market-talent-mapping

name	market-talent-mapping
description	基于 Boss 直聘 + 猎聘实时人才数据，对某在招岗位做市场人才盘点，转成可执行招聘打法， 产出本地 markdown 报告（可选飞书云文档 + HTML 版）。当用户要盘点/调研某岗市场人才、 做人才 mapping、看某岗目标公司有谁、某岗薪资/学历/年限市场对标、判断某岗好不好招时使用； 只要意图是摸清某岗市场人才结构并转成招聘决策就触发，不必出现"mapping"字样。 区别于 recruit-daily（每日增量寻源），本 skill 是一次针对一两个岗的深度市场调研。

市场人才盘点与招聘打法

把 Boss 直聘 + 猎聘的实时求职人才数据，调研分析成一份能指导招聘实践的报告：讲清某岗市场真实情况（供给/薪资/学历/年限/命脉/地域），给出可直接执行的招聘动作。

产出：本地 markdown（事实源，必出）；有 lark-cli 再出飞书云文档（给老板/可脱敏喂猎头）；需要可扫读版再出 HTML。

这是编排文档：渠道命令细节走 boss help / liepin help 与 references/channels-and-analysis.md。本文档管顺序、判断、数据可信度、报告结构与安全。

铁律：先读事实源，再动手

进工作区先读（都在工作区根下）：

• CONTEXT.md —— 术语、在招岗位与命脉、初筛硬规则（年龄/学历/地点线）、薪资带宽。唯一事实源。
• 01-jd/_internal/<role>.md —— 各岗目标公司锚点（就是你的挖人对标企业地图）、关键词迭代表（有效/无效搜索词）、排除信号。寻源前必读，越搜越准。
• 02-sourcing/dedup-ledger.csv —— 已收录候选人，其中目标公司背景的直接作 mapping 种子，不重复拉。

命脉定义、目标公司分层、薪资带宽、硬门槛都以 CONTEXT 与对内笔记为准，本文档不写任何具体数字和公司名。

主流程（按需跳步）

1. 锁定范围与锚点

按 CONTEXT 确认要盘点的岗位、命脉、目标公司、薪资带宽、硬门槛。地域以你的办公城市为中心分两层盘：①本地/临近城市（relocate 阻力小）可直招 ②异地需 relocate/猎头。

2. 广度取数（每岗）

• Boss 人才库全国搜索（不限职位）= 目标公司直挖主力，本流程最核心工具。 详见 channels-and-analysis.md。用岗位关键词搜，一次出一批在职目标公司候选，带公司/年龄/薪资/城市/院校/经历。⚠️ 先确认搜索页岗位下拉是「不限职位」（否则会被锁在某岗类里搜出错岗的人——踩过坑）。
• 猎聘全国搜索（liepin search --json）：字段最全（薪资/学历/年龄/公司/学校/年限/resume_id）、名字不打码，主要用来看分布统计。相关度较松、有噪声，按 current_title 关联度过滤。
• Boss 按岗 recommend：办公城市本地池（不打码），用来画"可直招层"。
• 每岗跑 2-3 个关键词（从关键词迭代表取）；多次调用间要 sleep 3-4s，否则会返回空。原始 JSON/文本落 runtime/mapping/，离线统计。
• 完成判据：每岗三渠道（Boss 全国搜 + 猎聘分布 + Boss recommend）都跑过，目标公司命中入 mapping CSV，猎聘分布样本每岗 ≥20；漏一个渠道=没做完。

3. 代表性深挖（每岗 5-8 人）

挑各岗命脉强 + 薪资/背景有代表性的样本，开在线简历看真实履历：

• 猎聘：liepin resume <rid>（无查看限，深挖主力）。
• Boss：boss preview <姓名>（须先重载该岗搜索加载列表；每日查看限次，省着用）。
• 深挖是本流程的灵魂——"列表一行"是线索，主体履历才是真相。开简历后反复照出的假信号：短任期贴金（名企只干 1-2 个月）、方向漂移（想转岗/期望岗与现岗不符）、年龄超线、方向错位。判断以简历主体履历为准，公司名气只作线索。
• 完成判据：每岗 5-8 份代表简历都开过、命脉判断落进名单表（强/中评级），"列表看着对但简历不对"的已剔除。

