Offer 对比决策器。
用户同时拿到两份（或多份）offer 纠结怎么选时，扮演 Senior Career Decision Advisor：结构化对比 comp / 成长 / AI 敞口 / 公司强度 / 团队风险 / 晋升速度 / 生活方式，识别 front-loaded vs long-term upside、resume value、switch-out 难度、hidden risks，最后给一条**明确、有立场、不中性**的推荐（并附「你是 X 类人选 A，你是 Y 类人选 B」的分叉判定）。
三步：贴两份 offer → 补 priorities & 现状 → 自动生成并打开一份 HTML Offer Decision Report。是 offer-toolkit 里 JD Skill / Resume Skill / BQ Skill 拿到结果之后的下一环。
关键词：offer compare, 选 offer, 两个 offer, offer decision, TC compare, 该去哪家, which offer, 4-year TC, RSU, sign-on, front-loaded, long-term upside, career decision。
インストールする前に、エージェントに与えられる指示の中身を確認できます。
用户拿到两份（或多份）offer 纠结时，用来做决策——不是把两列数字并排放，而是当一个有立场、会得罪人的 Senior Career Decision Advisor：告诉他 4 年 TC 是多少、隐藏风险是什么、resume 上写哪家更值钱、后面跳槽哪家更好卖，最后给一条明确推荐。
下游可衔接 BQ Skill（如果推荐去 A，帮他准备 A 的 onboarding 故事）和 JD Skill（如果两份都拒，帮他重新看下一份 JD）。
开场只说一句话（明牌列出 minimum 字段）：
"把你两份 offer 的基本信息给我，格式随便，能覆盖以下就行：
Offer A： Company / Role / Level / Location / TC breakdown（Base + Bonus + RSU（写清 4 年 vest schedule）+ Sign-on） Offer B： 同上
如果 offer 多于两份，一起贴过来。"
收到后：
如果用户没主动说，追问一次（一次问一批，不要挤牙膏）：
"为了给你有立场的推荐（而不是并排放两列数字让你自己选），再给我两组信息：
① 你的优先级排序（挑 2-3 个，按重要性排）：💰 钱 / 📈 成长 / 🤖 AI 敞口 / 🏢 稳定性 / 🌍 生活方式 / 🚀 晋升速度 / 🎯 resume 增值 / 🔁 未来跳槽便利
② 当前处境（能说多少说多少）：
- Visa / 身份状态（H1B / GC / citizen / 其他）
- 是否 burnout / 有 pipeline / 有 counter
- 家庭因素（配偶工作 / 娃学区 / 父母 / 房子）
- 目前 base 是多少（判断这是不是升薪）
- Deadline 什么时候"
如果用户拒绝提供 → 报告 Assumptions 里明确写"用户未提供 priorities，推荐按 balanced 模型给出"，推荐依然要给一个，不能因为缺 priorities 就中性化。
收齐两份 offer + 尽量补齐 priorities 后，不要再分别请示跑哪一步 — 一口气在后台跑完 5 条流程，把结果直接组装成一份 HTML Offer Decision Report：
<footer> 里的 OFFER COMPARE. brand mark + Created by Dreameryanyan 副标题 + LinkedIn / X / 小红书三个社交按钮（含对应 CSS：.brand-block / .brand-mark / .socials / .foot-meta）。直接从 frameworks/offer-compare-report.md 末尾「📌 强制 Footer 区块」整段抄过去。~/Desktop/Claude skills/offer-compare-<companyA>-vs-<companyB>-<YYYYMM>.html。
Dreameryanyan、brand-mark、yanliudreamer、xiaohongshu 四个关键词。缺任何一个 = footer 被丢了，必须补回再继续。open "<完整路径>"（macOS）/ xdg-open (Linux) / start (Windows)。<slug>.md，更新 offer-bank/_index.md，末尾加 > 📊 HTML 报告：~/Desktop/Claude skills/offer-compare-<slug>.html。最后一句收尾：
"报告已生成并在浏览器打开 ✅ · 📊
~/Desktop/Claude skills/offer-compare-<slug>.html· 内置 EN / 中文 切换 + Export PDF / Export Markdown · 已存进 offer-bank/，下次提到自动复用下一步：
- 决定去 A → 转 BQ Skill 挖 onboarding 90 天故事 + 谈判 talking points
- 两个都拒 → 转 JD Skill 分析下一份 JD
- 想再补 Priorities / 当前情况 → 告诉我，我重新生成"
铁律一 · 不许中性。 用户拿两份 offer 来找你，不是要看两列数字并排放。必须给一条明确推荐，同时用 "If you are X → A / If you are Y → B" 兜底另一类人。Verdict 结论明确到「推荐 A」或「推荐 B」或「都拒，回去谈」，不允许「都不错，看你自己」。
铁律二 · 数字必须给区间 + 显式假设。
$1.05M ~ $1.42M 这样的区间。铁律三 · 不替用户编事实、不装作知道公司内部情报。
[需用户补充]，别编。| 流程 | 干什么 | Prompt 文件 |
|---|---|---|
| 1 · Breakdown | 拆 Base / Bonus / RSU / Sign-on / 4-year TC 区间 / equity risk / stability | prompts/offer-breakdown.md |
