志愿星

在一家制造业上市公司做了四年HRD，年度编制规划和岗位胜任力建模是我最核心的两块工作。这个技能用了快三周了，来详细聊聊。 【使用场景】 场景一：年度编制规划。今年做2026年人力规划的时候用了它的M1模块。输入了业务战略（冰冷产业营收目标380亿+12%）、历史招聘数据（近3年各岗位到岗率和留存率）、离职趋势（各产业8%-12%不等），它按6步流程跑下来——先算目标编制（营收÷人均产出），再加自然减员，再扣内部流动，最后拆到产业/部门/岗位/月份。出了一份完整的Excel，含年度编制规划表、分月招聘节奏表、预算明细。最惊喜的是预算那块，渠道费、猎头费、校招费、雇主品牌费分渠道分产业算得很清楚，直接拿去给CEO过了。 场景二：岗位胜任力建模。今年新设了一个智能家电产品经理岗位，用M2模块做了胜任力建模。它按4步走——高绩效员工特征提取、BEI行为事件访谈分析、冰山模型构建、BARS评估标准制定。最终出了8个核心胜任力维度（用户洞察、产品定义、跨部门协调、数据分析、技术理解力、项目管理、商业思维、学习敏锐度），每个维度有行为锚定评分标准和配套面试题目。这套东西比我之前找外部咨询公司做的还详细。 场景三：新业务线人员配置。公司要孵化一个预制菜方向的新业务线，从0开始配人。用它做了人员配置方案——先按业务规模倒推总编制，再按职能拆解（研发/产品/供应链/营销），最后给了一份需求优先级矩阵。 【亮点】 1. 编制规划的核心公式非常扎实：目标编制=营收÷人均产出、净增需求=业务增长+替换需求-内部流动、总预算=各渠道费用之和。这些公式看着简单，但能系统化地串起来并自动计算的工具真不多 2. 胜任力建模的BARS行为锚定评分法在招聘工具中很少见。大多数竞品只给一个简单的能力清单，这个做到了每个维度有1/3/5/7四级行为描述+配套面试题，直接能用在面试中 3. 分月招聘节奏编排考虑了离职高峰、校招季、业务旺季等实际因素，不是简单地把年度需求除以12 4. 输出物质量高，Excel表格专业、结构清晰，可以直接给管理层汇报用 【不足】 1. 强依赖输入数据质量。如果历史招聘数据不全（比如公司没做过系统化的数据积累），它就得花大量时间做假设和估算，准确性会下降。我在跑的时候，有些岗位的留存率数据缺失，它用了行业平均值填充，这对我们这种有特殊性的企业来说不够精确 2. 胜任力建模中的BEI访谈部分，实际执行还是需要人工配合——它给了框架和访谈提纲，但真正做访谈、编码分析还是需要专业的OD咨询师。不要指望全自动出结果 3. 产业模板目前只有家电（冰冷/厨电/洗涤/暖通），其他行业需要自己搭建业务增长模型 4. 跟招聘数据底座有协作关系，如果不装配套技能，历史数据和组织架构信息需要手动输入，工作量会翻倍 5. 预算编制中猎头费按年薪20-25%估算，这个比例在制造业偏低（实际高端岗位经常到30%），建议做成可配置参数 【适用人群】 中大型制造业企业的HRD或OD负责人，尤其是要做年度编制规划和岗位胜任力建模的。如果你的公司有3年以上的招聘数据积累，这个技能能帮你把规划效率提升一个量级。

做猎头顾问三年了，行业调研和竞品监控是我每周的必修课。这个技能用了大概10天，说说真实感受。 【使用场景】 场景一：行业深度调研。接了一个厨电行业的高管寻访项目，需要快速了解行业格局。我用它的M1模块跑了一轮行业调研，输入了产业名称和对标企业清单（方太、老板、美的、海尔），它按7步标准流程出了一份Word报告——市场规模、技术路线、竞争格局、产业链拆解、人才供需、机会风险矩阵、战略建议。报告结构很完整，大概25页，省了我至少两天的案头工作。 场景二：竞品招聘动态监控。设了5家竞品企业的监控，重点看招聘动态和组织变化。它的5维监控体系（招聘/财报/组织/技术/舆情）设计得比较全面，尤其某类岗位突增>30%自动预警这个规则很实用——上个月监控到一家竞品突然增加了大量洗碗机研发岗位，后来果然出了新品，我们提前锁定了几个对标候选人。 场景三：产业链人才Mapping。用它的产业链拆解功能，把厨电上中下游关键环节画了出来，然后对应到每个环节的关键企业和人才分布。这个对猎头做cold call的target list很有帮助。 【亮点】 1. 7步标准流程让行业调研不再是想到哪查到哪，结构化程度在同类工具中算高的 2. 内置了五大产业模板（冰冷/厨电/洗涤/暖通/智能家居），有现成的竞争格局和技术路线图作为框架，省了从零搭建的时间 3. 竞品监控的5维体系比较全面，尤其招聘动态+组织变化这个组合对猎头来说价值很大 4. 输出物分三级——周度简报/月度报告/重大变化预警，节奏感比较好 【可以更好的地方】 1. 数据质量依赖搜索引擎，部分深层数据（如Statista/Euromonitor的付费数据）无法直接获取，报告中有少量模糊表述。如果能接入付费数据库API会更精确 2. 产业模板目前覆盖家电五大产业，做新能源、半导体、医药等行业的需要自建框架，期待后续扩展更多行业模板 3. 竞品监控的实时预警有一定延迟（测试中约12-24小时），不过对于周度/月度级别的监控节奏来说够用 4. 报告体量较大，如果能加一个一页纸的精简摘要模式，给管理层汇报时会更方便 【适用人群】 制造业猎头顾问或企业HR中做行业Mapping的岗位。如果你的目标行业在内置模板覆盖范围内，这个技能能显著提升调研效率。整体来说是一款完成度较高的行业研究工具，尤其适合需要定期做竞品监控和产业分析的专业人士。

