Yan Liu
圖片Mono-color 編輯印刷
Mono-color Editorial Print 🎨 這是一個將編輯設計語言 × 印刷質感 × 克制配色封裝起來的視覺 Skill。 它不是簡單地「把一張圖片變成單色」，而是先理解你的主題、圖片、文字與想表達的情緒，再根據內容重新建構整張畫面的視覺系統。 核心視覺語言包括： 一至兩種油墨色 + 中性色紙張底色 + 大量留白 + 強對比 Typography + Halftone / Risograph / Screen Print 質感 + 有意識的不完美。 它不會機械式複製某一張參考圖的構圖、文字或風格，而是提取背後的設計規則，再根據每次輸入重新組合： Color → Composition → Typography → Image Treatment → Print Texture 因此，同一個 Skill 可以生成完全不同的作品，但依然保持穩定、可辨識的視覺語言。 適合用於： 海報 / 社群媒體封面 / 活動視覺 / Editorial Graphics / 品牌內容 / 專輯封面 / Zine / 攝影再創作 我覺得它最有意思的地方，也是我製作 Design Skill 的初衷： 不是讓 AI 記住一張參考圖，而是讓 AI 學會一套審美規則。 把 Taste → Design Language → Skill。 Example Triggers -「用 mono-color 做一張關於夏日散步的海報。」 -「把這張咖啡照片變成藍色網點編輯封面。」 -「做一個綠色植物主題的孔版印刷 poster。」 -「沿用之前那套單色、留白、復古印刷的視覺。」 -「Make this portrait into a one-ink editorial zine cover.」 -「用藍橙雙色疊印做一張城市騎行活動視覺。」 -「把這個產品做成重複物件構圖的雙色孔版印刷封面。」 -「用綠色照片和黑色正文做一頁觀察日誌。」
研究Offer Toolkit
一個來自矽谷大廠 10 年經驗的求職系統，將真實的招聘洞察與求職方法論封裝成 AI。 Offer Toolkit｜AI 求職助手 從「發現心動職位」到「拿下 Offer」，將整個求職流程拆解為三個智能模組： ① JD 解碼器（JD Decoder） 深度分析職位描述，生成專屬 Offer Strategy Report： 是否值得投遞 職位匹配度評估 核心競爭力與能力缺口 面試重點與高機率問題預測 ② 履歷構建器（Resume Builder） 將你的經歷從「工作描述」轉化為「招聘方認可的影響力故事」： 自動結構化個人經歷 優化項目表達與成果量化 生成 ATS 友好、高品質履歷 支援 11+ 套列印級專業模板 ③ 行為面試故事庫（Behavioral Story Library） 挖掘你的真實經歷，打造可重複使用的面試故事資產： 提煉關鍵項目與成長經歷 自動轉化為 STAR Framework 建立個人 Behavioral Interview Story Bank 高效應對「Tell me about a time...」類問題 無論你是在糾結「這個職位該不該投」、想「優化履歷」、需要「分析 JD」，還是準備下一場 Behavioral Interview，Offer Toolkit 都會自動識別需求，並路由到最適合的 AI 模組。 關鍵詞： 求職｜Offer｜Career｜Job Hunt｜JD｜Job Description｜履歷｜Resume｜CV｜Behavioral Interview｜STAR｜Tell me about a time｜Interview Preparation ------------------------------------- job-description-skill：貼一份 JD 和你的履歷，給你一份 HTML 報告，告訴你：這職位到底該不該投、你和他多匹配、差在哪裡、面試大概會問什麼、薪資合不合理、接下來 6 週該做什麼。 resume-skill：幫你把現有履歷改好看，或者從 LinkedIn 匯入，再或者聊著聊著幫你從零寫一份。給你 11 套列印級模板（Classic-ATS、Ledger、Tech Compact、Modern Sidebar、Pillar、Elegant Serif、Atelier、Timeline、Swiss、Executive、Color-block）。每次同時給你兩份檔案：一份直接可以列印成 PDF，一份在瀏覽器裡點字就能改。 bq-skill：不是給你現成答案，而是幫你把過去真實做過的事情挖出來、整理成一個可以反覆使用的故事庫。它會一步步追問你的經歷，幫你用 STAR/CAR 理清思路，打上「拿主意」「擇歷就難」這類標籤，中英文各存一份，下次碰上不同行為面試題也能用同一個故事。還能對這一張 JD，預測這家公司會問的 20 道題，幫你逐題準備。 三條共用規則： 1. 不杜撰。 所有經歷、職責、數字都來自使用者真實說過的內容。可以幫改弱表達，但絕不編公司、職位、成果、量化數字。數字都要向使用者求證。 2. 一次只問一個問題。 挖故事、建履歷、準備 BQ 都是對話，不是問卷。 3. 先結構化再產出。 先落到標準資料模型，確認無誤再渲染 HTML 或生成答案。