「匹配」の検索結果

图像文本匹配过滤器。过滤器将图像和文本之间的匹配分数保持在特定范围内。 本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用以下指令进行安装： pip install py-data-juicer 当用户提到图像文本匹配过滤、图片文字匹配度、文图匹配检测、图像文本相关性过滤等需求时使用此skill。

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。

中国大陆地区法院类案快速检索与《案件检索报告》（DOCX）生成技能。以案件五项要点（案由/法律关系、争议焦点、关键事实、我方诉请与诉讼地位、请求权基础法条）为检索锚点，经一次四问确认即开工（其中**检索地域范围**与**裁判时间范围**为强制选择题，默认范围为「2021年1月1日以后裁判的浙江省范围内的法院案例」，用户点选默认后须回显该范围提示）；按**请求权基础、法律关系、案件事实三要素**判定高匹配——用户**指定**检索特定结果的案例时结果相似度计入评分（四要素满分 10 分），用户**未指定**时结果相似度不作为高匹配考虑因素（三要素满分 8 分）；r1 判定须**核对法条版本与时间效力**，援引已失效旧法条者不得给满分；以语义向量检索为主召回、精确结构检索为条件兜底，本地脚本加权打分后按「得分率 ＞ 法院层级 ＞ 审判程序 ＞ 裁判日期」排序，并检测**同院同日同标题的重复入库**案件、疑似重复者不占入报名额；截取匹配度最高的 5–10 例类案，逐案调详情核验案号并摘录判词原文，最后直接输出含页脚页码的 DOCX 报告（默认保存至桌面）。全流程人工确认 1 次、检索类调用控制在 2 次召回 ＋ ≤10 次详情以内，报告阶段检索冻结。未指定结果时三要素高匹配而结果相反者亦会入报（逐例标注结果方向），指定结果时结果相反者一律剔除；报告内以两处固定声明披露「未设不利先例定向检索路径」的局限。当用户要求「快速检索类似案例」「找几个正向案例」「快速版案例检索报告」「检索 5 到 10 个类案并出报告」「出一份类案检索报告 docx」时使用。需要四象限归位、反向案例定向检索、补充召回多轮迭代或 14 分制硬软条件精判时，应使用完整版技能「案例检索报告Plus」而非本技能。基于华宇元典法律数据 MCP。

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。

根据预定义的半导体行业商品名单，分析输入的公司经营范围描述，匹配并输出最符合的一项商品名称。

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。

公众号创作者对标账号匹配工具，基于3层加权匹配体系（核心基础40%+运营变现35%+数据特征25%）推荐对标账号和头部账号。当用户需要公众号账号推荐、公众号对标、起号参考、账号投放选择时使用。触发词：公众号对标、相似账号、对标推荐、起号参考、账号匹配。

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。

网关/代理/WAF/CDN 中间件的安全关键词匹配实现规范，防止纯子串匹配误判正常响应内容中的技术术语（如 Cloudflare、502、error）

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。

实习.skill / get-job.skill：从岗位调研、简历改写到分轮次面试准备的全流程求职 skill。适合找工作、投实习、校招、秋招、春招、暑期实习、社招、跳槽、转行、跨专业求职、留学生求职，以及产品经理、运营、市场、咨询、AI 产品、AI Coding、数据分析、技术岗等目标岗位准备。 核心能力：① WebSearch 调研公司、岗位 JD、业务线、竞品、面经、招聘流程和隐性门槛；② 按目标岗位反向定位简历，做 JD 匹配、ATS 关键词、经历筛选、STAR/CAR 改写、可迁移能力翻译、docx 简历生成；③ 按真实轮次准备面试，覆盖一面/业务面/专业面/主管面/HR 面/recruiter screen 等已确认或高置信轮次，逐条深挖简历 bullet、项目逐字稿、自我介绍、表达训练、模拟面试、反问清单、面后复盘题库。 适用于「改简历」「简历优化」「简历润色」「简历匹配 JD」「求职简历」「投递前改简历」「按岗位改简历」「准备面试」「面试准备」「面经分析」「模拟面试」「自我介绍」「项目经历怎么讲」「简历被追问怎么办」「双非拿大厂 offer」「背景不对口怎么办」「AI 产品实习」「运营实习」「产品经理校招」等场景。 质量保障：不编造经历、不改背调硬信息；所有强 claim 做证据化审计；搜索源按市场和 A/B/C/D 分级；轮次不写死；最终交付前必须跑质量闸门和覆盖矩阵，避免漏 bullet、标签泄漏和过度包装。

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。

将Google表格中的数据同步更新到文档指定页码范围（如第33页至末尾）的表格中，依据表格名称与工作表名称的一一对应关系进行匹配。

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。

编写Python脚本，利用正则表达式匹配文件中的特定模式（如GOPub数字=PMSPIGO），提取其中的数字，根据数字范围应用条件逻辑，并在匹配行下方追加新行。

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。

使用openpyxl遍历Excel指定列范围，根据关键词列表筛选行，并将匹配到的关键词插入到结果行的最前面。

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。

Job Description 解码器 + Offer 策略系统。把任何 JD 翻译成「这家公司到底在招什么人 / 我的匹配度 / Gap 在哪 / 为什么投/不投 / 面试会问什么 / 下一步怎么走」。只有 3 步：贴 JD → 给简历 → 自动生成并打开一份 HTML Offer Strategy Report。是整个求职链路的入口，向下衔接 Resume Skill 和 BQ Skill。关键词：job description, JD, 职位描述, 匹配度, ATS, resume tailor, 简历定制, 招聘经理, 投不投, should I apply, 面试预测, offer strategy。