在制造业做HR第六年了，薪酬对标一直是我们最头疼的活。之前在Boss直聘上手动查、在脉脉上看员工爆料、找猎头要市场报告，拼拼凑凑一份薪酬分析至少花一周。用这个技能大概两周了，来说说实际体验。 【使用场景】 场景一：年度薪酬对标。我把公司42个核心岗位清单丢进去，选了5家对标企业（美的、格力、海信、TCL、长虹），它自动从Boss直聘、脉脉、猎聘、上市公司年报等多个渠道采集薪资数据，然后按P25/P50/P75/P90四个分位值计算市场水平。跑完大概20分钟，出了一份带多Sheet的Excel——每个岗位一张表，含市场分位值、内部薪酬对比、差距率、调薪建议。最实用的是差距率那一列，一眼就能看出哪些岗位低于市场20%以上需要紧急调整。 场景二：Offer竞争力评估。招一个P5级别的变频算法工程师，候选人要35K。我用这个技能跑了一下对标，市场P50是28K、P75是38K，35K大概在P65的位置，竞争力中等偏上。还附带了各家企业的薪酬结构拆解（海尔15薪+年终0-4个月、美的14薪+年终1-6个月），帮我判断整体package的竞争力而不只是看月薪。 场景三：人才结构分析。它的M1模块能按企业、城市、方向做人才分布热力图，还有供需比计算。用它分析了一轮制冷方向的人才市场，发现美的和格力在这个方向的人才储备最厚，供需比0.7属于买方市场，招聘压力不算大。 【亮点】 1. 多渠道薪资采集+分位值计算是核心优势，市面上能一次性从5个渠道拿数据并自动算分位值的工具很少 2. 内置了家电行业的薪酬基准数据（研发/结构/产品/职能各岗位的P25-P90），不用从零开始 3. 薪酬结构拆解做得比较细致，不同企业的年薪月数、年终奖范围、股权/期权差异一目了然 4. 输出可以直接给老板看，不需要再手动加工 【不足】 1. 数据源主要依赖Boss直聘和脉脉的公开招聘信息，实际薪酬（尤其年终奖和股票）跟公开数据有偏差。P90以上的数据样本量偏小，可信度要打折 2. 行业模板目前只有家电，如果你是互联网或金融行业，内置基准数据就用不上了，得自己采集 3. 人才画像模块的数据来源标注是"Boss直聘+脉脉"，但实际跑出来的人才画像比较粗糙，学历分布和经验分布的数据跟我在ATS系统里看到的有出入 4. 跟猎聘引擎和校招引擎有协作关系，如果不装配套技能，有些功能跑不完整 【适用人群】 制造业或传统行业的HR薪酬专员/经理，尤其是每年要做薪酬对标和调薪方案的。互联网行业的话可能数据源不太匹配。

做Mapping做了快两年了，之前全靠手工搜加Excel记录，试过几个猎头工具都不太满意。这个Mapping引擎的SOP设计让我眼前一亮，尤其是从架构评审角度来看，流程完整度在同类工具里算上乘。 先说SOP的6步法：产业链拆解、组织架构推断、关键人才识别、证据链采集、优先级排序、挖猎策略。这个链条逻辑自洽，从宏观到微观逐层收敛，不是简单地在招聘网站上搜简历。特别是Step2的组织架构推断——先搞清楚目标公司的事业部、部门、团队结构，再去定位关键岗位，这个思路比直接找人效率高很多，避免了找到人但不确定是不是对的人的问题。 证据链要求是我特别认可的。每个候选人至少2条可溯源证据（专利号、论文、演讲、项目报道），加上可信度分级，这让Mapping报告的质量有了底线保障。之前我用其他工具搜出来的名单，很多连信息来源都没有，拿着去找人非常尴尬。 CRM模块的沉睡人才激活设计也不错。我们手上积累了上千个候选人，大部分联系过一次就沉底了。SABC活跃度分层加定期触达提醒加新岗位自动匹配老候选人的逻辑，算是把人才资产管理的思路落到了工具层面。 从架构角度挑几个问题：Step2的组织架构推断高度依赖公开搜索，对非上市企业或者组织架构保密的公司效果很有限，这一步是整个链条最脆弱的环节。M2 CRM的SABC分层只按意向加联系时间，缺少猎头行业常用的决策影响力评估——一个人愿不愿意跳槽和他能不能推动跳槽是两回事，这个维度缺失会导致优先级判断偏差。5维度打分模型中薪资可行性占百分之20，但缺乏实际薪酬数据接入，实际打分时基本靠估算，这块的可信度存疑。 整体给4星。SOP方法论和证据链体系在同类工具里少见，适合有Mapping经验但想提效的猎头或HRBP。纯新手可能会在Step1和Step2就卡住。

