) → working diagnosis + 安全网 (red flags 交代 / test of time / test of treatment) → 反馈校准 (follow-up / M&M / diagnostic timeout); 教学工作流: 晨会渐进披露汇报 / CPC / SNAPPS / one-minute preceptor / virtual morning report; AI 增强工作流 (2023-2026: LLM 鉴别诊断头脑风暴 / OpenEvidence 检索 / ambient scribe 释放认知带宽 + 自动化偏倚 guardrails); (e) 产出物 — one-liner, problem list, prioritized DDx, assessment & plan (按问题分层), 晨会/CPC 汇报, M&M 复盘, 诊断不确定性沟通 (『最可能是 X, 但出现 Y 红旗立刻回来』); (f) 教育与评估 — script concordance test / key feature exam / EPA / 里程碑; 中国语境: 人卫《诊断学》教材 / 执业医师考试 / 规培结业临床思维考核; (g) 争议/批判 — debiasing 之争 (Croskerry vs Norman-Sherbino『knowledge is the cure』, 去偏 RCT 效果弱 / bias 标签不可证伪), 诊断错误率数字之争 (『10-15%』经典估计 / Newman-Toker 79.5 万美国年严重伤害外推方法被质疑 / 尸检符合率), dual-process 二分被批过度简化 (连续谱 / 难以实证分离), 决策规则 vs gestalt (资深 gestalt 常不输 Wells 类规则 / 算法厌恶), vignette 研究外推性 + context/case specificity (推理高度内容绑定不可通用迁移 [Norman/Eva] — 对『教推理通用课』产业的根本批判), AI 辅助诊断 2023-2026 (GPT-4 在 NEJM CPC/vignette 追平或超医生 [Kanjee 2023 JAMA / Goh 2024 JAMA Netw Open『AI alone > physician+AI』悖论] / Google AMIE / OpenEvidence 爆发 vs 自动化偏倚 / 去技能化 / 真实环境验证缺失), 防御性医疗与过度检查 (incidentaloma 瀑布 / VOMIT), 体检衰亡之争, pimping 教学法争议; (h) 流派/思想谱系 — 决策科学/Bayesian 派 (Ledley-Lusted 1959 → Elstein/Kassirer/Sox/Pauker/Eddy → Brush) vs 认知心理/双过程派 (Kahneman-Tversky → Croskerry/Graber) vs 教育认知派 (Schmidt/Boshuizen illness scripts → Norman/Eva/Mamede/Durning 情境认知) vs 诊断安全/系统派 (NAM 2015 / Newman-Toker / Hardeep Singh / Graber-SIDM: 错误=系统×认知共因) vs 床旁临床派 (Osler 传统 → Tierney aphorisms / Verghese / McGee / Dhaliwal / Saint: 病史体检为王 + 刻意练习) vs AI/计算派 (INTERNIST-1/DXplain 专家系统 → Isabel → LLM 世代 Rodman/Topol)。不含: 具体专科治疗方案与手术决策深度 (足踝外科/种植牙等另有 skill), 中医辨证 (另有 skill), EBM 文献批判性评价方法学 (相关但本 skill 聚焦诊断推理本身), 护理诊断体系 (NANDA), 影像/病理知觉型读片训练 (相邻但独立), 精神科 DSM 结构化访谈细节, 医患沟通技巧全集 (只覆盖诊断不确定性沟通), 患者自查/自我诊断指

