项目展示增强器技能|用本地代码准备作品集和技术面试
EnglishWorkBuddy 安装步骤
- 把固定提交的完整 GitHub 仓库放到 WorkBuddy 用户目录 `.workbuddy/skills/project-showcase-enhancer/`,确保 `SKILL.md` 直接位于该目录下,并保留 `scripts/` 与 `assets/`。
- 准备 Node.js 和 Python,在客户端允许读取一个自建演练项目。重新打开会话后用自然语言指定项目路径并选择模式 A。
- 检查 `scripts/scan_project.js` 与 `scripts/deep_analyze.py` 在已安装的技能目录下。上游模式 A 用这两个文件收集本地代码证据。
中文摘要
project-showcase-enhancer 从项目目录梳理依赖、入口、调用关系和数据流,将有出处的代码信息写成项目分析文档。也可结合目标岗位整理作品集和面试追问,适合希望从真实代码提炼项目亮点的开发者。
SKILL.md 中文导读
可复现示例
在空目录 `demo-notes` 新建 `app.py`,用以下代码作为演练项目。
def format_label(text):
return text.strip().lower()
if __name__ == "__main__":
print(format_label(" Follow up "))在 WorkBuddy 中指定该目录,提示「用 project-showcase-enhancer 的模式 A 分析这个示例项目,列出入口和调用顺序,每一项注明文件或函数。」
工作步骤
- 准备一个包含明确入口及小函数的本地演练项目,向客户端给出目录路径。
- 选择深度代码分析,先确认扫描到的入口和函数,再归纳它们的职责。
- 在项目分析 Markdown 中核对文件名、函数名和调用顺序。把推测和代码里能直接看到的事实分开标记。
验收方法
深度代码分析文档应定位到 `app.py`、主程序分支和 `format_label`,说明该函数先去除两端空白再转换为小写。示例代码没有服务层或数据库,报告的结构描述应与这个小项目一致。
GitHub 原文 · 更新日期
适用环境
上游示范在 WorkBuddy 用户级技能目录安装。模式 A 需要 Node.js 和 Python,并允许客户端读取本地示例目录。示例只走模式 A,无需面试视频、转写模型或简历解析依赖。
常见问题
仅分析本地项目代码,需要安装面试视频转写依赖吗?
上游的模式 A 从 `scan_project.js` 和 `deep_analyze.py` 获取本地代码证据,环境准备是 Node.js 和 Python。面试视频与简历解析涉及其他模式,可以按实际输入另外配置。