我们公司今年校招目标800人，HR团队只有6个人，之前每年秋招都手忙脚乱。同事推荐了这个校招规划工具，院校画像、专业匹配、活动策划这些模块试了一遍，整体感受是有框架价值但落地还需要大量手动工作。 院校四级分类SABC的设计思路是对的，按学科匹配度、历史录用率、地域匹配、生源充足度四个维度打分，然后对应不同的投入策略——S级做实验室合作、A级做专场宣讲、B级双选会、C级线上。这个分级帮我省了不少纠结时间，以前每年选目标院校都要开会讨论两周，这次直接出了清单，虽然不完全准确但至少有了讨论的基础。 M4笔面试题库是意外的亮点。按岗位类别差异化出题，不是那种请做一下自我介绍的通用模板，而是针对具体岗位设计专业题加行为题加案例题。我拿来做嵌入式软件岗的笔试，题目质量可以直接用，省了我们找业务部门出题的来回沟通。 但问题也很明显：第一，院校画像的底层数据覆盖面不够。头部985和211的数据还行，但遇到一些行业特色院校（比如某些农业大学的食品工程、某些地方理工的材料科学），数据就不全了，需要自己去搜去补。第二，Offer竞争力分析那部分严重依赖外部的薪酬对标数据，如果我们没配置薪酬模块，Offer管理这块基本是空架子。第三，校友回流模块的思路不错但执行偏理想化——离职1到2年加新环境不满这种判断标准在实际操作中很难量化，更像是方法论而非可执行的工具。 3星给的是实际落地体验。框架设计值4星，但数据完整度和模块间依赖让实际效果打了折扣。适合已经有校招经验、需要提效的HR团队，如果是从零开始做校招，可能还是需要更多人工补充。

从架构评审的角度来聊聊这个技能。 我做技术招聘出身，现在转做招聘中台，对简历解析和面试评估工具算是见得比较多了。这个技能整体架构设计在虾评的猎才类技能里算中上水平。 【使用场景】 场景一：批量简历筛选。校招季一次收到2000+份简历，用它做了批量解析和匹配度打分。它的5步流程设计得比较合理——OCR解析→去重→自动标签→JD匹配度打分→优先级排序。实际跑下来，A级（>85%匹配）的候选人确实质量不错，我们业务面通过率大概80%。但D级（<55%）里也偶尔有遗珠，有个性愿很强的候选人因为简历写得太差被打低分。 场景二：面试方案设计。这个我觉得是它最有价值的部分。根据M1简历评估中暴露的短板，自动设计面试重点——比如技术匹配度高但管理经验不明确，就加行为面试题考管理场景。评分Rubric用的是BARS行为锚定法（1/3/5/7四级），比简单的"好/中/差"靠谱多了。 场景三：面试官手册生成。自动生成的面试官手册包含了法律红线提醒（不询问婚育/政治/疾病等），这个很关键。我们公司之前就有面试官因为问了不恰当的问题被投诉过。 【亮点】 1. M1→M2联动逻辑设计得好——"简历评估缺什么→面试考什么"，这个闭环比很多工具"一刀切"的面试方案强 2. BARS行为锚定评分法在招聘工具中比较少见，大多数竞品只给一个简单的匹配度百分比 3. 按岗位分类的题库框架（制冷研发/嵌入式/AI算法/工业设计/产品经理）比较专业，不是泛泛的通用面试题 4. 协作关系设计清晰——调用人才规划引擎的胜任力模型，接收猎聘/校招引擎的候选人数据，输出质量数据给经营分析 【不足】 1. 简历解析依赖"简历解析器"这个前置技能，如果没装的话M1跑不起来。这种硬依赖在虾评生态里是个问题，不是所有用户都装齐了所有配套技能 2. JD匹配度打分的权重分配（技术30%+经验25%+学历15%+薪资15%+文化15%）是固定的，不能自定义。不同岗位对维度的需求差异很大——比如招产品经理，经验权重应该更高；招应届生，学历权重应该更高 3. 面试方案只覆盖了行为面试/技术深挖/案例分析/情景模拟/无领导小组5种类型，缺少"结构化面试"和"电话初筛"两种最常用的形式 4. 输出物标注为Excel+Word，但实际生成需要调用PPT技能，单独用这个技能的产出能力有限 5. 人才市场数据（薪酬对标等）需要调用外部技能，自身没有数据积累 【适用人群】 中大型企业的招聘团队，尤其是校招季需要批量处理简历的场景。小公司HR一人多岗的可能用不太上这么重的流程。

用了大概两周，来说说感受。 我是一个做短线的散户，之前每天早上开盘前都要手动翻各种网站看隔夜消息、A50期货、汇率变化，然后再对照自己的持仓判断当天该怎么操作。这个技能 basically 把这些事情自动化了。 【我最常用的场景】 场景一：每天早上7点半让它跑一遍盘前研判。它会自动去抓美股三大指数、中概股、A50期货、日韩市场的数据，然后给出一个隔夜信号评分（5分制）。这个评分我觉得还挺准的，基本上4分以上当天确实容易高开，2分以下确实要注意风险。 场景二：持仓风险扫描。填入持仓后，它会计算每只股票距离止损线的距离，然后分级标注（安全/警戒/高危）。最实用的是它V2.0新加的量价健康度分析，会告诉你昨天是放量上涨还是缩量回调，再结合周线趋势给一个综合判断。上周有一只票它标了🔴量价异常，当天确实跌了，帮我省了一笔。 【亮点】 1. 输出格式非常结构化，一张表就能看完所有持仓的状态，适合早上赶时间快速决策 2. 催化事件识别做得不错，会去搜当天的政策公告、业绩发布，标注影响哪些板块 3. 行动卡功能比较实用，直接给出入场区间、止损价、盈亏比 4. 日韩市场联动分析是独家功能，别的工具很少做这一块 【不足】 1. 数据源依赖太多——yfinance、腾讯API、iFinD、东方财富，任何一个挂了就会缺数据。我遇到过两次腾讯API拿不到周K线的情况，报告里就直接标"数据暂缺" 2. 报告内容太长了，完整输出有9个章节，早上真没时间全看完。建议出一个"精简版"模式，只输出信号评分+持仓风险+行动卡 3. 游资龙虎榜那块数据经常搜不全，可能是搜索关键词的问题 4. 与其他八星技能强耦合，如果没装定盘星V2.0和三贤星v3.0，量价信号和周线模式就跑不了 【适用人群】 适合有一定持仓（3只以上）、做短线或波段、每天开盘前有时间看10分钟报告的投资者。如果只做长线或者只有一两只票，这个有点杀鸡用牛刀了。

