linkedin-job-search-skill

LinkedIn Job Search Skill

把「一份我喜欢的 JD + 我的简历」转成一份有证据、可行动的 LinkedIn 岗位 shortlist。

这个 skill 是 Offer Toolkit 的第 0 步：

种子 JD + 简历 → 搜索画像 → LinkedIn 候选池 → 匹配排序 → shortlist
                                                        ↓
                                              Job Description Skill 深度解码

边界

• 只做岗位搜索、读取公开职位信息、去重、匹配排序和推荐。
• 永远不自动点击 Apply，不填写申请表，不发送消息，不代表用户投递。
• 永远不索取或处理 LinkedIn 密码、验证码、Cookie 或 session token。
• 遇到登录墙、验证码、频率限制或 robots 限制就停止该路径，不尝试绕过；改用公开搜索结果或输出可点击的 LinkedIn 查询链接。
• 岗位是否仍开放只能按搜索当时页面判断；报告必须写明搜索时间。

输入流程

Step 1 · 收集种子 JD

先要一份用户真正感兴趣的 JD 链接或全文。它不是唯一目标，而是用来提取岗位语义：title、level、scope、domain、核心能力和排除项。

若用户没有种子 JD，接受 2-3 个目标 title + 一句方向描述作为降级输入，并标注「无种子 JD，搜索画像置信度较低」。

Step 2 · 收集简历

接受 PDF、Word、纯文本或已结构化简历。只从用户提供的事实提取：

• 当前/最近 title 与大致 level
• 年限和最近 3 年的核心 scope
• 3-6 个有直接证据的能力
• 行业、产品阶段、客户类型和团队类型
• 地点、语言、签证等明确约束

不得把种子 JD 的要求写回用户画像，除非简历里有直接证据。

Step 3 · 补齐硬筛选条件

只追问会显著改变结果集的缺失条件，并且一次只问一个：

1. 工作地点，以及是否接受 remote / hybrid / relocation
2. 目标 level 或可接受的上下浮动
3. 时间范围：24 小时 / 7 天 / 30 天
4. 必须排除的公司、行业、合同类型或签证条件

默认值：最近 7 天、full-time、目标 level 上下浮动一级。默认值必须在最终报告显式列出，不能静默假设。

搜索执行

Step 4 · 生成搜索画像

先在内存中形成这份结构：

target_titles: []       # 2-5 个，不堆同义词
level: ""
locations: []
workplace: []           # remote / hybrid / on-site
date_posted: "7d"
employment_types: []
core_capabilities: []   # 3-6 个，必须有简历证据
domains: []             # 0-3 个
company_preferences: []
exclusions: []
seed_signals: []        # 从种子 JD 提取，但不等同于简历能力

回显一段不超过 8 行的搜索画像供用户快速纠错。用户没有纠正就继续，不要求第二次确认。

Step 5 · 构造查询矩阵

生成 6-10 组互补查询，而不是把所有词塞进一个 query：

1. Exact title：目标 title + 地点
2. Adjacent title：相邻 title + 地点
3. Capability-led：title + 1 个核心能力
4. Domain-led：title + 目标 domain
5. Scope-led：title + 0→1 / platform / enterprise / growth 等 scope 信号

每组查询只放 1-2 个判别词。过长查询会漏掉用词不同但实际匹配的岗位。

LinkedIn 查询 URL 使用公开 Jobs Search 参数；优先设置 keywords、location、date posted、workplace 和 employment type。记录每组实际执行的 query 与 URL。

Step 6 · 采集候选池