socrates-career-ops

输入「能力画像」和「市场上真实在招的岗位」，输出一条从现状到目标岗位的可执行学习之路，并在学习过程中持续提供自测、进度验收与画像更新。取意苏格拉底式追问：不直接给答案，用诊断和自测引导学习者自己走到答案。

核心模块

评估内建：金标 20 条（三判官盲标、全共识、0 冻结）、盲测切集 7 条、六项指标；loop-check 健康门（15 门，exit 0 = 全绿）作为总闸。

技术栈

• 编排层：Claude Code Agent CLI + skills 文档（每个流程一个 skill，内置评测协议）+ 文件当状态；不建自研框架
• 确定性逻辑：Python —— Pydantic schema、YAML 数据、pytest；语义判定（方向/档位/差距/金标）由判官现场完成，Python 层零词表匹配
• 服务与前端：FastAPI + uvicorn 只读数据 API + 自测卡服务；block4/ 原生 JS 前端（考试隐喻界面、打印适配）
• 评估：判官协议 + LLM-as-Judge 兜底；FSRS 6.3.2 集成进自测调度

快速开始

• 克隆自带 20 条 JD、匹配产物与规划产物（data/）；能力画像（data/profile/）需自备
• 真数据测试（规划引擎/诊断）在缺画像时自动跳过，所以克隆即可跑测试
• 无 API key：判官走本地 claude CLI 按需调用；不使用判官时整套可离线跑
• 真 CLI 轮（SOCRATES_PROBE_LIVE=1）默认跳过

MCP 数据服务器

仓库根 .mcp.json 把 python -m socrates.mcp_server 注册为项目级 MCP server（socrates-data）。手写 stdio JSON-RPC 2.0 子集，零新增依赖，提供 5 个只读工具：

• list_jobs / get_job_requirements / get_match_gaps / search_skills / get_profile

设计要点：全部只读，写入命令只留在人工 CLI（match/apply/golden-sync）；Agent 传参不可信——jd_id 校验正则且在岗库、keyword 长度界 1-64；判官与追问（答案层）不进工具面。定位是「跨会话复用的数据查询面」，一次性流程过程（判官轮、判级）不用工具面，直接内联脚本或 skill。

设计取舍

• 数据是第一位公民：先定 schema 再写代码；数据随仓库入库，成果即证据
• 语义判定与计算分离：LLM 判官做判定、Python 做校验与算术；判官错误由评估协议约束，不靠硬编码词表兜底（Python 层零词表匹配）
• 静态金标 + 显式再标定：评测锚点固定，画像随学习移动；只在真实周期回流后走共识流程再标定，不静默改动标准
• 每块独立可运行：各模块自带评测集与健康门，loop-check 看全貌
• 信任边界：AI 评估和建议，人决定和行动

苏格拉底追问（可选）

自测卡上点「🤔 追问」会走本地 claude CLI 生成一句苏格拉底式提问。默认关闭；开启需在 data/settings.json 写 {"probe": "cli"}（该文件本机维护，不入库）。追问端只读、不写卡状态。