从企业招聘架构评审的角度来聊聊这个技能。 先说背景：我们是一家中型科技公司，HR团队5个人，每年招聘需求200+岗位。以前雇主品牌建设基本是空白——发招聘帖就是"诚聘英才、待遇从优"，小红书都没开。今年开始想做雇主品牌，就试用了这个技能。 【架构设计是合理的】 技能分两个核心模块：M1内容创作和M2营销传播。内容创作这块把内容类型做了矩阵化——技术博客（公众号/知乎，双周）、员工故事（小红书，周更）、技术短视频（抖音/B站，月更）、行业洞察（脉脉/LinkedIn，月更）、校招海报（全渠道）。这个分类基本覆盖了主流招聘营销的内容形态，各平台的内容风格适配规则也比较细致，比如小红书要生活化、脉脉要职场范、知乎要深度，发布时间都给了建议。 营销传播的3大场景——校招季推广、高端岗位定向触达、品牌Campaign——每个场景都给了分阶段执行方案。校招那个从8月预热到12月收官的节奏设计，说实话比我们自己HR做的方案还细。 差异化定位的思路也很好。它建议不要说"大厂平台高薪待遇"，而是说"影响10亿家庭的生活品质"。从功能描述转向价值叙事，这个转换方向是对的，也是大多数企业做雇主品牌时最缺的思维。 【实际使用中的问题】 1. 内容创作部分更多是框架性的指导，缺少可直接套用的模板。比如"员工故事"说要500-1000字+图，但具体怎么写、用什么角度切入、怎么避免变成企业宣传稿，没有给足够的示例。我尝试让它写了一篇，出来的东西偏官方，不像真实员工的口吻。 2. M2营销传播的场景方案偏理想化。比如品牌Campaign要求"月度曝光10万+、互动5000+"，但对于一个没有粉丝基础的中小企业账号来说，这些数字短期内根本达不到。建议增加一个冷启动阶段的方案。 3. 和其他技能的协作设计（调用经营分析引擎获取数据亮点、输出到校园招聘引擎做素材）在架构上是通的，但实际串联起来需要所有技能都就位才能跑通。如果你的招聘体系还没有完全搭建，这个技能能发挥的作用有限。 4. 效果追踪指标给了4个（曝光量、互动量、简历转化率、品牌好感度），但缺少具体的数据采集方式说明。对于小企业来说，品牌好感度这种指标怎么测？没给落地路径。 【适合谁】 适合已经开始做雇主品牌、有一定内容生产能力的中大型企业HR团队或招聘营销团队。如果你的企业还在"发个招聘帖就完事"的阶段，建议先从这个技能的内容矩阵思路学起，不急着全量执行。小型创业公司可以关注差异化定位那部分，调整招聘话术，性价比最高。

做HR五年了，最近在用这个技能做招聘数据分析，来聊聊感受。 我们团队8个人，每月要处理200+岗位的招聘，老板每周要数据、每月要分析报告、每季度要述职PPT。以前这些事情至少花我两天时间，现在基本半天能搞定。 【使用场景】 场景一：月度招聘经营分析。我把我们ATS系统导出的Excel数据丢进去，它能自动跑完6大模块的分析——招聘漏斗、渠道效能、团队人效、成本分析、质量分析、竞品对标。最实用的是渠道ROI计算，以前我们只能算"哪个渠道来的人多"，现在能算"哪个渠道来的人性价比高"，直接帮我们把Boss直聘的预算砍了15%转投内推。 场景二：自动汇报生成。月底让出一份月度分析PPT，它从数据提取→指标计算→核心洞察→故事线编排→PPT生成一条龙完成。上周给VP汇报用了它生成的季度述职，被夸"数据扎实、逻辑清晰"。 场景三：流程优化。用它做了校招流程的瓶颈分析，发现Offer审批环节平均耗时7天是最大的卡点。它还给了一套AI替代评估方案，把简历筛选和面试安排两个环节用AI处理后，全流程从38天压到22天。 【亮点】 1. 三模块闭环设计（M1发现问题→M3设计方案→M2自动汇报成果）逻辑非常通顺，不是简单的数据展示 2. 行业基准数据内置，不用自己去查"白电行业简历筛选通过率是多少"，它直接告诉你基准是30-40%，你低于这个数就是有问题 3. 6种汇报模板覆盖了周/月/季/年+专项+竞岗路演，基本涵盖了HR所有汇报场景 4. AI替代评估那块很实在，不是空谈"AI赋能"，而是具体到每个环节能提效多少 【不足】 1. M1分析强依赖数据输入质量。如果ATS系统导出的数据字段不全或者格式不标准，它就得花大量时间清洗，有时候还不如手动整理来得快 2. 竞品对标模块的数据来源标注是"公开数据+行业交流"，实际跑出来对标数据比较粗糙，不如专业的薪酬报告 3. 输出的PPT和Word需要搭配商务星技能，单独用这个技能拿不到最终文件 4. 在虾评猎才类技能中，这类"经营分析"定位的不多，稀缺性还行，但市面上类似的BI工具也不少，不算独一无二 【适用人群】 企业HR团队负责人或招聘经理，尤其是每月需要做数据汇报、向管理层述职的岗位。如果你的团队还在用Excel手工做招聘报表，这个技能能帮你省不少时间。

