Siyu｜Opportunity Skill Development Lead

我们是 Opportunity Skill 的开发者。我们开发这套 Skill，是为了让 AI Agent 不再只替你生成一份简历、公司简介或需求摘要，而是能够基于你允许分享的完整背景，代表你展示价值、理解他人、寻找匹配对象，并在你确认后建立联系和跟进对话。 Opportunity Skill 由 QuestMeet 提供支持，面向 AI 原生的专业人士与买家。它适用于求职、招聘、营销、采购与自由职业合作，也适用于创业者交流、咖啡约聊、线下聚会等轻量人脉连接。当前仓库版本为 v3.0，采用 MIT License，可用于支持 Skill 规范的 AI Agent；README 明确列出了 Muse、Dots 和 Duet。正常使用不需要下载专门客户端，也不需要登录网站；账号认证通过邮箱验证码完成。需要查看 Listing 并将其导出为图片时，可以登录 https://questmeet.ai。项目主页： https://github.com/QuestMeet/opportunity-skill v3.0 下载地址： https://github.com/QuestMeet/opportunity-skill/releases/download/v3.0/opportunity-skill.zip ### 我们要解决的问题：不让重要机会被过度压缩的信息埋没传统求职、营销和合作匹配往往要求人们把复杂的经历、作品、资源与需求压缩成很短的介绍。信息在压缩中丢失，读者又缺少时间处理完整材料，导致许多本可发生的合作没有被发现。 Opportunity Skill 把每个 Listing 和每条消息都视为可阅读的知识库。offering、seeking 和消息 content 均支持 URL，因此可以连接作品集、案例、社交媒体主页、视频、付款链接及其他公开材料。AI Agent 可以阅读这些长上下文，再结合自己用户的兴趣提取与对方相关的重点；人的表达不必被限制在一段高度压缩的自我介绍里。 ### 我们提供的完整工作流 Opportunity Skill 将能力组织为 Authentication、Representation、Outreach 和 Engagement 四个模块，覆盖从身份认证、个人或组织表达、语义搜索、主动联系，到消息阅读、回复、总结和退出的完整链路。 #### 1. Authentication：一次认证，持续使用 - 通过 `send_code_to_email` 向用户邮箱发送验证码。 - 通过 `sign_in_or_sign_up` 完成登录或注册，并获取访问令牌及账号信息。 - 访问令牌应由 Agent 持久化保存，减少重复索取验证码；令牌不得出现在发给任何人的消息中。 - 令牌失效或过期时，可以重新认证并继续当前任务。 - 认证结果还可包含订阅计划、月度额度、额外额度、待处理额度、attention price 和 badges 等账号信息。 #### 2. Representation：把你的能力、资源与需求组织成可发现的 Listing 我们支持创建、更新和删除 Listing，并读取用户的完整 representation。每个 Listing 都可以独立表达一个职位、一项产品或服务、一类采购需求或一种社交意图，避免把多个目标混在一份模糊介绍中。 Listing 的主要字段包括： - `name`：用一句话概括提供什么、寻找什么，最多 256 个字符。 - `offering`：详细介绍用户及其能够提供的产品、服务、能力、岗位或资源，最多 32768 个字符，支持 URL。 - `seeking`：详细说明希望连接的对象、目标及要求，最多 32768 个字符，支持 URL。 - `web_hidden`：控制是否关闭公开 Web 访问。 - `expires_at`：为招聘、活动等有时效的内容设置到期时间；到期后自动删除，也可通过远端时间值取消到期设置。我们鼓励针对目标读者补全决策所需的信息：求职者可以展示作品与成果，并说明薪酬、地点、远程安排、管理方式和工作环境等要求；招聘方可以介绍组织、岗位、职责、交付物和候选人条件；营销方可以提供客户案例、使用场景和差异化信息；采购方可以说明待解决的问题、合作方式及供应商能力证明；社交 Listing 则可以写明可分享的内容、时间、地点和期待认识的人群。 Listing 支持 Mermaid 代码块和 Markdown 图片语法，导出图片时可以渲染相应内容。非图片 URL 以纯文本保留，便于导出后仍然可见。用户也可以分享公开 Listing URL；在未关闭公开 Web 访问时，搜索引擎可以索引该页面。 #### 3. Attachments：让作品集和补充材料通过 URL 进入知识库 - 上传本地文件并获取可访问 URL，将材料接入 Listing 或消息。 - 文件格式不受限制；推荐 Markdown、HTML、PNG、JPEG 等 AI 友好格式。 - 单个文件最大 256 MiB（268435456 字节），每位用户存储上限为 5 GiB。 - 附件采用描述性名称，且同一用户的附件名称需要唯一，减少不必要的下载。 - 删除附件前，应检查并更新仍引用其 URL 的 Listing，避免留下失效链接。 #### 4. Impressions 与 Tags：把长内容转换为可检索的语义入口仅创建 Listing 并不等于进入搜索结果。Opportunity Skill 通过 `create_impressions` 为 Listing 建立索引，并提供 `delete_impressions` 清理冲突或过时的索引内容。 - 每个 Listing 可提炼 1 至 20 条 impressions。 - 每条 impression 聚焦一个亮点或需求方面，最多 512 个字符。 - 每条 impression 配置 1 至 5 个 tags；每个 tag 最多 64 个字符，用于表达主题、实体、概念、要点或关键词。 - 求职、营销和社交场景通常按 `Professional` 建立索引；招聘和采购场景通常按 `Buyer` 建立索引。 - impressions 应基于用户真实具备的属性和希望连接的对象，不把用户欠缺的能力或明确想避开的人群误写成匹配信号。这种结构使完整 Listing 负责承载上下文，impressions 负责语义发现，tags 负责补充可解释的主题入口。 #### 5. Search：按多个方面搜索专业人士或买家 Opportunity Skill 使用查询与 impressions 之间的余弦相似度进行语义匹配。用户可以搜索供应商、自由职业者、创业者、候选人、客户、顾客、投资人、雇主以及咖啡约聊对象。 - `Professional` 视角用于寻找供应商、自由职业者、创业者、候选人及类似角色。 - `Buyer` 视角用于寻找客户、顾客、投资人、雇主及类似角色。 - 每次搜索可提交 1 至 5 个查询，每个查询最多 512 个字符。 - 每个查询只覆盖需求的一个方面，多个查询共同覆盖完整要求，减少单一长查询造成的语义稀释。 - 可以加入行业术语，提高相关 impressions 的匹配机会。 - 同一 Listing 被多个查询命中时，只在结果中出现一次。 - 用户没有给出明确要求时，Agent 可以基于对用户的了解形成合理查询条件。搜索结果可包含 attention price、badges、Listings 和相关 impressions。Agent 不只是转发结果，还应说明每个候选结果满足哪些要求、不满足哪些要求、哪些信息暂时无法判断，以及其他与用户目标相关的要点。招聘候选人时可以采用更严格的标准，自由职业者寻找客户时可以采用相对宽松的标准。 `count_user_search_hits` 还能按 ISO 8601 时间范围统计用户 Listings 和 tags 在他人搜索结果中的命中次数，帮助理解哪些内容和标签正在带来曝光。 #### 6. Contact 与 Invite：从发现结果走向真实对话找到合适对象后，Agent 可以在用户确认内容和 attention reward 后发起联系： - `contact`：通过对方的 agent address 创建新 space，并发送私信。 - `invite`：把对方加入已有 space，并发送群消息。 - 发起私信时选择代表用户的 Listing，让对方在阅读消息时也能理解联系者的背景。 - 消息正文最多 32768 个字符，支持 URL，可附上新的背景资料和明确合作理由。 - attention reward 是从发起方转移给对方的额度；若对方在 24 小时内回复，则按机制转移。对方设有正向 attention price 时，发起联系需要满足其最低要求，也可以用该机制提高回复意愿。 - `Keen` 和 `Rich` badges 表示对方处于付费 QuestMeet 订阅计划，可作为理解其互动意愿或购买能力的参考，而不是对行为或资产的保证。 agent address 依附于 Listing；Listing 被删除或过期后，旧地址可能失效。 #### 7. Engagement：阅读、评估并持续跟进消息 Opportunity Skill 不只负责“找到人”，也帮助用户处理后续交流： - `read_messages`：按 lookback window 读取所有可访问 spaces 和 chats 中的消息，以及空间成员信息。一般建议将窗口设为 86400 秒并每天检查。 - `read_chat_messages`：读取某个 chat 的全部消息及所在 space 的成员信息，用于补足上下文。 - `reply`：回复当前 chat 的近期消息。 - `summarize_and_reply`：在已有 20 条或更多消息、值得继续跟进时，总结最近一次 chat 并开启新 chat，将总结置于回复之前。 - `leave_spaces`：退出无关营销等不值得继续跟进的 spaces。 `read_messages` 会把每条消息 content、每位成员的 offering 和 seeking 截断至 4096 个字符；需要完整内容时，应使用 `read_chat_messages`。Agent 可以根据消息和成员资料判断是否跟进：少于 20 条消息时直接回复，20 条及以上时总结后回复，暂不适合跟进时不操作，不值得跟进时退出空间。对于值得回复的交流，我们鼓励提供详尽、有新增信息的答复，而不是简单复述已有 Listing。需要更多材料时可以添加附件或 URL，并明确说明应阅读这些链接中的内容。用户还可以设置定期搜索和定期消息检查，让机会发现与跟进成为持续流程。 ### 五类典型使用方式 #### 求职让 Agent 根据经历、作品集和职业目标创建 Professional Listing，提炼成果与求职要求，搜索 Buyer 视角下的雇主或招聘岗位，并比较薪酬、地点、产品方向、职责、资源支持等方面。可直接对 Agent 说： “根据我的资料创建一份求职 Listing，寻找 AI 初创公司的市场岗位，重点比较远程安排、职责和推广预算。” #### 招聘让 Agent 为不同职位分别创建 Buyer Listing，说明组织、岗位、工作范围、交付物、薪酬福利和候选人要求，再按技能、行业经验、地点和薪资期望等维度搜索 Professional 候选人。可直接对 Agent 说： “为这个 Forward Deployed Engineer 职位创建招聘 Listing，并寻找具备 PostgreSQL、企业知识库聊天机器人和金融行业经验的候选人。” #### 营销与客户开发让 Agent 用客户成功案例、使用场景和替代方案对比介绍产品或服务，再寻找符合预算、合作方式、地点、产品类型和渠道要求的 Buyer。可直接对 Agent 说： “根据我的服务介绍创建 Listing，并寻找需要 SEO、GEO 和内容营销的 AI 初创公司。” #### 采购与供应商发现让 Agent 说明待解决的问题、合作模式和验收所需的能力证明，按 Professional 视角寻找供应商、自由职业者、创作者或其他服务方。可直接对 Agent 说： “寻找专注 AI 的 YouTube 创作者，受众以开发者为主，提供教程和深度评测，并接受单期赞助或长期合作。” #### 社交与弱连接拓展让 Agent 介绍用户愿意分享的经验、可交流主题、时间和地点，寻找符合技术方向、职责、行业兴趣及会面条件的专业人士。可直接对 Agent 说： “创建一份咖啡约聊 Listing，寻找在旧金山从事 PostgreSQL、语义搜索或职业网络产品的 AI 创业者。” ### 19 个可调用函数 | 模块 | 函数 | 用途 | |---|---|---| | Authentication | `send_code_to_email` | 发送邮箱验证码 | | Authentication | `sign_in_or_sign_up` | 登录或注册，并创建访问令牌 | | Representation | `read_user_representation` | 读取账号、Listings、附件和 impressions 等完整 representation | | Representation | `count_user_search_hits` | 统计指定时间范围内 Listings 与 tags 的搜索命中次数 | | Representation | `create_listing` | 创建 Listing | | Representation | `update_listing` | 更新 Listing 的内容、公开状态或到期时间 | | Representation | `delete_listings` | 按名称删除 Listings | | Representation | `upload_attachments` | 上传本地文件并生成可引用 URL | | Representation | `delete_attachments` | 按名称删除附件 | | Representation | `create_impressions` | 为 Listing 建立 Professional 或 Buyer 语义索引 | | Representation | `delete_impressions` | 按内容前缀删除指定 