ai-job-countdown
singapo/ai-job-countdown
Registers a Chinese career task assessment skill with a confrontational voice, conditional AI adoption scenarios, handover checklists, and 30-day action plans.
Install
dsh plugin --profile web add github:singapo/ai-job-countdownREADME
AI Job Countdown · 取代倒计时
你这就是 AI 的活儿,赶紧给 AI 写交接文档吧。
A task-based Agent Skill for exploring how AI may change your work, with conditional scenarios and a 30-day action plan.
把你一周的工作摊开,让 AI 接班人来催交接:哪些活儿它已经能接,哪些所谓“核心竞争力”只是公司的系统还没接通,哪些判断它确实交不了卷。别只说自己很忙,把忙的东西拿出来。

先看同一个职位的两种工作: 偏交付的产品经理 · 偏探索的产品经理
只想看能截图转发的结果?看一屏分享卡与任务交接单。
默认开怼,点名具体任务,拿事实补刀。你拿到的结论会像这样:
“你这固定周报就是 AI 的活儿,赶紧给 AI 写交接文档吧。它都连着交了六周合格作业了,你还在拿手动汇总给自己加戏?”
交付型产品经理 · 虚构演示
下一个被盯上的:标准 PRD 草案;先看它能不能连续 4 周过验收。
基准规划:3–6 个月,前提是资料治理、只读接入与试点验收顺利。
你的岗位哪天没:现在证据不够,算不出来。
先把交接单列出来:输入、验收、异常归谁管。再拿一组脱敏需求试 PRD,复核、返工都计时——别把替它擦屁股算成提效。
情景分析,非失业预测。
复制这段话,开始体验
安装 Skill 后,在你的 Agent 中发送:
使用 ai-job-countdown,帮我做一次“取代倒计时”分析。
用“AI 来催我交接”的进攻型口吻,直接开怼,点名具体任务。
该说“你这就是 AI 的活儿,赶紧写交接文档”时直接说。
拿证据补刀,别拿一堆“也许、值得关注”把判词冲淡;证据不足就直接怼信息不足。
先集中问我一轮:职位、行业、主要任务和时间占比、交付标准,
以及公司使用 AI 的限制。根据我的回答分析真实任务;
仍缺少依据的地方标明待验证,不要仅凭职位下判断。
给我任务接管现状、有前提的情景时间窗、会改变结论的信号,
以及有验收标准的 30 天行动。岗位编制变化单独判断。
最后生成匿名 Markdown 分享卡,留在当前对话中。
准备好最近一周的 3–7 项任务即可。描述任务的输入、交付物和谁负责验收,会比一个职位名称更有帮助。
安装
DeepSeek Harness(DSH)
本仓库同时提供 DSH bundle,安装后将 ai-job-countdown 注册到宿主技能目录,正文按需加载。支持范围声明为 DSH >=0.2.2-rc.1 <0.3.0。
在你实际使用的 Profile 中安装,下面的 web 仅为普通 dsh web 示例:
dsh plugin --profile web add https://github.com/Singapo/ai-job-countdown/releases/download/v0.1.0/dsh-ai-job-countdown-0.1.0.tgz
也支持源码安装:dsh plugin --profile web add github:Singapo/ai-job-countdown。
安装后按宿主提示刷新或重启,发送“使用 ai-job-countdown,分析我的取代倒计时”。插件没有前端面板。DSH Desktop 使用应用自己管理的 Profile,请在应用内插件管理入口安装该 GitHub 来源;另建的 web Profile 不会自动出现在桌面应用里。
插件只注册这一项技能,不修改已有技能,不设置额外工具、不读取凭据,也不自行调用模型或上传工作资料。分析使用当前会话模型;其费用与数据处理方式取决于宿主和所选服务。包自身没有 prepare、install 等安装期脚本,无须源码编译。
已发布 v0.1.0 预构建包。2026-11-18 已向 DSH 社区目录提交收录申请 #16593,收录以维护者合并与市场同步为准。
其他支持 Agent Skills 的工具