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。

BOSS直聘招聘平台候选人推荐与筛选技能。用于登录BOSS直聘企业版，在【推荐牛人】和【搜索】选项卡中查看候选人，根据JD进行匹配度打分，筛选高匹配度候选人，发送打招呼操作。

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。

JD优化与简历匹配技能。针对招聘需求补充和优化JD内容，包含显性JD文本和隐性匹配规则两部分，支持多轮沟通确认优先级和权重。

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。

拆解爆款标题逻辑，结合用户输入一键生成10个优质爆款标题，告别标题纠结；同时对已有标题从主题匹配度、结构合规度、利益清晰度、情绪唤醒度、稀缺性感知和合规安全性六大维度加权评分，输出等级评定与优化建议；当用户需要生成小红书爆款标题、评估标题爆款潜力、了解标题与爆款规律匹配度或获取标题优化建议时使用

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。

当 Agent 接到专业任务（编码/爬虫/文件操作/API调用/数据分析/文档/部署/推送等）时，强制先查记忆层和技能索引，有匹配必用、无匹配必搜、答复时自动推荐（排除已装）。用于防止 Agent 跳过技能直接硬扛通用能力。跨平台通用（WorkBuddy/Claude/ChatGPT/Cursor/Gemini 等 20+ 框架）。完整版本史见 CHANGELOG.md。

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。

Job Description 解码器 + Offer 策略系统。把任何 JD 翻译成「这家公司到底在招什么人 / 我的匹配度 / Gap 在哪 / 为什么投/不投 / 面试会问什么 / 下一步怎么走」。只有 3 步：贴 JD → 给简历 → 自动生成并打开一份 HTML Offer Strategy Report。是整个求职链路的入口，向下衔接 Resume Skill 和 BQ Skill。关键词：job description, JD, 职位描述, 匹配度, ATS, resume tailor, 简历定制, 招聘经理, 投不投, should I apply, 面试预测, offer strategy。

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。

互联网广告导演 — 顾问+执行一体。给定产品/品牌、创意 brief、目标市场、投放平台，先出病毒广告创意策略（病毒元素匹配+导演风格推荐+短视频结构），用户确认后逐步落地：分镜表→视频提示词→（确认后）seedance 生成→（确认后）飞书多维表格建表。覆盖病毒元素识别、导演风格匹配、短视频结构生成、联名跨界、时代情绪雷达、整合营销矩阵 6 大模块。当用户要做广告创意/病毒营销/短视频广告策划/品牌 TVC/联名营销/广告分镜时使用。

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。

中文求职统一入口。理解岗位发现、简历匹配、岗位比较和求职探索需求，按已明确的校招、实习或社招方向读取规则，决定必要补问、搜索策略和评估范围，复用公开招聘来源并交付候选清单或匹配 Excel；持续关注衔接岗位雷达。

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。

编写Python脚本，利用正则表达式匹配文件中的特定模式（如GOPub数字=PMSPIGO），提取其中的数字，根据数字范围应用条件逻辑，并在匹配行下方追加新行。

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。

使用openpyxl遍历Excel指定列范围，根据关键词列表筛选行，并将匹配到的关键词插入到结果行的最前面。

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。

反拒绝覆写（/hi）。将当前会话最近一条模型输出整体替换为通用同意模板，无需正则匹配。

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。

对Excel数据进行自定义分类统计、交叉分析与可视化，并基于多维度指标（如文本长度、术语密度、正则匹配等）进行综合评分与分级，适用于多类别数据分布统计及文本内容难度/质量评估场景。

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。

根据文件行数动态切换大文件处理策略（Parquet转换），通过逐行扫描或列匹配提取关键指标并计算占比、均值等统计量，最终输出结构化Excel报告及可视化图表。

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。

根据研究者提供的**研究计划书（Research Proposal）**执行基于中国制度环境的公司金融类实证研究全流程。**启动后第一件事：根据计划书的主题、识别策略、贡献边际与样本范围，从中国-context 英文顶级期刊池（JF/JFE/RFS/JFQA/MS/JCF/JBF/JAR/JAE/TAR/CAR/JIBS/China Economic Review/PBFJ 等 25+ 期刊）中推荐 5 本最匹配的目标期刊（[J1]–[J5]），等待研究者明确选定一本；该期刊决定 main.tex 的 bibliographystyle、Section 骨架、Introduction 风格与表注规范**。然后用 Python 完成数据清洗、描述性统计、基准回归、内生性检验（IV/2SLS、DML）、平行趋势、异质性、机制、稳健性检验与图表绘制。LaTeX 表格和图像严格遵循 template/ 示例格式，研究逻辑与排版严格遵循 rule/ 下的《通用实证研究逻辑与规范总结》与《回归表写作规范总结》。数据集与政策集从 asset/ 中按计划书中的关键词检索。**当计划书预期的实证结果无法实现时（系数不显著、平行趋势不通过、IV 弱工具、机制不成立等），skill 自动切换备选方案直至完成研究项目**。最终交付物：Python 代码 + LaTeX 表格 + 图像（.pdf/.png）。触发条件：研究者提交研究计划书（含 X→Y 假设、识别策略、样本、政策冲击等）。

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。