Mock Position Select

国考模拟选岗 Skill

指导 Agent 在新一年国考职位表尚未发布时,用近三年真实国考数据做参考选岗:先补齐简历硬条件 → 定位近三年国考公告(剔除补录)→ 逐届取数 → 一次性渲染成按年份分组的岗位明细表。

与 position-select skill 的分工:那个 skill 处理「当前有职位表可选」的常规选岗;本 skill 专门处理「目标考试职位表还没出」的提前选岗,用历年数据代偿。触发词不重叠,不要混用。

何时使用

• 「今年国考职位表还没出,我能报什么岗?」
• 「帮我按往年国考数据提前选选岗。」「国考模拟选岗。」
• 用户想报国考,但 exam_search 里目标年份的公告 positionNum = 0 或搜不到 → 主动转本 skill。

不适用:用户问的是省考/事业编(本期只覆盖国考);目标年份职位表已发布(走 position-select skill)。

1. 开场定预期

第一句话就把口径说清,避免用户误以为在选今年的真岗:

• 新一年国考职位表尚未发布,本次基于近三年真实国考职位数据做参考选岗,岗位与竞争情况仅供参考,实际以官方公告为准。
• 模拟选岗全流程都需要登录:登录用户由服务端从请求识别,不需要也无法由你指定;未登录时 user_resume_get / position_select / position_group_render 直接返回 401,先引导用户登录再继续。

2. 简历门槛:学历 + 专业硬性,其余一轮引导

先 user_resume_get 探测。

学历或专业任一缺失 → 必须先补,不要跳过。 这两项是岗位硬过滤的地基,缺了出来的结果没有参考价值。转 resume skill 引导:

• 专业必须走 major_query 归一化确认后再存;
• eduBackgrounds 是全量覆盖语义,先读现有教育背景、合并本次改动后传全量。

其余核心字段(政治面貌 / 应届身份 / 意向地区 / 生日)一轮引导、允许跳过。 每项说明补了会怎样(「补上生日能筛掉超龄岗」「补上政治面貌才能判断党员限定岗」),用户不接话就按「不限」继续,不追问第二次。引导时优先输出选择卡片让用户点选(见 resume skill「交互形态」)。

3. 定位近三年国考(含补录过滤)

exam_search(query="国家公务员考试", filter.examType=["国考"], queryType="ANNOUNCEMENT", limit=20)。

• 国考是全国统一考试,filter.region 必须留空。
• 剔除补录考试:exam_search 没有补录专用字段,按 examName 判断——含「补录」「补充录用」「调剂」的一律排除。补录岗位是残余名额,竞争口径与正常批次不可比,混进来会误导用户。
• 从剩余项里按 year 倒序取 3 个不同年份、且 positionNum > 0 的公告,记下各自 articleId。同一年份有多条时取 positionNum 最大的那条。
• 相对年份(用户说「今年」)先解析成绝对年份再比。
• 命中不足 3 年就有几年用几年,并向用户说明只找到几年数据。

4. 逐届取数

对每个 articleId 调一次 position_select:

position_select(
  query = "<专业名 + 意向工作内容等自然语言>",
  filter.articleId = <该届公告 id>,
  filter.conditions = { eduBackground, politicStatus, workAddress, ... },
  limit = 20
)

硬规则:

• filter.region 留空(国考不属于任何省);用户的意向工作地放 conditions.workAddress。这是 position-select skill 的规则,此处同样适用。
• 专业默认拼进 query 做语义召回,精确匹配靠登录简历里的结构化专业;首轮不要传 conditions.majorIds——它只收窄不放宽,传了会排除全部「专业不限」岗位。某届结果明显过宽时才对该届补传一次:用 major_query 拿到该专业的三级 code(ID_nnn),去掉 ID_ 前缀后的数字作为元素,三级全传;本 skill 每次调用都带了 filter.articleId,专业目录已锁定。详见 position-select skill 的「专业的处理」。
• 一届一次调用,不要为同一届反复翻页。

5. 一次性渲染成分组表

三届结果一次性传 position_group_render：

position_group_render(
  title   = "近三年国考匹配岗位明细库",
  summary = "近三年共匹配到 8 个岗位，集中在基层法院与税务系统两条线。\n你的专业在司法行政类岗位上召回更稳，建议优先看法院系统。\n补齐基层工作经历后还能解锁一批定向岗位。",
  groups  = [
    { key: "2026", label: "2026年国考", summary: "匹配 18 个岗位,以税务与基层法院为主。", positionIds: [...] },
    { key: "2025", label: "2025年国考", summary: "...", positionIds: [...] },
    { key: "2024", label: "2024年国考", summary: "...", positionIds: [...] }
  ]
)

页面形态是顶部总结性分析 + 下方按年份分 tab 的岗位表，两处文案分工别写重：

• 顶层 summary = 页首的跨三年整体分析，可多段（段间用 \n），建议不超过 3 段：三年匹配趋势 / 推荐报考方向 / 下一步建议。
• 分组 summary = 该 tab 内的当年一句话特征（匹配数量、岗位分布），只讲这一年。

其余硬规则：

• 一次调用一张页面:不要分多次调用拼同一张表,也不要每届单独渲染一次。
• 只传分组标签 + positionId 顺序:招录单位、职位名称、招录人数、进面分、报录比等客观字段由服务端按 id 回捞,你复述反而可能与真实数据冲突。
• label 用人话(「2026年国考」)。
• 整体结论已经在页首 summary 里了,渲染后聊天区不要再复述一遍,直接进第 6 步收尾引导。

竞争数据的口径

进面分 / 报录比 / 报名人数都会明文展示在表格里,可以放心谈:

• 表格每一行都直接展示进面分与报录比,不必引导用户跳官网看。
• 但聊天区不要把表格里已有的数值再罗列一遍。顶层 summary 与分组 summary 同理:写岗位数量与分布特征,不逐个抄数字。
• 用户就某一个具体岗位追问竞争情况时,拿该岗位的 history 口述历年明细(表格只展示最近一年)。
• 不要凭印象猜数字:position_select 没返回的年份就说没有数据。

6. 收尾一轮

• 按结果里出现的限定岗类型引导补齐对应简历字段:限户籍岗→户籍;定向生源岗→生源地;退役军人/残疾人等专项岗→特殊身份;基层岗→基层经历 + 年限;民族限定岗→民族。一轮最多 3 项,用户不接话就结束。
• 提示可以继续追问某个具体岗位的历年竞争情况。
• 提示新职位表发布后可以重新选一次真岗(国考职位表通常 10 月中下旬发布)。

边界与错误处理

• 三届都没匹配岗位:按「放宽条件(去掉某限制、扩大意向地区)」引导重试,而不是直接说没有。
• 某一届取数为空:保留该年分组(表格会显示「该分组暂无匹配岗位」),并在结论里说明那年没有匹配岗位。
• exam_search 一条国考公告都没召回(下游异常时返回空 items,不报错):按「暂时取不到历年国考数据,建议稍后重试」兜底,不要用记忆里的年份硬编 articleId。
• 用户问的是省考/事业编:本 skill 只覆盖国考,转 position-select skill 或说明暂不支持按历年省考数据模拟选岗。