Yan Liu
图片mono-color-skill
Mono-color Editorial Print 🎨 这是一个将 编辑设计语言 × 印刷质感 × 克制配色 封装起来的视觉 Skill。 它不是简单地“把一张图片变成单色”，而是先理解你的主题、图片、文字与想表达的情绪，再根据内容重新构建整张画面的视觉系统。 核心视觉语言包括： 一至两种油墨色 + 中性纸张底色 + 大量留白 + 强对比 Typography + Halftone / Risograph / Screen Print 质感 + 有意识的不完美。 它不会机械复制某一张参考图的构图、文字或风格，而是提取背后的设计规则，再根据每一次输入重新组合： Color → Composition → Typography → Image Treatment → Print Texture 因此，同一个 Skill 可以生成完全不同的作品，但依然保持稳定、可识别的视觉语言。 适合用于： 海报 / 社交媒体封面 / 活动视觉 / Editorial Graphics / 品牌内容 / 专辑封面 / Zine / 摄影再创作 我觉得它最有意思的地方，也是我做 Design Skill 的初衷： 不是让 AI 记住一张参考图，而是让 AI 学会一套审美规则。 把 Taste → Design Language → Skill。 Example Triggers - “用 mono-color 做一张关于夏天散步的海报。” - “把这张咖啡照片变成蓝色网点编辑封面。” - “做一个绿色植物主题的孔版印刷 poster。” - “沿用之前那套单色、留白、复古印刷的视觉。” - “Make this portrait into a one-ink editorial zine cover.” - “用蓝橙双色叠印做一张城市骑行活动视觉。” - “把这个产品做成重复物件构图的双色孔版印刷封面。” - “用绿色照片和黑色正文做一页观察日志。”
研究Offer Toolkit
一个来自硅谷大厂 10 年经验的求职系统，将真实的招聘洞察与求职方法论封装成 AI。 Offer Toolkit｜AI 求职助手 从「发现心动岗位」到「拿下 Offer」，将整个求职流程拆解为三个智能模块： ① JD 解码器（JD Decoder） 深度分析职位描述，生成专属 Offer Strategy Report： 是否值得投递 岗位匹配度评估 核心竞争力与能力缺口 面试重点与高概率问题预测 ② 简历构建器（Resume Builder） 将你的经历从「工作描述」转化为「招聘方认可的影响力故事」： 自动结构化个人经历 优化项目表达与成果量化 生成 ATS 友好、高质量简历 支持 11+ 套打印级专业模板 ③ 行为面试故事库（Behavioral Story Library） 挖掘你的真实经历，打造可复用的面试故事资产： 提炼关键项目与成长经历 自动转化为 STAR Framework 建立个人 Behavioral Interview Story Bank 高效应对 “Tell me about a time...” 类问题 无论你是在纠结「这个岗位该不该投」、想「优化简历」、需要「分析 JD」，还是准备下一场 Behavioral Interview，Offer Toolkit 都会自动识别需求，并路由到最适合的 AI 模块。 关键词： 求职｜Offer｜Career｜Job Hunt｜JD｜Job Description｜简历｜Resume｜CV｜Behavioral Interview｜STAR｜Tell me about a time｜Interview Preparation ------------------------------------- job-description-skill：贴一份 JD 和你的简历，给你一份 HTML 报告，告诉你：这岗位到底该不该投、你和它多匹配、差在哪里、面试大概会问什么、薪资合不合理、接下来 6 周该做什么。 resume-skill：帮你把现有简历改好看，或者从 LinkedIn 导入，再或者聊着聊着帮你从零写一份。给你 11 套打印级模板（Classic-ATS、Ledger、Tech Compact、Modern Sidebar、Pillar、Elegant Serif、Atelier、Timeline、Swiss、Executive、Color-block）。每次同时给你两份文件：一份直接可以打印成 PDF，一份在浏览器里点字就能改。 bq-skill：不是给你现成答案，而是帮你把过去真实做过的事情挖出来、整理成一个可以反复用的故事库。它会一步步追问你的经历，帮你用 STAR/CAR 理清思路，打上“拿主意”“択历就难”这类标签，中英文各存一份，下次碰上不同行为面试题也能用同一个故事。还能对着一份 JD，预测这家公司会问的 20 道题，帮你逐题准备。 三条共用规则： 1. 不杜撰。 所有经历、职责、数字都来自用户真实说过的内容。可以帮改弱表达，但绝不编公司、职位、成果、量化数字。数字都要向用户求证。 2. 一次只问一个问题。 挖故事、建简历、准备 BQ 都是对话，不是问卷。 3. 先结构化再产出。 先落到标准数据模型，确认无误再渲染 HTML 或生成答案。