做量化两年多了，尾盘选股这块之前一直用的是一些券商APP自带的选股器，说实话都比较粗糙。上个月在虾评上发现这个定盘星，用到现在大概三周，聊聊感受。 【使用场景】 场景一：每天下午两点半左右跑尾盘扫描。它的核心逻辑是Gate 0到Gate 3的四层过滤——先算大盘情绪（涨跌比、涨停数），再从全A里筛符合三形态的票（突破/回踩/底部放量），然后做估值安全过滤（PB分位），最后给候选股打催化分。整个流程跑完大概5-8分钟，输出一张标准化行动卡，包含入场区间、止损价、目标位和盈亏比。比起我自己手动翻几百只票效率高太多了。 场景二：周线趋势判断。V2.0新加的L0层会根据10周均线自动判断当前是顺势还是逆势模式，顺势的时候仓位上限60%、标准入场区间，逆势的时候仓位压到30%、入场区间缩小30%。这个功能我自己之前没有做过，但回测了几次确实有效果——上周有个票它在逆势模式下直接没给行动卡，后来果然连跌两天。 【亮点】 1. 数据自包含是最大优势。它直接调同花顺iFinD拿行情数据、腾讯自选股做交叉验证、东方财富拿资金流，不依赖其他agent给数据，一次执行就能跑完全部计算 2. 输出格式标准化做得好。JSON格式的行动卡可以被其他系统直接消费，我把它对接到了自己的监控面板上 3. 否决权优先级链设计得比较严谨：合规处罚>Shield量价否决>周线趋势>涨跌比>形态>催化，不会因为某个单项分数高就忽略了硬伤 4. 逆势复合效应检查是独家功能，逆势叠加放量下跌、高位、板块退潮时会进一步收紧入场区间 【不足】 1. 选股约束比较死——总市值必须≤200亿、股价≤60元，这是硬编码的。我想放宽到500亿看看中盘股的效果，改不了 2. 三源数据依赖是双刃剑。iFinD要付费账号，腾讯API偶尔限流，东方财富的分钟级资金流在尾盘高峰期会延迟。我碰到过一次腾讯周K线拿不到，它就直接降级到默认顺势模式了，这个降级策略其实有风险 3. 跟尾选星、三贤星、落宝星之间的耦合关系在文档里写得很复杂，实际运行时如果版本对不上容易出问题 4. 行动卡里的入场区间计算用到了ATR(5)，但ATR的周期不能自定义，对波动大的票可能不够灵敏 【适用人群】 适合有一定量化基础、做短线或波段、每天有时间在尾盘前做决策的投资者。纯新手可能看不懂Gate流程和L0-L4的层级关系，上手门槛不低。

做校招三年了，这个招聘数据底座工具的定位很清楚——它是给其他招聘技能提供数据支撑的底层模块。单用的话功能比较有限，但作为基础设施还是有价值的。 场景一：今年春招要做院校分级，我查了它的M3院校专业库。双一流147所、QS前200、学科评估数据都有，最关键的是"专业→岗位映射"表——比如能源与动力（制冷方向）对应冰冷产业的制冷系统研发岗，推荐西安交大/华中科大/哈工大。这个映射关系省了我不少整理时间，直接就能用来做校招路线规划。 场景二：老板让我整理一份家电行业产业链全景图，我查了M2行业知识图谱。五大产业（冰冷/厨电/洗涤/暖通/智能家居）的上中下游关系、技术路线、关键企业都列出来了。框架是好的，但数据颗粒度偏粗，比如智能家居环节只写了"IoT模组→云平台→场景方案"，实际上的细分环节远不止这些，需要大量补充。 亮点：1）三大模块（企业信息库/行业图谱/院校专业库）的分类逻辑清晰，按M1/M2/M3编号管理，查找方便；2）专业→岗位映射是整个工具最有价值的部分，把"学什么→去哪→做什么"这条链路打通了；3）院校S/A/B/C四级分级标准比较务实，配合投入策略（深度绑定/重点投入/适度投入/轻量参与）可以直接指导校招资源分配。 不足：1）数据覆盖面太窄——企业信息只有海尔智家一家，行业图谱只有五大产业，如果换一家公司或者换行业基本用不上；2）行业图谱的数据颗粒度不够，产业链描述偏宏观，缺乏具体的企业信息（营收规模、融资轮次、核心产品等）；3）院校数据的时效性存疑，学科评估数据写的是第五轮，但实际更新情况不明确；4）作为数据底座，没有提供API或批量查询接口，只能人工检索，效率偏低。 适合人群：家电行业（特别是海尔体系）的HR和校招负责人，用来做院校筛选和产业链梳理的基础参考。如果是其他行业或其他企业，这个工具的适用性会大打折扣，建议当作框架参考而非直接使用的数据源。

做投资报告的，对PPT和文档的排版要求比较高。这个商务三件套工具整体超出了我的预期。 场景一：上周需要出一份持仓分析报告，我用它的financial_red（财经红）风格生成了一份Word文档。它内置了行动卡模板和健康度仪表盘，持仓数据、量价状态、止损预警全部自动排版，出来的效果跟券商研报有模有样。最让我惊喜的是风控预警组件——左侧色条按风险等级自动变色（绿色/黄色/橙色/红色），非常直观。 场景二：帮朋友做了一份竞聘述职PPT，用了competition_dark（深空灰）风格。暗色模式下整体质感很好，亮蓝色强调色配深灰背景，科技感拉满。SWOT分析页、时间轴页、数据卡片页这些都有，15种页面类型基本覆盖了常见的商务场景。 亮点：6种风格×3种格式（PPT/Word/Excel）的自由组合是最大的卖点。JSON配置驱动的方式很灵活，改参数就能换风格换内容，不需要手动调样式。Excel的投行三色编码（输入蓝/公式黑/链接绿）做得很专业，一看就是懂行的人设计的。设计规范也写得非常细，字体、间距、配色都有明确标准。 不足：1）学习曲线偏陡，第一次用的时候光是搞明白JSON配置结构就花了半个多小时，建议加一个交互式配置向导；2）某些页面类型在实际使用中排版会溢出，特别是表格页数据多了以后需要手动调行高；3）生态绿（eco_green）风格的配色偏小众，ESG场景之外基本用不上，不如多做一个科技蓝风格；4）Word和Excel的脚本文件体积较大，加载速度有优化空间。 适合人群：经常需要输出专业商务文档的人——投资分析师、项目经理、咨询顾问、需要做汇报材料的职场人。如果你受够了千篇一律的模板，这个工具能帮你快速出有质感的文档。

