Install any skill in seconds. Free to start, no credit card required.
Get Started Free →한국 취준생·재직 이직자를 위한 채용공고(JD) 분해·기업 리서치·헤드헌터 오퍼 검증 스킬입니다. "채용공고 분석해줘", "JD 분석", "이 회사 어때?", "헤드헌터 오퍼 검토"처럼 말하면 됩니다. JD에서 필수/우대 역량 추출 + 본인 경험 매칭 + DART·잡플래닛·블라인드·사람인 공고 이력 종합 분석 + 2026 핀셋 채용 시대의 회사 현재 우선순위 추출까지 지원합니다.
.claude/skills/modu-ai-job-analyzer/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-04 | ✗→✓ | ▲ Improved | 88% | 0% |
| case-05 | ✗→✓ | ▲ Improved | 104% | 0% |
| case-07 | ✗→✓ | ▲ Improved | 111% | 0% |
| case-10 | ✗→✓ | ▲ Improved | 101% | 0% |
| case-11 | ✗→✓ | ▲ Improved | 150% | 0% |
> 2026 한국 채용 시장은 소규모 핀셋(정밀) 채용으로 전환되었습니다. "수십 명 뽑는 공고에 일단 지원" → "지원 이전 단계에서 지원할지 말지 결정"하는 구조로 바뀌었으며, 본 스킬은 그 결정에 필요한 JD 분해 + 기업 리서치 + 헤드헌터 오퍼 검증을 한 번에 처리합니다.
| 영역 | 설명 | |------|------| | JD 분석 | 채용공고에서 필수/우대 역량 추출, 키워드 매핑 | | 경험 매칭 | 내 경험과 JD 역량 매칭 → 자소서 소재 발굴 | | 기업 분석 | 기업 문화, 최근 동향, 성장성, 경쟁사 비교 | | 전략 수립 | 지원 전략 로드맵, 약점 보완 계획 |
참조 가이드: references/jd-analysis-guide.md
대다수 지원자는 JD를 단순 요약. 합격자는 4단계로 분해.
[1] JD 키워드 추출 — 명사·동사·기술명 (15~20개)
[2] 키워드 우선순위 — 본문 첫 단락 빈도 5점, 우대사항 2점
[3] 본인 경험과 매칭 — 키워드 1개당 1 경험 (CAR 형식)
[4] 매칭 점수 70%+ 시 차별화 메시지 도출매칭 점수가 70% 미만이면 다른 회사 우선 또는 갭 메우는 전략.
면접·자소서의 차별점은 기업분석 깊이.
| 1탭: 홈페이지 (감성·전략) | 2탭: DART (객관·재무) | |---|---| | 회사 비전·미션 | 매출·영업이익 3년 트렌드 | | 사업 영역·신사업 | 사업부문별 매출 비중 | | 인재상·문화 | R&D 투자·신규 채용 규모 | | 최근 1년 보도자료 | 임원진 변동 | | 채용 페이지·복지 | 경쟁사 비교 (감사보고서) |
DART에서 본 정보를 자소서·면접에 인용하면 깊이가 다름.
[1] 본인이 한 일 모두 나열 (3년치)
[2] 일을 행동 동사로 변환 ("회의 진행" → "이해관계자 조율")
[3] 행동에서 역량 도출 ("조율" → "커뮤니케이션·조정 역량")
[4] 역량 6~8개로 압축 + 우선순위
[5] JD 매칭 + 갭 분석수시채용 비중 70%+ (대기업 인사담당자 기준):
채용공고를 다음 요소로 분해합니다.
[직무 개요] → 핵심 역할과 포지션 레벨 파악
[담당 업무] → 일상 업무 vs 프로젝트성 업무 구분
[필수 자격] → MUST-HAVE: 없으면 지원 불가
[우대 사항] → NICE-TO-HAVE: 있으면 차별화
[근무 조건] → 계약 형태, 위치, 보상 구조
[기업 문화] → 복지, 팀 분위기, 성장 지원| 분류 | 예시 | 가중치 | |------|------|--------| | 하드 스킬 | Python, SQL, Figma, 재무 분석 | 높음 | | 소프트 스킬 | 커뮤니케이션, 리더십, 문제해결 | 중간 | | 도메인 지식 | 핀테크, 이커머스, 헬스케어 | 높음 | | 자격/인증 | SQLD, CPA, 정보처리기사 | 조건별 |
역량 항목 | JD 요구 수준 | 내 보유 수준 | 갭 | 자소서 소재
─────────────┼─────────────┼─────────────┼─────┼──────────────
Python | 상 | 중 | ▲ | 프로젝트 X 경험
데이터 분석 | 중 | 상 | ◎ | 인턴 성과 강조
팀 리더십 | 중 | 중 | ─ | 동아리 회장 경험| 항목 | 확인 내용 | 소스 | |------|----------|------| | 사업 모델 | 주요 매출원, B2B/B2C, 핵심 제품 | 사업보고서, IR 자료 | | 재무 건전성 | 매출 추이, 영업이익률, 투자 라운드 | 전자공시(DART), 뉴스 | | 조직 문화 | 수평/수직, 원격근무, 복지 | 잡플래닛, 블라인드, 채용 페이지 | | 최근 동향 | 신사업, 인수합병, 리더십 변화 | 뉴스, 보도자료 | | 경쟁 환경 | 주요 경쟁사, 시장 점유율, 차별화 | 산업 보고서 | | 채용 패턴 | 공채/수시, 채용 주기, 선호 인재상 | 과거 공고, 채용 후기 |
사람인 출신 헤드헌터가 시장 오퍼의 90% 이상을 차지합니다 (사람인 vs 잡코리아 2026 비교 참고). 본 스킬은 오퍼를 다음 5축으로 검증합니다.
