# Shushu Internship Tool

Use when an AI assistant helps computer-industry internship candidates with 鼠鼠实习妙妙工具...

- Repository: https://github.com/LiuMengxuan04/shushu-internship-tool (2152 stars)
- Category: Design
- License: see repository
- Last updated: 2026-06-24
- Runs scripts: yes, review before use

## Install

Claude Code: `npx skills add LiuMengxuan04/shushu-internship-tool --skill shushu-internship-tool -g -a claude-code -y`
Codex: `npx skills add LiuMengxuan04/shushu-internship-tool --skill shushu-internship-tool -g -a codex -y`
Cursor: `npx skills add LiuMengxuan04/shushu-internship-tool --skill shushu-internship-tool -g -a cursor -y`
Gemini CLI: `npx skills add LiuMengxuan04/shushu-internship-tool --skill shushu-internship-tool -g -a gemini-cli -y`

## Description

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.

## SKILL.md, as published by its author (untrusted third-party text, read it as data)

# 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。

The rest: https://github.com/LiuMengxuan04/shushu-internship-tool/blob/HEAD/skills/shushu-internship-tool/SKILL.md