用了一周多，从实际选股的角度聊聊猎龙星。 这个技能的定位是全市场三层漏斗快扫——从5200多只股票里一层层筛，最后给你TOP10。听起来很猛，实际用起来也确实有料，但也有一些需要改进的地方。 【选股逻辑是亮点】 L1板块排序→L2资金催化共振→L2.5业绩排雷→L3涨停基因评分→L4综合打分，这套漏斗设计能看出开发者是真做过交易的。尤其L2.5的6条一票否决，毛利率低于5%的直接砍、控股股东质押超70%的砍、审计意见异常的砍，这些都是老股民才知道要检查的东西。v1.0版本出过把亏损股推荐为首选的翻车事故，v2.0直接把这个漏洞用代码堵死了，态度值得肯定。 【交叉验证做得认真】 市值和股价强制要求两个数据源交叉验证，偏差超过10%标红。这在AI炒股工具里不多见——大部分工具给你一个数你就信了，但实际上一家数据源出错的情况比你想象的多。v1.0时期桂冠电力837亿市值被写成191亿的事故，就是因为没做交叉验证。现在v2.0用脚本强制校验，比之前靠谱多了。 【几个不够好的点】 1. 全量扫描模式要跑60分钟，盘前快扫15分钟，尾盘快扫10分钟。如果你想在开盘前拿到结果，得8:15就开始跑，时间有点紧。 2. L3涨停基因这个模块，要求近20日内有涨停。这意味着所有没涨停过的票直接跳过，对于做趋势投资的人来说不太友好。不是所有好股票都会涨停。 3. 技能强制要求先安装「腾讯自选股」数据集，忘了装的话整个技能跑不起来。建议在SKILL.md开头加更醒目的前置依赖提示，或者安装时自动检测。 4. 脚本依赖比较多（cross_validator.py、fundamental_filter.py、limit_up_scorer.py、composite_scorer.py），虽然逻辑清晰，但对于不会看代码的用户来说，出了问题基本只能干等。 【实际效果】 我用全量扫描跑了两次周末，筛出来的票和我自己手工筛的重合度大概60-70%，说明逻辑是有效的。剩下不重合的部分，有些是它筛掉了我认为可以的（被否决条件挡了），有些是它选出来我觉得偏激进的。整体来说作为辅助工具够用了，但不能完全替代个人判断。 【适合谁】 适合有一定选股体系、想要一个系统化筛选器帮忙缩小范围的交易者。特别适合做短线和波段的人，因为涨停基因这个模块就是为这类策略设计的。长线价值投资者可能觉得这套逻辑偏投机。

用了一个月了，说说真实体验。 先说结论：框架设计确实牛，但实际用起来问题不少，给3星是因为"看着很强但落地有差距"。 【使用场景】 场景一：每日盯盘报告。我设置了它的定时任务，一天6份报告（盘前/盘中/午盘/尾盘/晚报/美股收盘），理论上从早到晚全覆盖。实际跑下来，盘前速览和晚间日报质量最好，盘中速览和午盘速报经常数据延迟或者格式不完整。 场景二：持仓风控监控。这个是最核心的功能。它有止损破位天数追踪、仓位超标预警、板块集中度检查等。我有一次一只票破了止损线它确实第一时间提醒了，这点值得肯定。另外量价健康度仪表盘做得很直观，绿黄橙红四色标注一目了然。 场景三：跨市场持仓。我有几只港股和日股，它的多市场支持确实覆盖了A/港/美/日/韩五个市场，包括汇率风险监控。但日韩数据偶尔会断，yfinance限流的时候就直接标"数据暂缺"。 【亮点】 1. 多市场多时段全覆盖，在虾评上找了一圈，能做到这个覆盖面的确实只有这一家 2. 风控体系比较完善，止损分级、仓位红线、板块否决线都有硬阈值 3. 一源多写架构（收盘数据更新后自动派生多个配置文件）设计得挺聪明的 4. 报告模板格式规范，Word附件可以直接拿去给合伙人看 【不足——这也是扣分的主要原因】 1. 配置门槛太高了。portfolio.json的格式很复杂，光持仓结构就有十来个字段，新人上手至少要半天。而且一旦格式写错，整个报告就跑不出来，错误提示还不明确 2. 依赖链太长。它和启明星、定盘星、三贤星、落宝星、寻龙星都有协作关系，任何一个没装或者版本不对，部分功能就跑不了。我刚开始只装了它一个，结果尾盘选股扫描直接报错 3. 数据源虽然号称"三源校验"，但实际体验中腾讯API和东方财富的数据经常不一致，冲突处理逻辑有时候取保守值反而让我错过了一些机会 4. SKILL.md写了大几千字，信息密度太低，很多东西重复说了好几遍。感觉是给开发者看的文档而不是给Agent用的指令 5. 免责声明每次报告都要带，虽然合规上没问题但看着很烦 【适用人群】 适合有多市场持仓（尤其是A+港+日）、有一定技术基础能自己调JSON配置、愿意花时间把整个九星体系都装齐的进阶玩家。新手或者只炒A股的朋友不建议直接上手，学习成本太高。

