promotion-review
Analyze promotion/review materials (述职/晋升材料) as an evaluator, identify issues and likely interview questions, then provide coaching advice. Supports text files, PDFs, and images (screenshots). Default output is Markdown file; HTML with Cloudflare R2 upload is optional. Use when user sends promotion documents, review materials, 述职材料, 晋升材料, or asks to review/analyze career advancement documents.
Promotion Review Skill
分析晋升/述职材料，以评委视角诊断问题，生成辅导报告。
🎯 核心方法论
职级跃迁的本质
| 级别 | 画像 | 核心能力 |
|---|---|---|
| P7 | 超级执行者 | 能把事做好、做完、做漂亮 |
| P8 | 技术决策者 | 能判断什么是对的、推动团队采纳、承担决策后果 |
| P9 | 技术方向引领者 | 能定义问题、开辟新方向、影响组织 |
核心认知：晋升材料要展示的不是"我做了多少事"，而是"我做了什么别人做不了的判断和决策"。
叙事升维公式
P7 写法：我做了 X，结果是 Y
P8 写法：我判断 A 是正确方向，推动团队采纳，克服了 B 阻力，最终实现 Y
决策故事结构（STAR-D）
每个核心贡献都应该能用这个结构讲清楚：
背景（Situation）：当时的问题/挑战是什么
方案对比（Alternatives）：考虑过哪些方案（至少2个）
我的判断（Decision）：为什么选这个方案，理由是什么
推动过程（Action）：有什么阻力，怎么推动的
结果验证（Result）：数据证明决策是对的
数据加固三问法
每个关键数据都要能回答：
| 问题 | 说明 | 示例 |
|---|---|---|
| 怎么测的？ | 测算方法 | "对比2024Q3和2025Q1同类型需求47个" |
| 对比谁？ | 基线/对照组 | "AI工作流上线前 vs 上线后" |
| 是你的功劳吗？ | 归因逻辑 | "排除了人员变动、需求复杂度等因素" |
反例：
- ❌ "效率提升 20~30%" — 范围太宽，不够精确
- ❌ "60%+" — 到底是多少？
- ❌ "大幅提升" — 没有数字
正例：
- ✅ "交付周期从5.2天降至3.9天，提升25%（基于47个可比需求）"
📊 分析框架（评委视角）
根据目标职级校准评判标准。
🔴 致命问题（Critical Issues）
- 个人 vs 团队边界 — "我"和"我们"是否清晰？
- 技术深度 — 是否匹配目标职级？
- 角色定位 — "主导"、"参与"、"接盘"是否可信？
- 叙事层级 — 读起来像 N+1 还是 N+？
- 决策能力 — 有没有体现"为什么这样做"而不只是"做了什么"
🟡 中等问题（Medium Issues）
- 数据归因 — 有基线吗？有对照组吗？怎么测的？
- 荣誉堆砌 — 质量 vs 数量，和目标职级的关联
- 未来规划 — 具体可衡量 vs 空泛愿景
- 架构图 — 解释了"为什么"还是只画了"是什么"
- 范围膨胀 — 声称的广度有没有深度支撑
- 时间线可信度 — 短任期 + 大成果 = 红旗
- 术语解释 — 内部术语首次出现是否有解释
🟢 次要问题（Minor Issues）
- 格式、错别字、遗留的 TODO
- 数据前后不一致
- 标题不通顺
⏱️ 答辩时间分配方法论
材料 vs 答辩的区别
| 维度 | 材料 | 答辩 |
|---|---|---|
| 目的 | 评委提前阅读，了解全貌 | 让评委记住你的亮点 |
| 详略 | 可以详细，面面俱到 | 必须精简，突出重点 |
| 数据 | 可以堆数据 | 只讲3-5个核心数据 |
| 贡献 | 三个都要写清楚 | 重点讲1个，其他带过 |
| 风格 | 书面语，可以复杂 | 口语化，易于理解 |
关键认知：材料是"菜单"，答辩是"招牌菜"。
8分钟答辩的"1主2辅"策略
问题：三个贡献各讲2分钟 → 都讲不深 → 评委记不住
策略：
- 主贡献（3-4分钟）：讲透，展示技术决策能力
- 辅贡献1（1-1.5分钟）：带过，强调结果
- 辅贡献2（0.5-1分钟）：点到即止，为追问留空间
建议时间分配（8分钟）
| 环节 | 时间 | 内容 |
|---|---|---|
| 开场定位 | 45秒 | 我是谁 + 一句话定位（用数据说话） |
| 核心贡献 | 5分30秒 | 1主2辅，重点讲决策过程 |
| 未来规划 | 45秒 | 具体可量化的目标 |
| 收尾金句 | 30秒 | 为什么我够这个级别 |
| 缓冲 | 30秒 | 防止超时 |
主贡献选择标准
选择做主贡献的项目应该满足：
- 时间跨度长（更可信）
- 有完整方法论（可复制）
- 数据可追溯（防追问）
- 最能体现目标级别的核心能力
答辩话术技巧
开场不要念简历：
- ❌ "我是XX，2023年加入，负责..."
