离线对比两份JUnit XML报告，分别列出新增失败、恢复、新增与移除的测试用例，保留来源身份并输出差异报告。需自行提供CPython 3.11.1；不执行测试、不推断失败根因。
把JD和所有履歷一次貼進去，AI根據硬性條件逐一核查每位候選人，輸出有憑有據的Tier 1/2/3分級推薦和客製面試題。不靠感覺篩人，每個判斷都有原文為證。適合HR、招募專員、用人主管、新創創辦人。 Paste your JD and all candidate materials at once. The agent checks hard requirements line by line, evaluates each candidate with concrete evidence, and delivers Tier 1/2/3 interview-priority rankings with custom follow-up questions. No gut-feel judgments — every call is backed by what's actually in the materials. Built for HR teams, recruiters, and hiring managers.
审稿人总说您的英文"不够自然",却从不告诉您具体该改什么。本工具专门帮您识别那些在编辑和审稿人面前暴露非母语写作痕迹的系统性模式,如:冠词误用、连接词过度、中式英语、时态不一致。针对每种模式,您将看到一句话的"原稿 vs 更自然的英语学术表达"直观对照,并获得可举一反三的修改规则。每次分析最多提供5个核心模式。如果您的文章已经足够自然,本工具不会勉强指出不存在的问题。
拥有20年招聘经验、审阅过数十万份简历的资深HR的实战判断框架，用于简历筛选评估与面试教练。适用两类场景：(1) 求职者请求"帮我看看这份简历""这份简历有什么问题""帮我准备面试""陪我模拟面试""这个面试问题该怎么回答"；(2) 招聘方/HR/面试官请求"帮我筛选这些简历""这个候选人怎么样""帮我设计面试题""这份简历有什么疑点/红旗"。只要用户提到简历诊断、简历评估、面试准备、模拟面试、候选人评估、面试题设计、识别简历造假/注水/跳槽风险等，都应主动使用此技能，即使用户没有明确说"用这个技能"。尤其适合科技/研发/技术类岗位，但招聘判断逻辑对通用岗位同样适用。
I've spent years in fitting bays reading Trackman data — this Skill works the way a $200/hour fitting reads: paste your Trackman, GCQuad, Mevo+, R10, or sim numbers and get the one dominant diagnosis, an honest technique-vs-equipment verdict, exact spec directions when equipment is truly the problem, and a practice prescription with a measurable checkpoint. It will tell you NOT to buy a new driver when the data says strike training, which is exactly why you can trust it when it says the opposite
用 AI 寫東西最煩的不是它寫不出來，是每次都要重講一遍你是誰——上個對話講過的受眾和語氣，下次全部歸零，結果這篇像顧問、下篇像網紅。這支把定位、受眾、語氣、禁用詞固定成一份檔，之後每篇產出都先讀它。三種模式：建立定位（一次問 1–3 題，不是丟一張空白問卷）、套用到輸出、稽核既有內容哪裡偏離。