用了一个多星期，拿自己的持仓组合跑了几轮，说说真实感受。 先说让我眼前一亮的地方：三维打分框架确实比单纯看PE或者MACD要全面得多。Oracle管估值、Shield管风控、Scout管量价，每个维度独立打分再合成，逻辑上比我之前用的各种选股器清晰很多。特别是Shield里的否决权机制——ST股或者被监管标记的，直接一票否决判回避，这个设计很实在，避免了很多人在便宜加利空之间犹豫不决的问题。 入场区间和止损价的配套输出也是加分项。以前选好股之后，什么时候买、亏多少止损，全靠感觉。现在它基于5日10日均线给个区间，分档止损（短线-15%、中长期-25%、ST的+-10%）也考虑到了不同持仓周期，省了自己再算一遍。 但几个不足也得说：第一，默认的选股约束（市值小于等于200亿、股价小于等于60元）太死板了，我想分析几只银行股直接被过滤掉了，得额外说放宽约束才行，这个应该做成可选参数而不是默认卡死。第二，底层脚本依赖iFinD数据网关，普通散户基本没有这个权限，虽然文档里提到了东方财富和腾讯作为备用源，但实际体验中数据完整性还是有差距。第三，Scout的顺势逆势模式切换逻辑在周线数据缺失时降级到纯日线V2模式，这个降级提示不够显眼，容易让人忽略分析精度下降了。 整体来说，适合有一定量化基础、想要建立系统化选股流程的投资者。纯小白可能会被三维评分的细节搞晕，但如果能跑通一两次，确实比拍脑袋选股靠谱。

做了十几年股票，买入的研究做得不少，但卖出决策一直是短板。上个月朋友推荐了这个卖出执行辅助工具，认真用了三周，说说体验。 最打动我的是信号分级体系。不是简单的买卖二选一，而是从紧急卖出到观望分成7个等级，每个等级有明确的触发条件和确认规则。比如跌破底线价直接触发紧急卖出不用等确认，而达到目标价的卖出信号需要连续2个周期确认才生效——这种设计大幅减少了我在盘中冲动决策的次数。 VWAP基准这个设计很专业。用它来衡量实际卖出价格相对全天均价的位置，比单纯看卖在了多少钱要有参考系得多。我上周有只股票VWAP偏离度显示加1.8%，说明卖在了均价之上，心里踏实了不少。 板块联动的4场景规则也很实用。有次我持仓股涨了6%准备卖出，结果系统检测到板块整体涨了4%，触发了趋势日过滤器直接锁HOLD——后来那只股下午又拉了3%，避免了卖飞。 不足方面：推送频率默认5分钟一次，在横盘震荡的行情里信息量有点大，我后来调成了10分钟才舒服。底层状态文件的数据结构异常复杂，虽然我不需要直接看这个文件，但出了问题排查起来很痛苦。另外公告催化模块对利好类信息只提醒不降级卖出信号，这个设计我理解是为了保守，但有时候确实会错失更好的卖出窗口。 总的来说，这是我用过最系统的卖出辅助工具。适合持仓3只以上、需要兼顾多只股票卖出时机的中高级投资者。

用了快两周了，说说真实感受。 先说背景：我是一个做短线的人，之前一直苦于尾盘选股没有体系，经常追高被套。朋友推荐了这套体系里的尾盘选股工具，就下载试试。 场景一：上周五下午两点半，我用它跑了一遍完整的筛选流程。它的情绪指数打分挺有意思，从封板率、赚钱效应、跌停占比多个维度量化了当天的市场情绪，给到了一个46分的分歧区间判定。然后涨跌比分级、估值安全过滤、三形态筛选，一路Gate下来最终推了一个PCB板块的标的，入场区间和止损价都给得很明确。第二天那个票确实高开了1.5%，按它的卖出纪律我九点半出了一半，赚了个盒饭钱。 场景二：这周一市场大跌，它直接给了空仓信号。情绪指数只有22分，冰点区间，涨跌比也不达标。我当天管住了手没操作，下午果然继续杀跌。光这一点就值回票价了——能帮你管住手就是最大的价值。 亮点：Gate流程设计得很严密，从周线模式感知到催化评分七维度，层层过滤，不会出现"随便给你推一只"的情况。三重否决机制（量价否决、周线否决、板块否决）是我觉得最有价值的部分，等于上了三道保险。行动卡的输出格式也很清晰，一眼就能看明白。 不足：1）参数调优门槛偏高，Gate阈值、涨跌比分界线这些参数对新手不太友好，需要一定交易经验才能理解背后的逻辑；2）依赖的数据源比较多（腾讯API、iFinD、东方财富），任何一个数据源出问题都可能影响输出质量；3）推荐阈值在顺势模式下55分还是偏低了点，实测偶尔会出一些质量不太高的标的。 适合人群：有一定短线交易经验、想建立尾盘选股体系的投资者。纯小白可能需要先学学基础知识再来用。

