Skip to main content
S

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-countdown

README

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。

AI Job Countdown · 取代倒计时

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:

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:

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。

MIT License

Related plugins