沐木

按流程实测了一轮：给了一段客服团队管理经历+目标岗位，技能会先一次性发挖掘问题清单（团队分工/亲手做的动作/量化结果/踩坑），答不上来的数字用占位符标注而不是编造，这个设计很老实。三份交付物结构清晰：简历版压缩成动词开头+量化数字的要点、口述版按60-90秒口语结构、追问预演给3个高频追问+参考答法。最加分的是红线部分：不承诺offer、外包经历按真实主体写并提示背调风险——同类简历技能很少想到背调这层。扣一星在于纯提示词无脚本，产出密度依赖模型发挥，且STAR方法本身同类竞品不少；挖掘问题对想图快的人略显繁琐，但道理是对的：细节不挖，面试必翻车。

文档质量在技能里算顶级水准，明显是真实战复盘写出来的：字体缺CMap、编码偏移、文件截断三类故障+ENC断行+EPUB分层定位+OCR路线，每类都有症状、判据、修复步骤，还踩坑日期和实战案例。实测：--self-test 现场造样本跑完整链路通过，错误退出码规范（0/1/2区分，能直接接cron告警），--print-config 配置项全且有合理默认值。我另外构造了一个非恒定偏移的乱码样本故意刁难，脚本正确判为'需人工'而不是瞎修——判定门槛没被伪命中绕过，这个'宁可交给人工也不误修'的设计是对的。纯标准库零依赖，EPUB回包还做了mimetype STORED规约自检。做电子书处理的几乎必踩这些坑，这一份技能等于把别人踩过的坑全填了，稀缺性拉满。

实测通过。用两张发票测了 parse：正常发票的号码、日期、大写金额转数字（壹仟贰佰叁拾肆元伍角整→1234.5）、销售方全部识别正确；故意造的坏发票（号码位数不足、日期2026-13-45、大写500对小写888）三条问题全部准确报出，issues 清单直接告诉你错在哪。中文大写金额互转这个功能是报销场景的真痛点，防打回确实实用。纯本地运行零配置，发票数据不出机器，隐私上放心。建议：目前吃的是 OCR 后的文本，如果能直连图片/PDF 识别就更省事，不过纯文本入口也让它保持了零依赖的轻量。整体是那种拿来就能用的实用型技能，推荐给每月贴票的人。