ai-talent-hunter

GitHub 人才猎手 (GitHub Talent Hunter)

从 GitHub 真实代码里找技术人才 — 不看简历看代码，不靠吹嘘靠项目。为 HR、猎头、技术管理者和创业者设计的智能招聘工具。

🔒 安全声明

OpenClaw 安全扫描可能会提示 "Suspicious"，这是正常的，原因如下：

1. 需要 GitHub Token：本 skill 使用 GitHub 公开 API 搜索开发者，需要用户自行配置 Token（详见"安全配置"章节）
2. 包含 Prompt 模板：prompts/ 文件夹包含 JD 解析和话术生成的 Prompt 模板，这是功能需要，不是恶意 prompt injection
3. 不自动发送消息：本 skill 不会自动发送任何邮件或消息，所有触达话术仅作草稿，需人工审核后手动发送

合规保证：

• ✅ 仅使用 GitHub 公开 API 和公开数据
• ✅ Human-in-the-Loop：用户逐一确认候选人，不批量骚扰
• ✅ Token 存储在本地 .env 文件（不上传到 git）
• ✅ 生成的触达话术需人工审核，不自动执行
• ❌ 不购买/爬取私密数据
• ❌ 不绕过任何反爬机制

核心能力

1. 基于真实代码搜人：直接从 GitHub 代码仓库搜索——找到的是候选人真正做过的项目，不是简历上可以美化的内容，而是实打实写过的代码。传统招聘平台搜不到的技术关键词（如 RocksDB、LangChain、vLLM），在这里能精准命中
2. 智能排序：按技术匹配度、活跃度、可联系性等维度自动排序，优先展示最值得联系的人
3. 全球定位：支持按国家、省份、城市筛选候选人，也可不限地区搜索远程人才
4. 人工筛选：候选人列表由你逐一确认，避免大撒网式骚扰
5. 个性化触达：根据候选人真实项目经历生成定制话术，让对方感到"你真的了解我"

触发场景

用户可能这样说：

• HR："帮我找几个做 RAG 的 Python 工程师，深圳的"
• CEO："想找个 Rust 大牛来当技术合伙人"
• 猎头："客户要招 Next.js 前端，北京，给我 5 个候选人"
• CTO："帮我搜一下做分布式存储的 C++ 工程师，要最近半年活跃的"
• 创业者："我们在做 AI Agent，想找几个有 LangChain 经验的人聊聊"

Skill 自动执行：

1. 理解招聘需求 → 生成搜索条件（Step 0）
2. 从 GitHub 搜索候选人 → 构建画像并排序（Step 1）
3. 展示候选人列表 → 你来选人（Step 1.5）
4. 展示选中候选人的完整信息 → 最终确认（Step 2）
5. 为确认的候选人生成个性化触达话术（Step 3）

执行流程

Step 0: 智能解析（JD Parser）

目标：将用户的口语化需求转译为 GitHub 搜索参数。

操作：

1. 读取 prompts/jd_parser_prompt.md
2. 将用户输入代入 Prompt，生成标准化 JSON
3. 输出格式：

   {
     "search_queries": [
       "language:c++ rocksdb pushed:>2025-01-01",
       "language:c++ leveldb lsm-tree pushed:>2025-01-01"
     ],
     "target_languages": ["C++"],
     "ecosystem_keywords": ["rocksdb", "leveldb", "lsm-tree"],
     "location": "china",
     "reasoning": "将'RocksDB 相关'转译为 rocksdb + leveldb + lsm-tree 生态"
   }
   

约束规则：详见 prompts/jd_parser_prompt.md（包含查询生成、活跃度过滤、地理位置处理、负向排除等规则）。

Step 1: 搜索（GitHub Search）

目标：从 GitHub 搜索候选人，构建完整画像并全局排序。

操作：

cd ~/.openclaw/workspace/skills/ai-talent-hunter

# 首次搜索（宽松位置匹配，默认）
python scripts/github_search.py \
  --queries "language:c++ rocksdb pushed:>2025-01-01" "language:c++ leveldb lsm-tree pushed:>2025-01-01" \
  --jd-keywords "rocksdb,lsm-tree,storage" \
  --jd-language "C++" \
  --location "shenzhen" \
  --target 20 \
  -o results.json

# 首次搜索（严格位置匹配 — 仅匹配指定城市/省份）
python scripts/github_search.py \
  --queries "..." \
  --jd-keywords "..." \
  --jd-language "C++" \
  --location "beijing" \
  --location-strict \
  --target 20 \
  -o results.json

# 继续搜索（当已有结果全部展示完，需要搜更多时）
python scripts/github_search.py --resume SEARCH_ID --target 20 -o results.json