agentCLAWHUBUnverified
ai-career-position
找到你在 AI 时代最值得站的位置。当用户说「评估这个JD」「分析这个职位」「这个岗位怎么样」「这个offer值不值得去」「比较offer」「准备面试」「帮我找方向」「我适合什么方向」「该不该转行」「改简历」「看看我的简历」「识别外包/培训贷」时使用。粘贴一个招聘JD（文本/URL/截图），本地评估匹配度、识破外包与培训贷骗局、对标职级与总包、生成过国内ATS的中文简历、准备面试、追踪投递、比较offer。投递永远由用户自己完成。 Skill: ai-career-position Owner: tanchunzhuo Summary: 找到你在 AI 时代最值得站的位置。当用户说「评估这个JD」「分析这个职位」「这个岗位怎么样」「这个offer值不值得去」「比较offer」「准备面试」「帮我找方向」「我适合什么方向」「该不该转行」「改简历」「看看我的简历」「识别外包/培训贷」时使用。粘贴一个招聘JD（文本/URL/截图），本地评估匹配度、识破外包与培训贷骗局、对标职级与总包、生成过国内ATS的中文简历、准备面试、追踪投递、比较offer。投递永远由用户自己完成。 Tags: latest:0.1.0 Version history: v0.1.0 | 2026-08-26T03:15:47.952Z | auto Initial release of ai-career-position - Evaluate job descriptions for f
OpenClaw
Rank
62
Safety
84
Downloads
1.1k
Updated
Oct 11, 2026
Version
0.1.0
Source
CLAWHUB
About
What it does, and when to use it.
Capability contract not published. No trust telemetry is available yet. 1.1K downloads reported by the source. Last updated 10/11/2026.
Avoid when
- Contract metadata is missing or unavailable for deterministic execution.
Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing
Public facts
Every fact links back to the source it came from.
- Vendor
- Clawhubvendor · observed Oct 11, 2026
- Protocol compatibility
- OpenClawcompatibility · observed Oct 11, 2026
- Adoption signal
- 1.1K downloadsadoption · observed Oct 11, 2026
- Latest release
- 0.1.0release · observed Aug 26, 2026
- Handshake status
- UNKNOWNsecurity
Install and run
Setup complexity: low.
clawhub skill install s17d7cd3fah9rs76geak5zdtqn8d680d:ai-career-position- Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
- Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.
Contract: missing
curl -s "https://www.xpersona.co/api/v1/agents/clawhub-tanchunzhuo-ai-career-position/snapshot"
Run-check
$0.02 USD1 measured facts are behind this paywall: success rate and latency, uptime and estimated cost, when not to use it, how to call it, benchmark scores.
Agents pay $0.02 in USDC. A card payment is $0.50, the smallest a card allows.
Documentation
CLAWHUB
29,599 characters of source documentation, loaded on request.
Extracted files
5 files captured from the source.
SKILL.md