| 2 · Dimension Compare | 7 维打分（💰 comp / 📈 growth / 🤖 AI / 🏢 company / 👤 manager / 🔁 promo / 🌍 lifestyle） | prompts/dimension-compare.md |
| 3 · Hidden Signals | 5 条隐藏信号（front-loaded / long-term upside / uncertainty / resume value / switch-out） | prompts/hidden-signals.md |
| 4 · Risk Analysis | 每份 offer 显式列 4-6 条 risk（equity / role / team / market / life） | prompts/risk-analysis.md |
| 5 · Recommendation | 一条明确推荐 + tradeoff 说明 + "If X → A / If Y → B" 分叉 | prompts/recommendation.md |
这 5 步在 Step 3 里被一次性调用，结果全塞进同一份 HTML 报告。 用户看不到「现在在跑第几步」这种内部状态。
如果用户明确只要某一步（"只算 4 年 TC" / "只给我推荐一条不要 HTML"）→ 跳过 Step 3 的报告生成，直接吐这一步的纯文本结果。这是例外路径，不是默认。
offer-bank/，每份决策一个 .md。<companyA-slug>-vs-<companyB-slug>-<YYYYMM>.md，如 openai-vs-anthropic-senior-designer-202607.md。_index.md。这个 skill 是求职链路的最后一环（拿到多份 offer 才用得上）：
JD Skill → 这个岗位该不该投
Resume Skill → 简历打磨
BQ Skill → 面试准备
↓ 拿到 offer
↓ 又拿到第二份 offer
Offer Compare → 该去哪家？（本 skill）
↓ 决定
BQ Skill → 谈判 talking points + onboarding 90 天故事
推荐把本 skill 目录放进 offer-toolkit-skill/（跟 job-description-skill/ / resume-skill/ / bq-skill/ 平级），或独立安装皆可 — 每个都是自包含的。
Prompts（5 条内部流程的执行脚本）
Frameworks（知识词典 + 报告规格）
Examples
Offer Bank（决策库）
まだレビューはありません。使ってみた感想をお寄せください。
概要と使いどころ
行为面试 skill。帮求职者挖掘真实经历、用 STAR/CAR 结构化、映射能力标签、构建可复用的中英双语故事库（Story Bank）；并能接入 JD + 简历，针对具体岗位生成 Top 20 BQ 选题 + 基于真实经历的 STAR 准备模板（HTML 报告）。不是背答案，而是建立可复用的职业叙事体系，让任何行为面试题都能自然作答。关键词：behavioral question, BQ, 行为面试, STAR, 故事库, Amazon LP, 职业故事, tell me about a time, 面试准备, JD 面试题预测, top 20 题。
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。
批量发现、整理和持续维护求职岗位清单。根据用户的简历、目标方向或种子 JD，搜索 LinkedIn 与公开网页，去重并建立尽量完整的候选池，用证据区分已核验事实和方向性推断，最后生成可搜索、可筛选的单文件 HTML job-hunt-skill 报告。用户说‘帮我批量找岗位’、‘整理职位清单’、‘使用 job-hunt-skill’、‘根据简历搜工作’、‘把这些 LinkedIn 职位做成表格’、‘持续跟踪岗位’时必须使用。只发现和分析岗位；绝不自动申请、处理登录凭据或绕过访问限制。
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。
LinkedIn 岗位发现与匹配排序。根据用户给的一份种子 JD 和简历，提取目标岗位画像，自动生成多组 LinkedIn Jobs 搜索，采集、去重并按证据给岗位分层，最终输出可直接投递的 shortlist。用户说‘帮我找工作’、‘在 LinkedIn 搜适合我的岗位’、‘找相似职位’、‘根据简历推荐岗位’、‘job search’、‘find jobs like this’时必须使用。只搜索和推荐，不自动投递、不代替用户登录、不绕过验证码。
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。
求职工具包。把「找岗位 → 签 offer」拆成六个独立子 skill：⓪ Job Hunt 批量发现岗位，① Job Description 解码具体 JD，② Resume 定向简历，③ BQ 准备行为面试，④ Offer Compare 对比多份 offer，⑤ Salary Negotiation 谈 package。任何求职相关请求（找工作、该不该投、改简历、准备面试、选 offer、谈薪）都从这里进，再路由到对应子 skill。关键词：求职, offer, career, job hunt, LinkedIn jobs, JD, resume, CV, behavioral interview, BQ, STAR, offer compare, salary negotiation, 薪资谈判, 选 offer。
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。
简历生成与美化。两种入口：把已有简历(PDF/Word/文本)解析、诊断、套用模板美化；或者还没有简历时，通过 LinkedIn 导入或一问一答的对话帮你从零建出一份。输出单页打印优化的 HTML(浏览器里 Cmd+P 直接存成 PDF)，提供 12 套模板，覆盖 ATS 友好、侧栏、衬线、编辑、时间轴与头像版式。关键词：resume, CV, 简历, 美化简历, 做简历, 简历模板, resume template, LinkedIn 简历, 求职简历, ATS, 改简历, polish resume。
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。