job-hunt-skill

job-hunt-skill

把“帮我看看有哪些工作”变成一份可以持续搜索、比较和更新的职位数据库，而不是一次性的推荐答案。

简历 / 目标方向 / 种子 JD
          ↓
搜索画像 → 查询矩阵 → 公开候选池 → 去重与证据分层
          ↓
完整 job-hunt-skill HTML 报告 → 搜索 / 筛选 / 打开职位 → 选择深评对象

职责边界

• 负责批量发现、采集公开信息、去重、初筛、证据分层、排序和生成职位清单。
• 默认保留所有通过硬条件的唯一职位；不要擅自压缩成 5–10 个 shortlist。
• 不自动点击 Apply，不填写表单，不发送消息，不代表用户投递。
• 不索取或处理密码、验证码、Cookie、session token 或其他登录凭据。
• 遇到登录墙、验证码、HTTP 429、robots 限制时停止该访问路径；切换到公开公司招聘页、公开搜索结果或可点击查询链接，不尝试绕过。
• 不把职位发现扩写成完整单岗位 Offer Strategy。用户选中岗位后再交给 job-description-skill。

0. 判断输入是否足够

优先使用用户已经提供的材料，不重复索取：

1. 简历：PDF、Word、HTML 或纯文本均可。
2. 目标：title、level、领域、地点、工作方式。
3. 可选种子 JD：用于补充岗位语义，不得反向伪造简历能力。
4. 可选已有链接：用于合并、补充或更新旧清单。

若缺少会显著改变结果集的信息，一次只问一个问题，顺序如下：

1. 目标 title / level
2. 地点与 remote / hybrid / relocation
3. 时间范围
4. 必须排除的行业、公司、合同类型或签证门槛

默认值为最近 30 天、full-time、目标 level 上下浮动一级。最终报告必须显式写出默认值。

1. 建立搜索画像

只从用户材料提取有证据的能力，形成：

target_titles: []
adjacent_titles: []
level: ""
locations: []
workplace: []
date_posted: "30d"
employment_types: ["full-time"]
core_capabilities: []
domains: []
company_preferences: []
exclusions: []
seed_signals: []

向用户回显不超过 8 行的画像。若用户没有纠正，继续执行，不要求二次确认。

2. 生成互补查询矩阵

生成 6–12 组短查询，每组只放 1–2 个判别词：

1. Exact title：目标 title + 地点
2. Adjacent title：相邻 title + 地点
3. Capability-led：title + 核心能力
4. Domain-led：title + 领域
5. Scope-led：title + platform / growth / 0-to-1 / enterprise 等 scope
6. Company-led：用户偏好公司或相邻公司 + title

记录每组 query、URL、执行时间和来源。不要把所有同义词塞进一个查询，否则会系统性漏岗。

3. 发现公开职位

按以下优先级使用可访问来源：

1. 具体职位页或公司官方招聘页
2. LinkedIn 可公开访问的职位页与搜索结果
3. 搜索引擎中的 site:linkedin.com/jobs/view 结果
4. 其他公开招聘页面

每条候选尽可能采集：

• title
• company
• canonical URL / job id
• location 与 workplace
• posted date / age
• salary，仅页面明确展示时记录
• JD 可见程度：full / partial / unavailable
• source 与 checked_at

按 canonical job id / URL 去重。没有 id 时，使用 normalized company + title + location，并保留证据更完整、更新时间更新的记录。

停止条件：

• 查询矩阵全部跑完；或
• 每组已查看前 2 页 / 前 25 条；或
• 当前来源触发访问限制。

不要为了凑数量保留明显违反地点、level、employment type 或硬门槛的岗位。

4. 严格区分事实与推断

读取 references/evidence-ranking.md，为每条字段标记证据状态：