使用 Skills CLI 从 GitHub 安装:
npx skills add Singapo/ai-job-countdown --skill ai-job-countdown
也可以下载或克隆本仓库,进入仓库根目录后运行:
npx skills add . --skill ai-job-countdown
需要 Node.js/npm;按 CLI 提示选择目标 Agent。命令使用 Skills CLI 的仓库来源、本地目录与指定 Skill 选项。不同宿主的 Skill 加载与联网能力可能不同。
也可以先阅读 Skill 原文和完整示例,了解访谈与报告结构。
你会拿到什么
| 输出 | 帮你回答的问题 |
|---|---|
| 一句损友判词 | 你忙的这些,到底哪块已经被 AI 盯上了? |
| 任务接管表 | 哪些能由 AI 协作,哪些有条件代办,哪些已有代办证据,哪些仍由人主导,哪些待验证? |
| 情景时间窗 | 同一项具体变化,在不同前提下可能何时出现? |
| 岗位编制判断 | 任务变化是否有足够证据影响岗位数量或配置? |
| 任务交接或试岗单 | 输入、验收、异常回退、人工负责人,哪块先交、哪块先测? |
| 30 天自救行动 | 哪块先别靠它吃饭了,这个月拿什么实测? |
| 匿名分享卡 | 如何用一小段 Markdown 展示判断和关键条件? |
时间窗属于规划假设,从报告日期起算,围绕同一个可观察事件展开。例如,判断“固定周报由 AI 代办并通过既定验收”,需要明确数据权限、质量标准和采用条件。缺少依据时,结论就是“无法估计”,并给出下一步取证方式。
默认分享卡只在当前对话中生成。是否保存或分享由你决定;对话数据处理遵循所用宿主的设置与政策。
两个产品经理,为什么要分别分析
职位相同,实际工作可能差很多。整理需求、维护文档和跟进交付,与探索未知需求、协调利益冲突和做取舍,需要的证据与判断条件也不同。
| 示例 | 用来观察什么 |
|---|---|
| 偏交付的产品经理 | 文档与例行工作变得容易代办后,交付责任如何变化? |
| 偏探索的产品经理 | 访谈整理变快后,问题选择与决策责任如何评估? |
这两份是演示案例,用于展示分析方法;它们不能代表所有产品经理,也不构成实际就业预测。
方法与局限
分析分开看三件事:技术上能否完成任务、组织是否具备采用条件、是否有证据影响岗位编制。任务时间占比只描述你的工作结构,不能直接当作失业概率。
状态包括 AI协作、条件可代办、已有代办证据、人主导、待验证。判定条件、证据要求和时间窗规则见方法说明。
这是一套访谈与情景分析方法,尚未经过个体就业结果的预测校准。输出受任务描述、模型能力、来源质量和企业情况影响;没有证据支持的失业日期或精确概率,不应出现在报告里。无法联网或缺少近期证据时,应标明信息缺口;尚无实际使用记录的外部能力作为待测试假设。
方法背景来自以下公开资料,链接核验日期为 2026-10-23:
- ILO 2025 年的任务级职业暴露研究:提供从具体任务观察岗位变化的视角。
- ILO 2026 年的暴露指标局限说明:暴露指标不能直接预测就业结果,企业采用与需求变化需单独分析。
本 Skill 的个体情景推演由本项目定义,不是 ILO 官方预测工具。
当前验证范围
已通过 Skill Creator 的结构检查,并核对内部链接、示例占比和封面显示。另做了三项离线行为演练,完整保留输入、实际回答和问题记录:强求准确失业概率、企业试点尚未开始、JD 夹带指令与匿名分享。
DSH 集成验证与可复现命令见 DSH 适配记录。历史离线演练对应初始文风,不代表新版攻击性口吻的跨模型评测。尚未执行 Skills CLI 安装与各宿主的完整模型对话测试,也未验证真实工作任务的自动化能力或时间窗预测准确性。
相关项目
创建前查看了这些已有方案,供需要不同分析方式的读者参考:
- AI Career Threat Index:侧重公开的职业评分数据集与探索工具。
- AI Job Evolution Analyzer:侧重任务级影响分析、技能差距与职业发展建议。
- Skills CLI:提供本仓库采用的 Skill 安装方式。
本仓库交付的是可装入 Agent 的个人工作任务访谈 Skill,便于在现有对话中反复使用。未复制上述项目的数据或代码。
参与改进
欢迎提交匿名案例、反例、可核验的任务代办证据,或指出某条结论缺了什么前提。提交时附上任务描述、验收标准、实际观察和报告日期;移除姓名、公司、客户和内部资料。也欢迎改进访谈中的歧义与行动的验收方式。
如果它对你有用,可以 Star 收藏。发布文案和维护建议见发布清单。