日本語の概要は準備中です。原文の説明を表示しています。

谈判与议价 (谈判与议价 (Negotiation & Bargaining) — 面向要亲自坐上谈判桌的从业者（销售、采购、创业者、法务与商务、HR、投融资、以及为自己谈薪谈房谈合同的个人）的『把一次利益分歧，谈成一个双方都愿意签、签完还愿意执行的结果』的判断体系；不是某一个行业的成交话术合集，也不是博弈论课程，更不是把心理学包装成读心术的培训话术。覆盖：(a) 第一性张力 —— 这行最深的世界观分歧：**创造价值 ⇄ 攫取价值**（同一场谈判里，把饼做大和把饼切走用的是相反的动作：做大要交换信息、暴露优先级，切走要隐藏底线、制造稀缺；哈佛原则式谈判一派主张先做大再切，实战议价派认为在多数一次性交易里做大只是让步的遮羞布，这条张力叫谈判者困境，是整个学科的中心问题）；**原则式谈判 ⇄ 战术共情**（Getting to Yes 主张对事不对人、按客观标准而非意志力定输赢；Chris Voss 从人质谈判带出的路线针锋相对，书名 Never Split the Difference 直接反对折中，主张先用标签与校准问题把对方的情绪与安全感处理掉再谈条件，并公开批评双赢框架让谈判者被真正强硬的对手吃掉；两派对同一个动作——比如要不要说出你的底线——给出相反指令）；**关系先行 ⇄ 条款先行**（中文语境里做生意常常先建立关系、找中间人引荐、酒桌上定调、合同只是关系的书面确认，人情与面子既是润滑剂也是隐性负债；跨国与合规语境里条款先行、把一切写进合同，两种作业习惯在同一张桌上相遇时的误读，是中外商务谈判失败最常见的原因之一；学术上关系到底是效率替代品还是寻租温床，证据本身就是对立的，且反腐与合规收紧之后酒桌路径的风险显著上升）；**先出价 ⇄ 后出价**（实验研究普遍支持先出价能形成锚定优势，但在信息高度不对称的真实交易里，先出价可能暴露自己远低于对方预期，实务派与研究派对这条给出的条件不同）；**BATNA 是地基 ⇄ BATNA 被高估**（最佳替代方案是原则式谈判的支点，没有替代方案就没有说不的能力；反对者指出过度盯着替代方案会把谈判做成线性比价，且强替代方案在长期关系里会损害对方的信任）；**情绪是噪音 ⇄ 情绪是议题**（早期理性决策路线要求把人和问题分开，后来的研究把情绪重新请回桌上：愤怒有时确实能提取让步，代价是长期关系与对方的报复动机，实验证据两个方向都有）；**谈判是技能 ⇄ 谈判是性格**（培训产业的立身之本是可训练，而研究显示某些结果差异与性别、地位与社会代价强相关：女性主动发起薪酬谈判在部分情境会被惩罚，这不是话术能解决的结构问题，近年多地薪酬区间披露立法正在改变这条起点）；**诚实边界在哪**（虚构竞标者、夸大授权上限、拖延签约制造紧迫，这些在培训里被当技巧、在法律上可能构成欺诈性陈述，法域不同边界不同）。(b) 工具栈 —— 这一行最重要的工具是纸笔：议题清单与优先级打分表、替代方案与保留价的估算表、可交换筹码矩阵、同时抛出的多个等值报价、让步阶梯与理由库、授权与升级路径表、复盘表；软件侧则是合同全生命周期管理与条款库（Ironclad、DocuSign、Juro、LinkSquares，中国侧法大大、e签宝）、采购电子寻源与反向拍卖（SAP Ariba、Coupa、Keelvar，以及已在大企业跑通的自动化议价机器人 Pactum）、销售侧的折扣审批矩阵与 deal desk、薪酬与职级数据（Levels.fyi、Mercer、Radford 以及各地薪酬透明披露）、可比交易与市场价数据、调解与仲裁机构（CIETAC、SIAC、香港 HKIAC）、以及正在快速变化的大模型陪练与合同审查；选型的真正分岔从来不是功能表，而是『这场谈判赢在信息、赢在替代方案，还是赢在流程设计』。(c) 心智模型层 —— 结果在坐上桌之前就决定了大半；谈的是利益不是立场；议价区间是估计出来的不是给定的；让步是信息不是善意；说不出口的常常是面子与安全感而不是价格；代表别人谈判的人激励与授权跟本人不同；一次性交易与长期关系的最优打法不同而多数人搞错了自己在玩哪一种。(d) 工作流 —— 立项与利益相关方梳理、准备与对手画像、替代方案与保留价、议题打分与打包设计、开场与锚定、探询与试探性提议、让步管理、僵局与第三方介入、收口与防止反悔加码、合同化与争议解决条款、复盘与关系维护，以及薪资谈判、采购年度框架议价、并购价格与条款、多方与联盟、跨文化与远程邮件谈判这些特化路径。(e) 表达 DNA、质量基准（什么算一次好的谈判：不是拿到最低价，而是可执行、可复盘、不透支关系）、反模式（外行最容易犯的错：不准备就上桌、把立场当利益、单方面让步买好感、把折中当公平、拿假竞标者施压、口头承诺不落纸、赢了条款输了执行）、智识谱系（哈佛谈判项目与原则式谈判、行为决策与实验社会心理学派、危机谈判与战术共情派、谈判分析与博弈论派、销售采购的实战议价培训派、争议解决与调解派、跨文化谈判派、中文语境的关系与人情派）。) Master OS — automated mastery of 谈判与议价 (Negotiation & Bargaining) — 面向要亲自坐上谈判桌的从业者（销售、采购、创业者、法务与商务、HR、投融资、以及为自己谈薪谈房谈合同的个人）的『把一次利益分歧，谈成一个双方都愿意签、签完还愿意执行的结果』的判断体系；不是某一个行业的成交话术合集，也不是博弈论课程，更不是把心理学包装成读心术的培训话术。