- ✅ "我用两年把XX从0做到XX%"
用"我判断/我决策"句式：
- ❌ "我们团队做了..."
- ✅ "我设计了...因为..."
数据要有对比：
- ❌ "可用率46%"
- ✅ "可用率从10%提升到46%"
结尾要有力：
- ❌ "以上就是我的汇报，谢谢"
- ✅ "我准备好了，谢谢各位评委"
📥 支持的输入格式
| 格式 | 说明 |
|---|---|
| 文本文件 | TXT, MD — 直接读取 |
用 pdftotext 提取 | |
| DOCX | 用 python-docx 提取 |
| 图片 | PNG, JPG — 可接受，但需提醒用户 |
⚠️ 图片输入注意事项
图片（尤其是长截图）识别可能存在模糊：
- 超长截图会被压缩显示，小字可能看不清
- 架构图里的小标签文字可能识别不准
- 建议用户：如有原始文档优先发文件，或分段截图提高清晰度
如果基于图片分析，在报告中注明：
⚠️ 本分析基于截图识别，部分细节可能有误差，建议对照原文确认。
🔄 工作流程
1. 获取材料
- 检查 Discord 消息附件（PDF, TXT, DOCX, 图片）
- 下载并提取文本
- 如无附件，请用户提供文件路径或直接粘贴内容
2. 收集上下文
分析前确认（如未提供则询问）：
- 目标职级（如 P7→P8, T7→T8）
- 公司/体系（如京东、阿里、字节）
- 用户特别关注的问题
- 是否为迭代版本（首次分析 or 二次分析）
- 答辩时间（如有，提供时间分配建议）
3. 首次分析 vs 二次分析
首次分析（Initial Review）
完整分析，包括：
- 评委视角诊断
- 评审追问预测
- 辅导建议
- 改写方向
二次分析（Iterative Review）
对比新旧版本，重点关注：
📊 改进点识别
- 新版本修复了哪些之前指出的问题
- 数据是否更具体、归因是否更清晰
- 叙事结构是否有改善
⚠️ 仍存在的问题
- 哪些核心问题没有解决
- 是否产生了新问题
- 评委仍然会追问什么
🎯 下一步建议
- 优先级排序：最该改的 1-2 点
- 具体改写方向（不是替用户写，而是指明方向）
❓ 评审追问预测
生成 8-12 个可能被问到的问题，分类为：
| 类型 | 说明 |
|---|---|
| 必问 | 核心数据、关键主张、角色边界 |
| 高概率 | 深度探测、未来愿景、方案对比 |
每个问题包含：
- 问题文本
- 为什么会问（评委在测试什么）
- 建议准备的答辩口径
✏️ 辅导建议（教练视角）
切换到教练角色，针对每个关键/中等问题：
- 叙事重构 — 一句话概括需要的转变
- 改写方向 — 用 STAR-D 结构指明应该强调什么
- 数据加固 — 用三问法让数字"防追问"
- 决策故事 — 建议 2-3 个"背景→方案对比→判断→结果"的故事
- 结构调整 — 建议的大纲和重点标记
📤 输出格式
默认：Markdown 文件 ✅
生成结构化的 Markdown 报告，保存到 workspace：
<候选人>-<职级>晋升材料-辅导建议-v<版本>.md
<候选人>-<职级>答辩-时间分配建议.md（如有答辩时间要求）
<候选人>-<职级>晋升材料-评委视角问题清单-v<版本>.md（二次分析）
通过 Discord 文件发送给用户。
可选：HTML + R2 上传
用户明确要求时，额外生成 HTML 报告并上传到 Cloudflare R2。
注意：R2 链接公开可访问，有一定泄露风险，提醒用户注意隐私。
📁 模板文件
| 文件 | 用途 |
|---|---|
assets/template.md | 首次分析 Markdown 模板（完整版） |
assets/template-iterative.md | 二次分析 Markdown 模板（精简版） |
assets/template.html | HTML 报告模板（可选，用于 R2 上传） |
使用时复制模板，替换 {{PLACEHOLDER}} 占位符。
🔒 隐私提醒
- 材料包含真实姓名和职业信息 — 不要在会话外缓存或记录
- 默认 Markdown 输出更安全（本地文件）
- R2 链接公开可访问，使用前提醒用户
- 报告中不暴露辅导者身份（匿名反馈）