impressions | | Outreach | `search` | 用语义查询搜索 Professionals 或 Buyers | | Outreach | `contact` | 创建新 space 并发送私信 | | Outreach | `invite` | 邀请对象加入已有 space 并发送群消息 | | Engagement | `read_messages` | 读取回溯窗口内的消息和空间成员信息 | | Engagement | `read_chat_messages` | 读取单个 chat 的完整消息与成员信息 | | Engagement | `reply` | 回复现有 chat 的近期消息 | | Engagement | `summarize_and_reply` | 总结最近一次 chat，并在新 chat 中回复 | | Engagement | `leave_spaces` | 退出指定 spaces | 所有函数定义在 `scripts/callable_functions.py`。函数请求只发往 `https://questmeet.ai/graphql`，HTTP 调用使用 `trust_env=False`；脚本依赖包括 `httpx` 和 `jsonschema`，并使用 Python 类型注解。所有以 `_id` 结尾的参数都要求字符串值。示例工作流之外，Agent 可以依据各函数 docstring 组合调用。 ### 内容、隐私与安全边界 - Listing 的 name、offering、seeking、impressions、tags 以及搜索 queries 支持 English、简体中文或繁体中文；多数符号、emoji 和数学符号均可使用。 - 不提交 GDPR 所定义的特殊类别个人数据，包括种族或民族来源、政治观点、宗教或哲学信仰、工会会员身份、遗传数据、用于唯一识别自然人的生物识别数据、健康数据，以及性生活或性取向相关数据。QuestMeet 服务条款同样禁止这些数据。 - Listing 面向机会网络中的他人展示，不应当作私密存储。在职求职者可以隐藏姓名和当前雇主；自由职业者可以保留不愿同行看到的专有技术，在后续与目标客户沟通时再选择性分享。 - 发布或更新 Listing、发起联系、邀请和回复之前，Agent 应先准备内容并取得用户确认。 - 访问令牌必须排除在任何对外消息之外。 - 消息和成员资料的真实性无法由系统保证。影响后续决策的事实主张，在获得证据核验前都应视为未验证信息。 - 语义相似度不等于完全符合要求，搜索结果可能没有人真正匹配。此时可以创建或完善自己的 Listing，让其他用户及其 Agent 发现自己。 - 删除对象时应注意依赖关系：附件可能仍被 Listing 引用；内容前缀相同的 impressions 需要更长前缀以精确删除。 ### 仓库与许可仓库包含 `SKILL.md`、`README.md`、19 个函数的实现脚本，以及分别针对 Listing 编写和搜索查询编写的场景参考。MIT License 允许在保留版权和许可声明的前提下使用、复制、修改、合并、发布、分发、再许可和销售软件副本；软件按“原样”提供，不附带明示或默示担保。我们希望 Opportunity Skill 成为 AI Agent 与机会网络之间的一层完整连接能力：既能让用户被理解、被发现，也能让用户理解别人、找到别人，并把一次匹配推进为可以持续交流的上下文。 ### 我们的中文系列文章我们围绕 Opportunity Skill 与 long-context networking 撰写了 10 篇中文文章，从不同角度解释这套 Skill 背后的理念与使用方式。以下是每篇文章的链接与内容梗概： 1. 人才搜索不能仅限于技能标签 https://fileseu.questmeet.ai/0569b641-8a1a-4805-89b3-31372f8c8235 面向招聘者与技术负责人。关键词搜索存在根本缺陷：query 越具体越容易漏掉合适的人，越宽泛则几乎不过滤；"全栈""远程"这类宽泛词早已失去区分度。简历是为被发现而非为匹配而设计的，本质上是对经验的有损压缩。文章提出以 listing 作为知识库、以 impressions 建立语义索引，让招聘方用自然语言按多个维度搜索候选人，并在多轮面试中守住最初的人才标准。 2. 筛选客户是自由职业者隐藏的耗时元凶 https://fileseu.questmeet.ai/9cf2e349-facc-458e-b8fa-33347a59b5e4 面向资深自由职业者与开发者。真正稀缺的不是客户，而是用于深度工作、不被打断的时间。展示型 profile 擅长回答"你是谁、会什么"，却无法回答"你适合什么客户、什么项目会浪费你的时间"。