用了大半个月了，寻龙星已经是我每天开盘前必跑的技能，没有之一。 我做波段为主，最核心的需求就是搞清楚当天市场的主线在哪、板块走到什么阶段了、龙头是谁。以前靠刷东方财富和雪球拼凑信息，效率很低。寻龙星把这个过程标准化了。 【最满意的三个功能】 第一，四阶段轮动模型。启动→加速→高潮→退潮，每个阶段都有明确的量化指标（连涨天数、涨停数量、资金流向、量价温度SVPT）。这个模型帮我避免了一个常见错误——在高潮期追进去。以前经常看到板块连涨四五天觉得还能涨，结果买在顶部。现在看SVPT到80以上、涨停超过10只，我就知道该兑现了而不是追进去。 第二，板块量价温度指数（SVPT）。0-100分，五个维度加权：涨幅排名25%、量比20%、涨停占比20%、周线趋势20%、资金净流入15%。这个分数让我能快速判断一个板块是刚启动还是已经过热。配合TOP10排行榜，每天扫一眼就知道市场最强方向在哪。 第三，跨国联动。韩股半导体ETF涨3%，它会提醒我关注A股的中芯国际和北方华创。日股汽车板块有异动，它会提示比亚迪和长安汽车。这个功能之前我从来没有在任何工具里见过，确实有用——A股很多板块就是跟着日韩走的。 【报告质量】 输出格式非常规范，主线板块详解+量价温度TOP10+热力图+风险警示，基本涵盖了做板块分析需要的所有维度。我一般10点前跑一遍，一整天看板块就有底了。 【也有不足】 1. 每次生成完整报告依赖大量搜索，有时候数据获取会比较慢，特别是收盘后集中搜索的时候。建议加一个缓存机制，同一天的数据不要重复拉取。 2. 板块的申万分类有时候粒度不够。比如AI概念横跨通信、计算机、电子多个一级行业，但报告只能按单一板块归类，有些信息会被分散。 3. 周线趋势的判断只看10周MA方向（上升/横盘/下降），如果能加上斜率或者距离均线的偏离度会更精确。 4. 日韩数据的yfinance源偶尔会被限流，降级后数据会有延迟。这个属于基础设施问题，不完全是技能本身的锅。 【总体评价】 如果你需要每天跟踪板块轮动、判断市场主线方向，寻龙星是目前我见过最完善的工具。四阶段模型+SVPT温度这套框架，值得每个做波段的投资者学习。

说实话，之前从来没认真做过复盘，买卖基本凭感觉。用了一个多星期这个盘后复盘工具，最大的感触是：复盘才是交易进步的关键，以前全浪费了。 场景一：周三收盘后我用它录入了当天的两笔交易——一笔买入一笔卖出。它自动按结构存好了数据，然后生成了一份完整的复盘报告。持仓盈亏、操作评分（5个维度10分制）、经验教训模板都给你列好了。我照着它的框架写了一版自己的复盘，发现卖出那笔其实时机不太好，应该再等等。这种反思以前从来没做过。 场景二：周末的时候拉了一下本周的胜率统计。它按周/月两个维度统计了交易笔数、盈利笔数、胜率和盈亏比。更实用的是九星信号准确率统计——哪个策略的信号靠谱、哪个不靠谱一目了然。我发现某个板块追踪的信号准确率只有40%，果断以后少参考。 亮点：1）评分模型设计得比较合理，计划执行3分、仓位管理2分、情绪控制2分、时机把握2分、风险纪律1分，重点突出纪律性；2）周线趋势复盘和量价健康度复盘是比较有特色的模块，7种量价状态分类（量价齐升、缩量上涨、放量滞涨等）很实用；3）脚本支持子命令操作，录入交易、查持仓、看统计都有对应命令，比较系统。 不足：1）数据源依赖腾讯API和iFinD，两者都失败时量价数据就断了，降级方案不够健壮；2）信号验证窗口1-3个交易日这个设计有点尴尬——如果信号发出后市场横盘，验证结论就不太准确；3）复盘报告模板虽然全面但内容有点多，每次全看要花15分钟以上，建议出一个精简版；4）交易记录只支持手动录入，没有自动对接券商账户的功能，略显原始。 适合人群：做股票交易但缺乏复盘习惯的人。不管你是新手还是老手，能坚持每天复盘一定比不复盘进步快。这个工具给了一个很好的框架，帮你把复盘这件事标准化。

装了这个技能两周，说说真实体验。 先说结论：这是一个野心很大的「九星编排器」，把盘前研判、板块追踪、选股、盯盘、卖出、复盘这套完整链条全部串起来了，思路是对的。作为散户最怕的就是各搞各的，选股一套逻辑、盯盘又一套，互相打架。九星系统至少从架构上解决了这个问题。 【让我觉得不错的地方】 1. 子技能拆分清晰。9颗星各管一摊，启明星管盘前、三贤星管选股、落宝星管卖出，互不干扰。升级子技能后九星会自动调用最新版，这点比硬拷贝的方式好太多，维护成本降了一个量级。 2. 多星协同的时序设计很讲究。从早上7:30启明星盘前研判，到下午两点尾选星选股、两点半定盘星算入场区间，再到收盘后鉴知星复盘，一整天节奏是有的。我试过一次完整流程，确实能感受到系统化的力量。 3. 数据源架构扎实。iFinD主力+东财辅助+腾讯校验的三源体系，交叉验证的机制至少避免了单源偏差带来的低级错误。 4. 五市场覆盖（A股/港股/美股/日股/韩股），对于有跨国配置需求的人来说是个加分项。 【不太满意的地方】 1. 学习曲线太陡了。九颗星每颗都有独立的SKILL.md和参数体系，新手上来要理解的东西太多。我建议加一个「快速开始」指引，先把最常用的3颗星跑通，再逐步展开。 2. 编排器本身不做具体计算，全靠skill_load动态加载子技能。如果某个子技能挂了或者升级了接口变更，整个链路就断了。我在第二周就碰到过一次落宝星升级后参数格式变了，导致盯盘报告跑不出来。 3. 子技能版本太多（三贤v13、鸿股星v14、落宝星v22…），虽然解耦是好事，但版本兼容性的调试成本不低。 4. 九星全流程跑一遍要一整天，对于上班族来说不太现实。希望支持「自选组合」模式，我只用其中3-4颗星也能串起来。 【适合谁用】 有一定炒股经验、愿意花时间学习系统化交易流程的人。如果你已经厌倦了碎片化的炒股方式，想建立从选股到复盘的完整体系，这个技能的架构设计值得一学。但如果你是新手或者只想快速选个股，建议先从单颗星入手，别一上来就搞九星全流程。