recruitment-report

name

recruitment-report

description

Use for generating a professional recruitment big-data report (招聘大数据报告) from the HandaaS recruitment MCP — covering 雇主招聘画像、招聘需求统计、招聘趋势、职位薪酬明细、招聘职位明细. Trigger when users ask for “招聘大数据报告”, “招聘分析报告”, “查一家公司的招聘”, “招聘职位检索”, “雇主招聘画像”, “招聘需求分析”, “职位薪酬”, “招聘趋势”, or “企业招聘画像”. Infer the canonical enterprise name (the recruitment MCP has no fuzzy search — matchKeyword IS the enterprise name), pick the right MCP tools, and produce HTML + Markdown + JSON reports automatically.

招聘大数据报告

用户契约

把“招聘大数据报告”作为面向用户的调用短语。recruitment-report 仅为内部包名。

当本 skill 处于激活状态：

1. 不要向用户索要 product_id、MCP 工具名、API 字段、内部参数或凭证信息；只接受企业名称、统一社会信用代码、注册号或企业 ID。
2. 接受自然目标，例如“查一下某某公司的招聘”“分析这家企业的招聘画像”“给我一份某某公司的招聘需求报告”“看看这家公司平均薪酬和招聘城市”。
3. 招聘 MCP 没有模糊查询：matchKeyword 直接作为企业名称传入；建议直接提供企业全称以提升命中率。
4. 优先使用 MCP 连接（RECRUITMENT_MCP_URL Remote MCP 或本地 handaas-mcp-server/recruitment-mcp-server）；不要让用户处理签名或凭证。
5. 同时产出 HTML（可分享交付）、Markdown（知识库 / wiki）、JSON（系统集成）三类产物。
6. 报告正文必须是专业研究报告风格：只见招聘事实与结构化数据，绝不出现工具名、入参、product_id、内部字段或空表。
7. 绝不打印 secret_id、secret_key、签名、token 或原始签名请求。
8. 默认 dry-run；真实付费 / 凭证调用需用户明确要求且 MCP 连接配置完整。
9. 数据为空时明确说明数据范围 / 口径，不渲染空表、不臆造事实。

• MCP 返回的嵌套 JSON 字符串（如金额 {"coinType":"人民币","value":430000000.0}、地址 {"city":"杭州市",...}）必须解析为可读文本（如"4.30 亿 人民币"、"浙江省杭州市"），绝不在报告正文、表格或指标中输出原始 JSON 字符串。
• 报告所有章节标题、指标卡标签必须用中文；core_analysis.sections 的 title 字段必须中文，不可显示英文 key（如 holders、investments）。
• 指标值必须可读化：金额格式为"X 亿/万 + 币种"，地址拼接省市区，比率显示百分号。详见 references/report-output.md 的「数据格式约束」。

MCP 服务入口

• 上游 MCP 项目：handaas-mcp-server/recruitment-mcp-server（位于 HANDAAS_MCP_SERVER_ROOT 或本仓库同级目录）。
• Remote MCP：设置环境变量 RECRUITMENT_MCP_URL（streamable-http），可选 RECRUITMENT_MCP_TOKEN。
• 本地 MCP：设置 HANDAAS_MCP_SERVER_ROOT 指向 handaas-mcp-server 仓库根目录；该 server 自己的 .env 提供 INTEGRATOR_ID / SECRET_ID / SECRET_KEY。
• 首次真实查询前，运行 scripts/mcp_client.py ping 与 scripts/mcp_client.py list-tools 验证连通。

按需加载 references

• 不清楚该 MCP 有哪些工具、参数、返回字段、何时调用：references/mcp-tools-reference.md。
• 报告结构、章节、质量底线、渲染工作流：references/report-output.md。