--- name: ai-career-position description: "找到你在 AI 时代最值得站的位置。当用户说「评估这个JD」「分析这个职位」「这个岗位怎么样」「这个offer值不值得去」「比较offer」「准备面试」「帮我找方向」「我适合什么方向」「该不该转行」「改简历」「看看我的简历」「识别外包/培训贷」时使用。粘贴一个招聘JD（文本/URL/截图），本地评估匹配度、识破外包与培训贷骗局、对标职级与总包、生成过国内ATS的中文简历、准备面试、追踪投递、比较offer。投递永远由用户自己完成。" license: MIT version: 1.0.0 metadata: author: tanchunzhuo homepage: https://github.com/tanchunzhuo/ai-career-position --- # AI职业选位（ai-career-position） > 找到你在 AI 时代最值得站的位置。 > > 粘贴一个 JD（文本/URL/截图），本地评估匹配度、识破外包与骗局、对标职级与总包、生成过国内 ATS 的中文简历、准备面试、追踪投递、比较 offer。投递永远由用户自己完成。 --- ## 0. 三条铁律（任何模块都不得违反） 1. **人机协同，不是自动求职机**：所有投递、发送、点击、提交动作必须由用户手动完成。绝不登录招聘平台、绝不自动投递、绝不存储账号密码。 2. **隐私优先，100% 数据本地**：简历、JD、追踪记录全部以纯文本（Markdown/TSV/JSON/YAML）存于用户授权的本地工作目录 `workspace/`。不上传、不外发、不内置遥测。 3. **不造假、不替用户做决定**：简历优化只做"真实经历的准确呈现"，红线检测只做"提示去核验"，薪资数据标注来源与时点，不承诺结果。 --- ## 1. 触发词 - `评估这个 JD` / `分析这个职位` / `这个岗位怎么样` - `/ai-career-position`（后接参数：`inbox` / `tracker` / `radar` / `resume` / `story` / `offer`） - `比较 offer` / `准备面试` / `帮我找方向` / `我适合什么` / `看看这个简历` ## 2. 输入处理 **输入类型**（按优先级）： 1. 粘贴的 JD 文本； 2. JD URL（提示用户手动打开并复制正文，或用 Bookmarklet 存入 inbox；**绝不自动抓取批量页面**）； 3. 截图（走宿主 OCR）； 4. `workspace/inbox/*.json`（Bookmarklet 抓取，`/ai-career-position inbox` 扫描）； 5. 对话补全（用户直接描述岗位）。 **识别字段**： - 来源平台：BOSS直聘 / 猎聘 / 拉勾 / 智联招聘 / 牛客 / 应届生求职网 / 公司官网 / 外企官网 / 其他； - 招聘类型：**社招 / 校招 / 实习 / 管培生 / 外包**； - 行业、城市、岗位方向。 **必读文件**： - `workspace/cv.md`（用户主简历） - `workspace/profile.yml`（用户画像：期望薪资、城市、红线、校招/社招、雷达锁定的方向） - 若已跑过侧翼雷达，读取其锁定的"交集坐标"，用于加权匹配。 ## 3. 编排流程 ``` 0. 首次使用，或用户说"找方向/我适合什么/不知道投什么"时 → 先跑 prompts/radar.md（侧翼雷达），产出候选交集坐标 + 目标岗位清单 → 写入 workspace/profile.yml 的 radar_locked 字段 1. 当用户给出具体 JD： → 解析清洗（§4 规范：来源、类型、行业、城市；中式薪资格式解析；福利制度；合同主体与外包识别） 2. 读取 workspace/cv.md 与 workspace/profile.yml 3. 若识别为 校招/实习/管培生 → 追加 prompts/school_recruit.md 4. 并行/顺序执行 A–G 七模块（prompts/A~G_*.md），每模块输出结构化结果 5. 按权重聚合综合评分（默认权重见下），给出 投/不投 建议 + 行动清单 6. 用户确认后，将记录写入 workspace/data/applications.tsv，状态"已评估" 7. 按需触发：简历生成（templates/ + scripts/resume_render.py）、面试准备（F + story_bank）、offer 比较（offer_compare.md） ``` **评分权重（默认，可被用户 profile.yml 覆盖）**： | 模块 | 权重 | 说明 | |---|---|---| | B 匹配度 | 25% | CV vs JD | | D 薪酬 | 20% | 市场对标 + 总包拆解 | | G 红线 | 25% | **可一票否决**：命中"诈骗/严重违法"类红旗 → 综合评分直接 ≤2.0 并置顶警告 | | C 职级 | 10% | 职级对标与年限预期 | | A 角色 | 10% | 岗位本质 | | E 个性化 | 10% | 投递策略 | | F 面试 | — | 不参与评分，提供准备材料 | **评分后输出姿态（确认优先，不下命令）**：综合分出来后，先确认用户已有的倾向（"你倾向投它，你的直觉基本对"或"你本来就犹豫，这个犹豫有道理"），再给需要核验的点。评分只作参照，不作判决，不直接说"建议投/不建议投"。 **评分参照**：综合 ≥4.0 通常值得投；3.0–4.0 有保留地投（列明条件）；<3.0 谨慎。 **拒绝海投**：宁可少投，用 A–G 筛出值得投的岗位。 ## 4. 