| 검증 축 | 본 스킬 자동 처리 | |---|---| | JD 명시성 | 직무·연봉·조직 규모·보고 라인이 구체적인가 (모호하면 추가 질문 리스트) | | 회사 재무 | DART에서 3년 영업이익률·자본잠식·부채비율·감사의견 자동 점검 | | 조직 분위기 | 잡플래닛 평점·블라인드 후기 사실/의견 분리 | | 채용 이력 | 같은 회사 같은 직무 6~12개월 채용 이력 — 이직률 추정 | | 헤드헌터 신뢰도 | 첫 미팅 = 1차 면접. 영문/국문 이력서 병행 요구 여부, 희망 연봉 ±20% 협상 가능 여부 |
채용공고, JD, 공고분석, 기업분석, 회사분석, 직무분석, 역량매칭, 지원전략, 헤드헌터, 오퍼 검증, 잡플래닛, 블라인드, 핀셋채용, 수시채용, DART
참조 가이드(references/)를 사용할 수 없는 경우 다음 단계로 실행합니다.
references/{id}.md 존재 시 로드 → 가이드에 따라 실행--deepthink 또는 복잡한 다기업 비교 분석 → sequential-thinking MCP가 설치돼 있으면 mcp__sequential-thinking__sequentialthinking를 활용, 없으면 ultrathink 키워드 기반 심층 추론 또는 일반 단계 추론으로 대체이 플러그인에서 활용할 수 있는 다른 플러그인의 에이전트:
| 에이전트 | 소속 | 용도 | |---------|------|------| | quality-evaluator | moai-core | 산출물 품질 PASS/FAIL 판정 | | korean-tone-reviewer | moai-hr | 직급별 경어 사용 및 비즈니스 톤 적절성 검토 |
moai-career:resume-builder 스킬을 사용하세요.moai-career:interview-coach 스킬이 적합합니다.moai-career:portfolio-guide 스킬을 사용하세요.moai-business:market-analyst 스킬이 적합합니다.| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→fail | 22,523 | 20,402 | -9% | 1 | 1 | 0% | 3,563 | 6,307 | +77% | 0 | 0 | — |
case-02 | fail→fail | 20,598 | 21,028 | +2% | 1 | 1 | 0% | 3,224 | 6,589 | +104% | 0 | 0 | — |
case-03 | fail→fail | 16,693 | 15,045 | -10% | 1 | 1 | 0% | 1,855 | 5,780 | +212% | 0 | 0 | — |
case-04 | fail→pass | 20,849 | 19,002 | -9% | 1 | 1 | 0% | 3,328 | 6,251 | +88% | 0 | 0 | — |
case-05 | fail→pass | 18,999 | 16,483 | -13% | 1 | 1 | 0% | 2,882 | 5,868 | +104% | 0 | 0 | — |
case-06 | fail→fail | 19,561 | 22,854 | +17% | 1 | 1 | 0% | 2,777 | 6,643 | +139% | 0 | 0 | — |
case-07 | fail→pass | 20,202 | 18,455 | -9% | 1 | 1 | 0% | 2,979 | 6,292 | +111% | 0 | 0 | — |
case-08 | pass→pass | 11,318 | 9,710 | -14% | 1 | 1 | 0% | 1,692 | 4,776 | +182% | 0 | 0 | — |
case-09 | pass→pass | 16,594 | 16,931 | +2% | 1 | 1 | 0% | 2,469 | 5,974 | +142% | 0 | 0 | — |
case-10 | fail→pass | 21,617 | 19,976 | -8% | 1 | 1 | 0% | 3,157 | 6,337 | +101% | 0 | 0 | — |
case-11 | fail→pass | 14,399 | 12,904 | -10% | 1 | 1 | 0% | 2,176 | 5,447 | +150% | 0 | 0 | — |
case-12 | fail→pass | 19,850 | 19,705 | -1% | 1 | 1 | 0% | 2,858 | 6,328 | +121% | 0 | 0 | — |
case-13 | pass→pass | 15,300 | 17,500 | +14% | 1 | 1 | 0% | 2,313 | 5,850 | +153% | 0 | 0 | — |
case-14 | fail→pass | 15,851 | 17,918 | +13% | 1 | 1 | 0% | 2,687 | 6,274 | +133% | 0 | 0 | — |
case-15 | fail→pass | 17,989 | 18,751 | +4% | 1 | 1 | 0% | 2,858 | 6,115 | +114% | 0 | 0 | — |
case-16 | fail→fail | 19,564 | 22,176 | +13% | 1 | 1 | 0% | 3,077 | 6,772 | +120% | 0 | 0 | — |
case-17 | pass→pass | 32,474 | 35,988 | +11% | 1 | 1 | 0% | 5,085 | 8,869 | +74% | 0 | 0 | — |
case-18 | fail→fail | 16,361 | 15,806 | -3% | 1 | 1 | 0% | 2,523 | 5,932 | +135% | 0 | 0 | — |
case-19 | pass→pass | 17,686 | 18,101 | +2% | 1 | 1 | 0% | 2,824 | 5,987 | +112% | 0 | 0 | — |
case-20 | fail→fail | 7,348 | 11,508 | +57% | 1 | 1 | 0% | 1,192 | 5,282 | +343% | 0 | 0 | — |
case-21 | fail→fail | 21,394 | 18,055 | -16% | 1 | 1 | 0% | 3,259 | 6,068 | +86% | 0 | 0 | — |
case-22 | fail→fail | 22,708 | 22,032 | -3% | 1 | 1 | 0% | 3,390 | 6,728 | +98% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +36 percentage points is the difference between those two pass rates over the 22 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.