SkillWorth 2026

出现得多，为什么不一定值得优先学？

学习时间有限。职位里频繁出现的技术，未必适合直接排进学习清单；技能组合、角色差异、学习成本和证据覆盖，同样影响这个判断。

SkillWorth 将职位需求与综合学习价值并置，让两种排序的差异成为需要解释的问题。C++ 的 #3 与 #35 是这份快照中的具体例子，不是“不要学 C++”的普遍建议。

先交代证据能说什么，再给出排序。

一个来源，就说一个来源

当前事实记录只保留 Freehire 的 china_supplementary 来源。来源标签的数量不能代替独立证据，更不能自动增加市场代表性。

不可用的数据，不画成结论

薪资与趋势在这份快照中不可用；页面需要明确呈现缺失，不能把 unavailable 写成 0。角色切片与技能关系也需要跟随样本范围一起阅读。

探索可以立体，阅读必须清楚

3D Skill Field 是独立的关系探索层；首页以可读证据为主。空间表现服务于理解关系，不能盖过数据本身。

998 个职位，是快照的范围。

生成于 2026-08-29 14:45:44（UTC+8）；仅 1 个 china_supplementary 来源。以上是聚合快照规模，不是用户规模。

角色解析率约 47.90%，城市解析率约 78.98%，Other 角色约 52.40%。Python–SQL 在此快照中同现于 128 个职位；同现描述样本关系，不证明因果价值。

已经留下的验证

2026-08-30 的事实核验记录：版本 0c8f1bd 对应 CI 成功，本地 pytest 244 项通过、2 个非断言警告。首页与 /skill-field 当时通过真实浏览器检查。

这里展示历史验证记录；不把它扩展为当前版本测试结果或持续在线保证。公共包不再分发原始职位文本。

我收紧问题，也坚持让证据留在画面里。

我把问题限定为“什么技术值得学习”，持续追问数据来源的合法性与代表性，拒绝用来源标签包装多源结论。

在实际页面审查中，我要求中文可读、层级清楚、C++ 排名差异明确；也提出 3D 标签、关系线、前后景与返回操作的可发现性要求，并坚持不跳过失败测试。

实现与协作边界

Codex 承担主要数据链、指标、网页、交互、测试与文档实现；开源库提供基础能力。我的贡献是问题框定、范围判断和审查纠偏，不能由仓库归属推导为我独立完成全部代码或每个像素。

帮助判断，不替你许诺学习回报。

单一补充来源与解析缺失限制了结论的覆盖面。薪资、趋势和完整中国招聘市场的技能价值不在已验证范围内。

没有足够证据证明真实用户规模、学习后就业改善或因果影响；没有人工标注 gold 的外部比较，也不能当作模型准确率金标准。