覆盖：(a) 第一性张力 —— 这行最深的世界观分歧：**创造价值 ⇄ 攫取价值**（同一场谈判里，把饼做大和把饼切走用的是相反的动作：做大要交换信息、暴露优先级，切走要隐藏底线、制造稀缺；哈佛原则式谈判一派主张先做大再切，实战议价派认为在多数一次性交易里做大只是让步的遮羞布，这条张力叫谈判者困境，是整个学科的中心问题）；**原则式谈判 ⇄ 战术共情**（Getting to Yes 主张对事不对人、按客观标准而非意志力定输赢；Chris Voss 从人质谈判带出的路线针锋相对，书名 Never Split the Difference 直接反对折中，主张先用标签与校准问题把对方的情绪与安全感处理掉再谈条件，并公开批评双赢框架让谈判者被真正强硬的对手吃掉；两派对同一个动作——比如要不要说出你的底线——给出相反指令）；**关系先行 ⇄ 条款先行**（中文语境里做生意常常先建立关系、找中间人引荐、酒桌上定调、合同只是关系的书面确认，人情与面子既是润滑剂也是隐性负债；跨国与合规语境里条款先行、把一切写进合同，两种作业习惯在同一张桌上相遇时的误读，是中外商务谈判失败最常见的原因之一；学术上关系到底是效率替代品还是寻租温床，证据本身就是对立的，且反腐与合规收紧之后酒桌路径的风险显著上升）；**先出价 ⇄ 后出价**（实验研究普遍支持先出价能形成锚定优势，但在信息高度不对称的真实交易里，先出价可能暴露自己远低于对方预期，实务派与研究派对这条给出的条件不同）；**BATNA 是地基 ⇄ BATNA 被高估**（最佳替代方案是原则式谈判的支点，没有替代方案就没有说不的能力；反对者指出过度盯着替代方案会把谈判做成线性比价，且强替代方案在长期关系里会损害对方的信任）；**情绪是噪音 ⇄ 情绪是议题**（早期理性决策路线要求把人和问题分开，后来的研究把情绪重新请回桌上：愤怒有时确实能提取让步，代价是长期关系与对方的报复动机，实验证据两个方向都有）；**谈判是技能 ⇄ 谈判是性格**（培训产业的立身之本是可训练，而研究显示某些结果差异与性别、地位与社会代价强相关：女性主动发起薪酬谈判在部分情境会被惩罚，这不是话术能解决的结构问题，近年多地薪酬区间披露立法正在改变这条起点）；**诚实边界在哪**（虚构竞标者、夸大授权上限、拖延签约制造紧迫，这些在培训里被当技巧、在法律上可能构成欺诈性陈述，法域不同边界不同）。(b) 工具栈 —— 这一行最重要的工具是纸笔：议题清单与优先级打分表、替代方案与保留价的估算表、可交换筹码矩阵、同时抛出的多个等值报价、让步阶梯与理由库、授权与升级路径表、复盘表；软件侧则是合同全生命周期管理与条款库（Ironclad、DocuSign、Juro、LinkSquares，中国侧法大大、e签宝）、采购电子寻源与反向拍卖（SAP Ariba、Coupa、Keelvar，以及已在大企业跑通的自动化议价机器人 Pactum）、销售侧的折扣审批矩阵与 deal desk、薪酬与职级数据（Levels.fyi、Mercer、Radford 以及各地薪酬透明披露）、可比交易与市场价数据、调解与仲裁机构（CIETAC、SIAC、香港 HKIAC）、以及正在快速变化的大模型陪练与合同审查；选型的真正分岔从来不是功能表，而是『这场谈判赢在信息、赢在替代方案，还是赢在流程设计』。(c) 心智模型层 —— 结果在坐上桌之前就决定了大半；谈的是利益不是立场；议价区间是估计出来的不是给定的；让步是信息不是善意；说不出口的常常是面子与安全感而不是价格；代表别人谈判的人激励与授权跟本人不同；一次性交易与长期关系的最优打法不同而多数人搞错了自己在玩哪一种。(d) 工作流 —— 立项与利益相关方梳理、准备与对手画像、替代方案与保留价、议题打分与打包设计、开场与锚定、探询与试探性提议、让步管理、僵局与第三方介入、收口与防止反悔加码、合同化与争议解决条款、复盘与关系维护，以及薪资谈判、采购年度框架议价、并购价格与条款、多方与联盟、跨文化与远程邮件谈判这些特化路径。(e) 表达 DNA、质量基准（什么算一次

日本語の概要は準備中です。原文の説明を表示しています。

Hreflang and international SEO audit, validation, and generation. Detects common mistakes, validates language/region codes, and generates correct hreflang implementations. Use when user says "hreflang", "i18n SEO", "international SEO", "multi-language", "multi-region", or "language tags".

日本語の概要は準備中です。原文の説明を表示しています。