输出纪律 - 所有事实性结论**必须可追溯**：引用 JD 原文（带原文摘录）或 `data/*.yml` 文件； - 无法确定的信息标注 **"待核验"**，绝不编造； - 薪资/职级类结论必须带**来源与数据时点**； - 给用户的行动建议要具体到"下一步做什么、找谁、问什么"，而不是空泛建议； - **确认优先于建议**：先确认用户已有的判断或倾向（肯定其对的部分），再给需要核验的点，不直接下命令式结论。 ## 5. 模块与文件映射 | 模块 | 提示词 | 数据 | 脚本 | |---|---|---|---| | 侧翼雷达（入口） | `prompts/radar.md` | `data/adjacent_roles.yml` | — | | A 角色总结 | `prompts/A_role_summary.md` | — | — | | B CV 匹配 | `prompts/B_cv_match.md` | — | — | | C 职级对标 | `prompts/C_level_benchmark.md` | `data/lev
README.md
# AI职业选位 · ai-career-position > **找到你在 AI 时代最值得站的位置。** > 一个本地运行、平台无关、人机协同的中国求职 AI 助手。 > by **tanchunzhuo** ｜ v1.0（2026-08）｜ MIT 协议 ｜ 免费开源 --- ## 它解决什么问题 市面上的求职工具都在教你「**怎么投简历**」。这个工具在教你「**该投哪个方向**」。 大多数人的焦虑不是「我不会用 AI」，而是「我该往哪走、这个岗位值不值得去、我会不会被 AI 替代」。**AI职业选位**用一套可落地的判断标准，帮你把模糊的焦虑变成具体的决策： - 🧭 **侧翼雷达（核心差异化）**：先回答最痛的问题——「我该找什么方向」。输入你的背景和约束，产出 3–5 个「领域 × AI」交集坐标 + 90 天验证计划。它不做算命，只给「值得验证的假设」。 - ⚖️ **A–G 七模块评估**：粘贴一个 JD，拆解成 角色 / 匹配度 / 职级 / 薪酬 / 个性化 / 面试 / 红线尽调 七个维度，加权出 1–5 分 + 投/不投建议，拒绝海投。 - 🛡️ **红线尽调**：反诈（培训贷/电诈园区）、劳动合规（试用期/竞业/五险一金基数）、外包识别、雇主尽调清单。命中诈骗类红旗直接一票否决。 - 📄 **ATS 中文简历**：北森/大易/Moka 友好的单栏 HTML + Playwright 出 PDF，通用/创意/国企多版 + ATS 诊断，简历能真正被机器读到。 - 🗂️ **本地追踪**：`applications.tsv` 状态机 + 跟进提醒 + 渠道通过率分析。 - 💬 **面试与谈薪**：STAR+R 故事银行、10 个高信息反问、HR 压价话术、offer 多维比较与合同审阅清单。 ## 为什么值得相信它 1. **100% 本地运行，数据不上传**。简历、薪资、投递记录只存你电脑的 `workspace/`，`.gitignore` 已忽略，永不提交任何服务器。2026 年最该被问的问题，这里已经替你守住了。 2. **人机协同，不是自动投递机器**。所有投递、发送、点击由你手动完成，绝不登录招聘平台、绝不存账号密码。它帮你把「该投哪些、怎么避坑」想清楚，把决策权留给你。 3. **不造假、不承诺**。简历优化是「让真实经历被准确解析」，不是伪造；红线检测是「提示去核验」，不是定罪；薪资标注来源与时点，给不出就标「待核验」，绝不编一个漂亮数字。 4. **站在巨人的肩膀上**。理念致敬 **santifer/career-ops**（约 62K★ 的开源求职系统，MIT）：薪资对标、投递模式分析、面试复盘的设计思路源自它，代码为**中国市场完全重写**——中式薪资格式解析（"25-40K×15薪"）、大厂职级对标（阿里 P6/字节 2-2/腾讯 T3）、外包/派遣/培训贷识别，都是原版没有、只为中国求职者做的。 ## 安装 ### 方式一：一键安装（推荐，一句话） 不用先下载，打开终端贴这一句回车： ```bash curl -fsSL https://raw.githubusercontent.com/tanchunzhuo/ai-career-position/main/install.sh | bash ``` 脚本自动装到 WorkBuddy / Claude Code / Codex / Cursor 的 skills 目录。重启后直接说「帮我找方向」或「评估这个 JD」就会触发，不用记任何命令。 只装某一个平台（例如 WorkBuddy）： ```bash curl -fsSL https://raw.githubusercontent.com/tanchunzhuo/ai-career-position/main/install.sh | bash -s -- workbuddy ``` ### 方式二：clone 后本地安装 ```bash git clone https://github.com/tanchunzhuo/ai-career-position.git cd ai-career-position && ./install.sh ``` ### 方式三：手动复制 把整个 `ai-career-position` 文件夹放进平台的 skills 目录，重启即可： | 平台 | 目录 | | :--- | :--- | | WorkBuddy | `~/.workbuddy/skills/` | | Claude Code | `~/.claude/skills/` | | Codex | `~/.agents/skills/` | | Cursor | `~/.cursor/skills/` | ### 方式四：无脚本使用（任何 AI 都能用，零安装） 1. 