意图路由

用户意图	内部工作流
查一家公司的全维度招聘报告	调趋势 + 雇主画像 + 需求分析 + 薪酬 + 职位检索组装全量报告；compose_report.py --enterprise ...
只要雇主招聘画像 / 招聘趋势 / 职位薪酬	仅调对应工具，按统一骨架组装
按需求分析视图（岗位级 details / 企业汇总 statistics）	compose_report.py --view ...
只给关键词（不是全称）	招聘 MCP 无模糊查询，按企业名称直查；建议提示用户补全企业全称
只要 JSON / 只要 HTML / 只要 Markdown	用 --output（JSON）或 --report-output（HTML+MD），或 render_report.py 重渲染
连接 / 工具不存在 / 传参错误	mcp_client.py ping / list-tools 排查；报脱敏后的缺失项

Golden path for 招聘大数据报告

1. 确认企业全称：招聘 MCP 无模糊查询，matchKeyword 直接作为企业名称；若输入含“公司/集团/有限”等后缀视为全称。
2. 调用招聘工具：recruitment_trend（趋势概览）、recruitment_employer_profile（雇主画像）、recruitment_demand_analysis view=statistics（需求汇总）、recruitment_salary（薪酬明细）、recruitment_job_search（职位明细）。入参为 matchKeyword（企业全称）+ keywordType。
3. 组装统一报告：核心分析含雇主招聘画像（KV）、招聘需求统计（KV）、招聘趋势（表）、职位薪酬明细（表）、招聘职位明细（表）。
4. 渲染三件套：compose_report.py --enterprise ... --output ... --report-output ... 直接产出 JSON + HTML + Markdown；或 render_report.py --input ... --output ... 重渲染。
5. 返回路径：返回 JSON、HTML、Markdown 文件路径，以及企业全称映射与数据口径。

脚本速查

# 校验连接配置（脱敏）
python scripts/validate_config.py --allow-placeholders

# 连通性自测
python scripts/mcp_client.py ping
python scripts/mcp_client.py list-tools

# 干跑（不调真实 API，用样例数据组装报告骨架）
python scripts/compose_report.py \
  --enterprise "示例科技有限公司" \
  --dry-run \
  --output output/recruitment.json \
  --report-output output/recruitment.html

# 真实查询 + 渲染（需 MCP 连接就绪）
python scripts/compose_report.py \
  --enterprise "示例科技有限公司" \
  --output output/recruitment.json \
  --report-output output/recruitment.html

# 按需求分析视图（details=岗位级；statistics=企业汇总，默认）
python scripts/compose_report.py --enterprise "示例科技有限公司" --view details --report-output output/recruitment_details.html

# 手动调单个工具
python scripts/mcp_client.py call-tool \
  --tool recruitment_employer_profile \
  --arguments-json '{"matchKeyword": "示例科技有限公司", "keywordType": "name", "listLimit": 50}'

# 重渲染已有 JSON
python scripts/render_report.py --input output/recruitment.json --output output/recruitment.html
python scripts/render_report.py --input output/recruitment.json --output output/recruitment.md

输出字段

• subject：企业全称、匹配关键词、主体类型、是否视为全称。
• abstract / summary：封面摘要与详细摘要。
• metrics：当前招聘人数、近三月招聘人数、近三月岗位数、平均更新频率、平均薪酬、在招岗位数。
• caliber：匹配对象、匹配方式、数据范围、产品、局限。
• core_analysis：雇主招聘画像（KV）、招聘需求统计（KV）、招聘趋势（表）、职位薪酬明细（表）、招聘职位明细（表）。
• representative_records：代表性招聘职位记录（职位 / 城市 / 薪酬）。
• insights：结构化解读（招聘规模 / 近期招聘节奏 / 薪酬水平 / 地域分布）。
• data_source：MCP server、数据产品、生成时间、是否 dry-run。

若 API 调用失败，明确报出缺失的配置 / 缺失的工具 / MCP 错误 / 参数校验错误 / 上游网络错误，给出 dry-run 命令或配置步骤，绝不暴露密钥。