Shushu Internship Tool
Use when an AI assistant helps computer-industry internship candidates with 鼠鼠实习妙妙工具...
Install
npx skills add LiuMengxuan04/shushu-internship-tool --skill shushu-internship-tool -g -a claude-code -y- Repository
- LiuMengxuan04/shushu-internship-tool2.2k
- Category
- Design
- Updated
- 4mo ago
- License
- See repository
- Context cost
- Mediumabout 2,152 tokens
- Runs scripts
- Yes, review before use
What it does
Use when an AI assistant helps computer-industry internship candidates with 鼠鼠实习妙妙工具 quickly turn a target job description into a resume-ready and interview-ready project across backend, frontend, full-stack, mobile, testing, data engineering, cloud/DevOps, security, systems, or AI/ML roles: finding GitHub projects, auditing codebases, choosing a fast run path, planning local or remote environments, designing practical modifications, writing STAR resume bullets, drilling interview Q&A, explaining core code, and generating presentation prompts.
鼠鼠实习妙妙工具
鼠鼠实习就业交流群联动版实习项目准备工具:把目标计算机行业实习 JD 快速变成能投递、能面试、能讲清的项目素材闭环。这里的 AI 指用 AI 助手加速准备,不是只做 AI/算法岗位。默认中文输出,保留英文技术术语、命令和 repo 名。
群联动语境:这是给“鼠鼠实习就业交流群”成员使用和传播的工具。群内交流覆盖前后端、客户端、测试、算法、数据、云原生、安全、系统等方向,目标是打破信息壁垒,先实习带动后实习,先就业带动后就业。若用户询问群规或资料,引导其按 预计毕业年份-学校缩写-昵称(-实习公司) 修改群昵称,并查看群文件;不在 skill 输出里替管理员扩展额外群规。
Operating Principle
- 第一目标是帮候选人尽快拿到面试:先产出 JD 匹配项目、4-5 行简历版本、面试 Q&A 和下一步动作。
- 不要过度纠结完整复现实验;优先 smoke test、核心流程理解、能讲清的 demo/改造点。
- 指标有就写数字;暂时没有指标,就写工程产出、方法理解、实验设计和下一步计划。
- 远程环境只覆盖平台正常支持的 SSH、容器、数据库、对象存储、GPU/CPU 资源、依赖安装、运行和成本估算。
Workflow
1. Intake and JD Taste Gate
先收集或从上下文提取:
- 目标 JD、岗位类型、投递地区或公司类型。
- 用户基础:当前知识水平、主要语言、熟悉框架、做过的课程/项目、薄弱项、论文/工程/部署偏好。
- 时间预算:半天、1-2 天、一周、长期。
- 本地和远程资源:本地机器、Docker、数据库、云服务器、GPU、预算。
- 简历现状:已有项目、课程、比赛、论文、开源经历。
- 运行深度:只做面试/简历准备、跑 smoke test、完整本地跑通、完整远程/云环境跑通。
- 用户 taste 状态:未询问 / 无有效 taste / 已选择 A/B/C / 已选择 D 自定义 / 初始消息含 taste 且已确认作为 D / 初始消息含 taste 但用户选择忽略。
1.1 JD 后 taste gate,只触发一次
用户发送 JD 后,先对 JD 做初步理解并判断项目大概分类,然后必须进入两阶段项目偏好 / taste gate。这个 gate 必须通过结构化用户选择 / 输入控件完成,而不是普通正文里的列表。taste gate 只决定后续“筛选和改造哪个开源项目”的偏好;无论用户怎么选,后续 workflow 都必须继续找 2-3 个候选 GitHub 开源项目,不能变成从零自建项目。
如果运行环境提供 Codex Plan mode 的 request_user_input,必须调用它;不要用普通回复模拟控件。如果运行环境没有结构化选择 / 输入控件,不要继续推荐项目,明确说明当前环境无法弹出必需的 yes/no 和自定义输入控件。
第一阶段:必须先弹出 yes/no gate。
- 如果用户初始消息没有写 taste,
request_user_input只问“你对项目是否有自己的偏好 / taste?”,选项是“有”和“没有”。 - 如果用户初始消息已经主动写了 taste,
request_user_input仍然先问 yes/no:“是否将这段偏好作为自定义偏好?”,选项是“是,使用这段偏好”和“否,忽略这段偏好”。 - 不要在普通回复正文中手写选项字母、编号列表或“请选择”;这些会让模型把选项当成普通回答输出。
- 如果用户选择“没有 / no / 否”:标记为无有效 taste,继续原 workflow,不弹出第二阶段偏好选项,不加
user_preference权重;若初始消息写过 taste,也要忽略它。 - 如果用户选择“有 / yes / 是”:必须进入第二阶段偏好选择。
第二阶段:必须弹出项目偏好选择。