复制 `SKILL.md` 与 `prompts/00_syspersona.md` 全文，粘贴给任意 AI（Claude / ChatGPT / Kimi / 豆包 / DeepSeek）； 2. 按需粘贴对应模块提示词，再粘贴 JD 文本； 3. AI 输出完整 A–G 报告 + 评分 + 建议；投递由你自己完成。 ### 首次使用流程 1. 创建 `workspace/` 目录（如不存在），写入 `cv.md`（你的真实经历，Markdown）与 `profile.yml`（期望薪资、城市、红线、社招/校招）； 2. 对 AI 说「帮我找方向」→ 跑**侧翼雷达**，锁定 3–5 个目标方向； 3. 看到感兴趣的 JD，说「评估这个 JD」+ 粘贴内容； 4. 用 Bookmarklet（`scripts/bookmarklet.js`）或手动粘贴收集 JD 到本地 inbox； 5. 确认投递后，用 `scripts/tracker.py` 记录并跟进。 ## 目录结构 ``` ai-career-position/ ├── SKILL.md # 主调度：解析输入、路由、编排 A–G、聚合输出 ├── prompts/ # 各模块提示词（平台无关核心） │ ├── 00_syspersona.md # 统一角色与红线 │ ├── radar.md # 侧翼雷达（入口模块，差异化核心） │ ├── A_role_summary.md … G_redflag_due_diligence.md # A–G 七模块 │ ├── school_recruit.md # 校招专属 │ ├── story_bank.md # 面试故事银行 │ ├── negotiation.md # 谈薪话术 │ └── offer_compare.md # offer 比较 + 合同审阅 ├── data/ #
_meta.json
{
"ownerId": "kn7aq0n99x88a125mctwzfgt9s8d67nk",
"slug": "ai-career-position",
"version": "0.1.0",
"publishedAt": 1787714147952
}scripts/bookmarklet.min.txt
javascript:(function%20()%20%7B%20%22use%20strict%22%3B%20var%20endpoint%20%3D%20%22http%3A%20var%20titleSelectors%20%3D%20%5B%20'.name'%2C%20'.job-name'%2C%20'%5Bclass*%3D%22job-name%22%5D%20h1'%2C%20'h1'%2C%20'.job-title'%2C%20'h1%5Bclass*%3D%22job%22%5D'%2C%20'title'%20%5D%3B%20var%20companySelectors%20%3D%20%5B%20'.company-name'%2C%20'.name-text'%2C%20'%5Bclass*%3D%22company%22%5D%20.name'%2C%20'.job-company%20h3'%2C%20'.company'%2C%20'meta%5Bproperty%3D%22og%3Asite_name%22%5D'%20%5D%3B%20var%20salarySelectors%20%3D%20%5B%20'.salary'%2C%20'.salary-text'%2C%20'.job-salary'%2C%20'%5Bclass*%3D%22salary%22%5D'%2C%20'.job-info%20.salary'%20%5D%3B%20var%20contentSelectors%20%3D%20%5B%20'.job-sec-text'%2C%20'.job-detail'%2C%20'.job-description'%2C%20'%5Bclass*%3D%22job-detail%22%5D'%2C%20'.text'%2C%20'.content'%2C%20'article'%2C%20'body'%20%5D%3B%20function%20q1(list)%20%7B%20for%20(var%20i%20%3D%200%3B%20i%20%3C%20list.length%3B%20i%2B%2B)%20%7B%20var%20el%20%3D%20document.querySelector(list%5Bi%5D)%3B%20if%20(el%20%26%26%20el.textContent.trim())%20return%20el%3B%20%7D%20return%20null%3B%20%7D%20var%20titleEl%20%3D%20q1(titleSelectors)%3B%20var%20title%20%3D%20titleEl%20%3F%20titleEl.textContent.trim().split('%5Cn')%5B0%5D.slice(0%2C%20120)%20%3A%20document.title%3B%20var%20