4. 统计分析

写 Python 算每岗分布（薪资中位/区间、学历本科率、年限、年龄、命脉命中率、目标公司分布、本地可招占比）。脚本模式与薪资解析见 channels-and-analysis.md。⚠️ Windows 下 Python 读中文源码要 PYTHONUTF8=1 python -X utf8。

5. 梳理观察与结论

• 观察要反映真实市场：每条带证据（样本量/中位数/具体实例）+ 标可信度——有分布支撑的=强，单个案例的=信号（非定论）。诚实交代"抽样非全量普查"。
• 结论要能指导实践：每岗落到可执行动作——推进谁（可推进名单+理由）、搜什么词/走哪渠道、门槛/薪资调不调、卡在哪。
• 结论建立在足够样本上（教训）：说"这岗没合适的/全是某类人"前，先把低于门槛、低薪、边缘的候选也深挖过——一两个样本得出的全称判断会翻车。用户质疑结论时，回去把没看的样本挖了再答。

6. 产出（从同一份内容同步）

1. 本地 markdown（02-sourcing/market-mapping-report-<日期>.md）= 事实源，必出。
2. 飞书云文档（可选）：有 lark-cli 且已配置才出，lark-cli docs +create --as user。
3. HTML（可选）：需要可扫读/转发版时出；有前端类 skill 可调用就用，没有就直接手写干净的静态页面。 报告结构见 references/report-template.md。

报告骨架（默认结构，可按岗调整）

顶部全局观察 + 结论摘要 + 可推进候选一览 → 每岗一节（市场观察带证据 → 可推进名单表 → 招聘动作）→ 预算与门槛取舍（给老板的决策点）→ 渠道方法论 → 数据与方法附注（含可信度局限）。语言平实分析师口吻，去口号词，必要术语首次简释，精简表格、少 emoji/加粗。

联系候选人（对外不可逆，最重要）

• 盘点阶段全程只读、不打招呼、不点不合适——mapping 是调研。
• 用户要"逐个联系"名单时，视为该轮授权，但逐一回报打了谁。⚠️ 两个硬约束：
  1. Boss greet 只在推荐/深搜页生效，常规搜索页（全国搜命中的来源）不支持——直接 greet 会报错。
  2. Boss 搜索结果是打码名 + 每轮重排：深挖锁定的人跨轮不一定还在第一页、位置会变、同姓打码名会撞到不同人。不能照名字盲打（会打错人、不可逆）。
• 稳妥打法（实测有效）：逐岗重载搜索 → 按深挖特征（公司/年龄/薪资/院校/摘要关键词）在当前列表认出那张卡片 → 核对经历确认本人 → 报"第几条 + 认卡特征"给用户，用户在浏览器手动点「立即沟通」（会弹职位选择框，选对岗）。刷不出来的就如实说、别硬凑。
• 额度/风控：Boss 每日主动沟通有上限；遇风控/验证码立即停，不硬闯。命令报错先试 npm update -g 升级 CLI。

对外红线

• CONTEXT 标注敏感的商业信息与自家品牌名不写进对外飞书/HTML/脱敏版；目标挖人公司名是 mapping 本体，保留。
• 打码名保持打码。
• 异地候选是市场画像需要，但办公地坐班硬约束须在"可招性"列明确标注，不与"可以打招呼"混淆。

什么时候不用本流程

• 每日增量查未读 / 打招呼 / 出日报 → skills/recruit-daily/SKILL.md。
• 新开岗位 / 标准没梳理过 → 先走 skills/recruit-grill/SKILL.md（没有命脉和目标公司锚点，mapping 无从锚定）。