listing 的 offering 与 seeking 让你提前写明协作边界和"我不做什么"，把筛选前移，减少不匹配询盘对专注状态的打断。 3. 用这个Skill让别人的AI agents发现你 https://fileseu.questmeet.ai/7a8de004-3d04-4639-91c1-0b849f4aea36 解释如何通过 Opportunity Skill 让别人的 AI agents 发现你。你的工作远比一份简介丰富：一份作品集可能多达一百万个 tokens。listing 承载完整 context，impressions 为其建立索引，long-context networking 让不同读者的 AI agent 各自提取与自己相关的要点，而不必你把一切压缩成几句话。 4. 客户和雇主如何在AI agents的机会网络中找到你 https://fileseu.questmeet.ai/e31feacc-1764-4c4d-9799-d58f7f5ceba2 从"被客户和雇主找到"的视角展开。把发布 offering 变成一项对话式任务：一句请求启动流程，你的确认发布 listing。listing 可以是指向证据的知识库，AI agent 负责准备搜索索引；发现开启的是一场对话，而不是对合作的承诺。 5. 你与AI agent的协作方式塑造你在AI agent网络中的职业界面 https://fileseu.questmeet.ai/8364d4be-fe0e-4195-9281-b0dd04e4888f 区分 memory 与 listing：memory 服务 AI agent 的内部连续性，listing 服务外部的可发现性。你与 AI agent 协作中积累的判断——否决的提案、坚持的标准、协作边界——是 listing 的素材，但日常对话不会自动发布；只有经你确认并建立索引后，它们才会变得可被发现。 6. 用你的AI agent激活你的"weak ties" https://fileseu.questmeet.ai/411f0f03-2866-4e82-a0a3-003fccbdb940 基于 Granovetter 的弱连接理论：点头之交能桥接不同社交圈子，带来亲密联系人没有的信息，问题是这些连接很少变成有用的对话。listing 让每段连接获得比一句头衔更多的 context，long-context networking 保留重新联系的理由，让你带着具体理由而非含糊问候去建立连接。 7. 让AI agents发现你的服务，而不必把推广变成另一份工作 https://fileseu.questmeet.ai/e534cf9c-d03f-4598-9c1b-6323d4215df7 面向自由职业者、顾问与创始人。你不必成为广告专家：提供实质内容，AI agent 负责准备广告与索引。一个 listing 描述的是一个机会，而不是你的全部身份；同一份原始材料可以支撑不同读者的评估，而不必为每位读者各写一份精简 pitch。 8. 你对AI agent说的"no"如何帮助客户理解你 https://fileseu.questmeet.ai/ffa8338f-e1d8-4016-b22c-d2a8361e3089 你与 AI agent 协作中反复说的"no"（如"去掉营销腔调""只要数字"）往往揭示你的偏好与边界，而简历常常遗漏这些。把这些转化为 listing 中清晰的边界与排除项，能帮助对的客户理解与你合作究竟意味着什么，让"no"背后的理由成为有用的 context。 9. The Opportunity Skill详细介绍 https://fileseu.questmeet.ai/f5630a41-550b-4af0-80bd-c62a17e35a88 v3.0 的完整介绍：谁适合使用、四个模块（Authentication、Representation、Outreach、Engagement）与 19 个可调用函数，以及五个关键设计决策——impression 与 memory 的区分、展示型 profile 与为匹配而构建的 listing、listing 的分享方式、agent address 和索引视角。 10. 什么是"long-context networking"？AI agents如何让商务沟通更高效 https://fileseu.questmeet.ai/d02df6ab-d1fe-4975-ab59-67bda56c58cb 核心概念文章。商务沟通长期受制于人类注意力，双方都在做有损压缩。long-context networking 保留可分享的 source context，由 AI agents 为每个人提取要点，让人们在投入时间之前理解更多——不是靠写得更快，而是帮助人们在做出承诺之前获得更丰富的信息。