companyEl%20%3D%20q1(companySelectors)%3B%20var%20company%20%3D%20companyEl%20%3F%20companyEl.textContent.trim().slice(0%2C%2060)%20%3A%20%22%22%3B%20var%20salaryEl%20%3D%20q1(salarySelectors)%3B%20var%20salary%20%3D%20salaryEl%20%3F%20salaryEl.textContent.trim().slice(0%2C%2080)%20%3A%20%22%22%3B%20var%20contentEl%20%3D%20q1(contentSelectors)%3B%20var%20content%20%3D%20%22%22%3B%20if%20(contentEl)%20%7B%20var%20clone%20%3D%20contentEl.cloneNode(true)%3B%20clone.querySelectorAll('script%2Cstyle%2Cnav%2Cheader%2Cfooter%2Cbutton%2C.sidebar%2C%5Bclass*%3D%22footer%22%5D').forEach(function%20(n)%20%7B%20n.remove()%3B%20%7D)%3B%20content%20%3D%20clone.innerText%20%7C%7C%20clone.textContent%20%7C%7C%20%22%22%3B%20%7D%20content%20%3D%20content.replace(%2F%5Cs%2B%2Fg%2C%20%22%5Cn%22).trim().slice(0%2C%2020000)%3B%20var%20payload%20%3D%20%7B%20title%3A%20title%2C%20company%3A%20company%2C%20salary%3A%20salary%2C%20url%3A%20window.location.href%2C%20source%3A%20window.location.hostname%2C%20captured_at%3A%20new%20Date().toISOString()%2C%20content%3A%20content%20%7D%3B%20fetch(endpoint%2C%20%7B%20method%3A%20%22POST%22%2C%20headers%3A%20%7B%20%22Content-Type%22%3A%20%22application%2Fjson%22%20%7D%2C%20body%3A%20JSON.stringify(payload)%20%7D).then(function%20(r)%20%7B%20if%20(r.ok)%20window.location.href%20%3D%20endpoint%3B%20else%20alert(%22%E4%BF%9D%E5%AD%98%E5%A4%B1%E8%B4%A5%EF%BC%8C%E8%AF%B7%E7%A1%AE%E8%AE%A4%E6%9C%AC%E5%9C%B0%E6%9C%8D%E5%8A%A1%E5%B7%B2%E5%90%AF%E5%8A%A8%EF%BC%88python3%20scripts%2Finbox_server.py%EF%BC%89%22)%3B%20%7D).catch(function%20()%20%7B%20alert(%22%E6%97%A0%E6%B3%95%E8%BF%9E%E6%8E%A5%E6%9C%AC%E5%9C%B0%E6%9C%8D%E5%8A%A1%E3%80%82%E8%AF%B7%E5%85%88%E8%BF%90%E8%A1%CHANGELOG.md
# Skill 进化史（CHANGELOG） > 每次改动，记一句「为什么」。半年后回头看，这是一份用真实数据写成的 skill 进化史——它告诉你，这个工具是怎么一步步变对的。 --- ## 2026-08-22 · 输出话术：从「给答案」到「帮确认」 **改了什么**：三个文件（`prompts/00_syspersona.md`、`SKILL.md`、`prompts/radar.md`），把输出从命令式建议（"建议投 / 不建议投"）改成确认式（"你倾向投它，你的直觉基本对，但这三点要核验"）。 **为什么**：对小红书 32 篇求职笔记、几千条评论的交叉分析，浮出一个元洞察——用户最需要的不是「信息」，是「确认」。他们缺的不是"我该怎么办"的答案，而是"我这么想对不对"的确认。评论区最活跃的模式，是每个"好消息"底下都有人把它拆掉（排雷）；最稳的反焦虑叙事，是"我也这样"的确认感，而不是成功故事。 所以 skill 的正确姿势是：帮用户确认 ta 已有的想法是对的，再指出哪里要核验，而不是给 ta 一个全新的答案。一句话——**别替用户做决定，帮用户确认 ta 自己的想法是对的**。 **数据来源**：小红书求职笔记评论区交叉分析（32 篇帖子、数千条评论）。 ---
Github ReposUpdated 2d agoRank 70
AionUi
Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!
MCPOPENCLAW
Github ReposUpdated 6mo agoRank 70
activepieces
AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents
OPENCLAW
Github ReposUpdated 6mo agoRank 70
cherry-studio
AI productivity studio with smart chat, autonomous agents, and 300+ assistants.
MCPOPENCLAW
Github ReposUpdated 7mo agoRank 70
CopilotKit
The Frontend for Agents & Generative UI. React + Angular
OPENCLAW
Machine-readable data
The same record, as JSON, for agents and crawlers.
{
"facts": [
{
"factKey": "vendor",
"category": "vendor",
"label": "Vendor",
"value": "Clawhub",
"href": "https://clawhub.ai/tanchunzhuo/skills/ai-career-position",
"sourceUrl": "https://clawhub.ai/tanchunzhuo/skills/ai-career-position",
"sourceType": "profile",
"confidence": "medium",
"observedAt": "2026-10-11T13:58:43.123Z",
"isPublic": true
},
{
"factKey": "protocols",
"category": "compatibility",
"label": "Protocol compatibility",
"value": "OpenClaw",
"href": "https://www.xpersona.co/api/v1/agents/clawhub-tanchunzhuo-ai-career-position/contract",
"sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-tanchunzhuo-ai-career-position/contract",
"sourceType": "contract",
"confidence": "medium",
"observedAt": "2026-10-11T13:58:43.123Z",
"isPublic": true
},
{
"factKey": "traction",
"category": "adoption",
"label": "Adoption signal",
"value": "1.1K downloads",
"href": "https://clawhub.ai/tanchunzhuo/ai-career-position",
"sourceUrl": "https://clawhub.ai/tanchunzhuo/ai-career-position",
"sourceType": "profile",
"confidence": "medium",
"observedAt": "2026-10-11T13:58:43.123Z",
"isPublic": true
},
{
"factKey": "latest_release",
"category": "release",
"label": "Latest release",
"value": "0.1.0",
"href": "https://clawhub.ai/tanchunzhuo/ai-career-position",
"sourceUrl": "https://clawhub.ai/tanchunzhuo/ai-career-position",
"sourceType": "release",
"confidence": "medium",
"observedAt": "2026-08-26T03:15:47.952Z",
"isPublic": true
},
{
"factKey": "handshake_status",
"category": "security",
"label": "Handshake status",
"value": "UNKNOWN",
"href": "https://www.xpersona.co/api/v1/agents/clawhub-tanchunzhuo-ai-career-position/trust",
"sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-tanchunzhuo-ai-career-position/trust",
"sourceType": "trust",
"confidence": "medium",
"observedAt": null,
"isPublic": true
}
],
"events": [
{
"eventType": "release",
"title": "Release 0.1.0",
"description": "Initial release of ai-career-position - Evaluate job descriptions for fit, salary, risks, and offer comparison by processing JD text, URL, or screenshot. - Analyze and match user resume and preferences locally (no data uploaded or automated actions). - Detect fraudulent or risky positions, highlight red flags, and trace all recommendations to original sources. - Provide personalized next steps for applications, interview preparation, and resume generation in Chinese ATS style. - All application tracking and decision actions are strictly user-driven; maintains strict privacy and transparency principles.",
"href": "https://clawhub.ai/tanchunzhuo/ai-career-position",
"sourceUrl": "https://clawhub.ai/tanchunzhuo/ai-career-position",
"sourceType": "release",
"confidence": "medium",
"observedAt": "2026-08-26T03:15:47.952Z",
"isPublic": true
}
]
}Record generated Oct 11, 2026.