find-job

name	find-job
description	从 BOSS直聘 和 猎聘 搜索 AI Agent / 软件开发相关岗位信息， 支持按地域、薪资区间、搜索关键字、数量限制、求职类型、工作经验、招聘者活跃时间精确过滤， 分离猎头和非猎头内容后以结构化 Markdown 呈现。 当用户提到「找工作」「招聘」「岗位」「求职」「投简历」「看机会」「职位」 「搜索职位」「招聘网站」等关键词，或明确要求从招聘网站搜索岗位时触发本 skill。
compatibility	needs web-access, dispatching-parallel-agents

find-job — BOSS直聘 + 猎聘 岗位精准搜索

概述

从 BOSS直聘 和 猎聘 两个平台并行搜索岗位信息，严格按用户指定的条件筛选， 去重后分离猎头和非猎头内容，生成结构化 Markdown 报告。 依赖 web-access skill（CDP 浏览器）和 dispatching-parallel-agents（并行搜索）。

用户输入参数

执行搜索前，必须从用户输入中提取以下参数。 若参数缺失，主动提示用户补充。

参数	必填	说明	可选值
keyword	是	搜索关键字	如 "AI Agent"、"Golang 开发"、"大模型"
city	是	工作城市（可多选）	北京/上海/广州/深圳/杭州/成都/南京/武汉/西安/苏州/全国
salary_range	否(默认不限)	薪资区间	不限 / 10-20K / 20-35K / 30-60K / 35-50K / 40-60K / 30K以上 / 40K以上 / 50K+
job_type	否(默认社招)	求职类型	社招 / 校招 / 实习
experience	否(默认不限)	工作经验	应届生 / 1-3年 / 3-5年 / 5-10年 / 10年以上 / 不限
recruiter_active_days	否(默认30)	招聘者活跃时间	7天 / 14天 / 30天 / 60天
max_results	否(默认15)	每站最大结果数	整数，建议 10-30

参数解析规则

1. 若用户未指定 city，提示用户选择城市（展示选项列表）
2. 若用户只给出模糊描述（如 "深圳 AI 岗位 20-35K"），按规则自动拆解：
   • 城市名 → city
   • 薪资范围 → salary_range
   • 剩余文本 → keyword
3. recruiter_active_days 和 max_results 若未指定，使用默认值

执行流程

用户输入参数
        │
        ▼
┌─ 1. 解析参数 ─────────────────────────┐
│  从用户输入提取 7 个参数               │
│  缺失必填项（keyword/city）→ 提示补充   │
│  缺失可选项 → 使用默认值                │
└───────────────────────────────────────┘
        │
        ▼
┌─ 2. 并行搜索 ─────────────────────────────────┐
│  使用 dispatching-parallel-agents 分派 2 个子 Agent │
│  - Agent A: BOSS直聘 (zhipin)                    │
│  - Agent B: 猎聘 (liepin)                        │
│  每个子 Agent 先读取 references/sites.json        │
│  获取对应站点的 API/URL 模式和编码映射              │
│  并读取 references/site-patterns/{site}.md        │
│  获取已知陷阱和有效模式                            │
│  优先 CDP 浏览器模式（绕过反爬，携带登录态）        │
│  每个岗位需额外访问详情页提取描述（列表 API 无描述）  │
│  每站结果保存到 output/YYYY-MM-DD_HHmmss-{site}_results.json │
│  全部合并后写入 output/YYYY-MM-DD_HHmmss-all_raw.json │
└──────────────────────────────────────────────────┘
        │
        ▼
┌─ 3. 汇总清洗 ────────────────────────────────┐
│  运行 scripts/deduplicate.py：                 │
│  - 活跃时间过滤（recruiter_active_time ≤ N 天）  │
│  - 公司名归一化（简称→全称）                     │
│  - 岗位名模糊去重（Jaccard + 编辑距离）          │
│  - 猎头/非猎头分流                               │
│  - 输出：                                        │
│    output/YYYY-MM-DD_HHmmss-deduped.json         │
│    output/YYYY-MM-DD_HHmmss-direct.json          │
│    output/YYYY-MM-DD_HHmmss-headhunter.json      │
└────────────────────────────────────────────────┘
        │
        ▼
┌─ 4. 输出报告 ───────────────────────────┐
│  运行 scripts/format_output.py 生成 MD：  │
│  - 非猎头岗位 section（汇总表格+详情卡片） │
│  - 猎头岗位 section（汇总表格+详情卡片）   │
│  - 按城市分类 / 公司类型分类               │
│  - 薪资分布 / 高频技能标签                 │
│  - 每个岗位卡片包含：                      │
│    岗位名称、岗位要求、岗位描述、            │
│    工作地点、招聘者最近活跃时间、            │
│    薪资、经验、学历、公司规模、行业          │
│  - 保存到 output/YYYY-MM-DD_HHmmss-{关键词}.md │
└──────────────────────────────────────────┘

站点选择

本 skill 专为 AI Agent / 软件开发岗位优化，固定使用 BOSS直聘 + 猎聘 组合：

站点	平台特征	优势
BOSS直聘	互联网/技术岗位最多，API 明文数据	直接 JSON 响应，薪资明文，字段齐全
猎聘	中高端岗位为主，猎头资源丰富	薪资范围更广，中大厂岗位多，适合猎头分离

不搜索其他站点（前程无忧、拉勾等），除非用户明确要求。

并行搜索 Agent Prompt 模板

为每个站点派子 Agent 时使用以下模板（替换 {{}} 占位符）：

你是一个招聘信息采集专家。请在 {{SITE_NAME}} 上搜索岗位。
必须加载 web-access skill 并遵循指引。

**搜索条件：**
- 关键词：{{KEYWORD}}
- 城市：{{CITY}}（编码：{{CITY_CODE}}）
- 薪资范围：{{SALARY_RANGE}}（编码：{{SALARY_CODE}}）
- 求职类型：{{JOB_TYPE}}（编码：{{JOB_TYPE_CODE}}）
- 经验要求：{{EXPERIENCE}}（编码：{{EXP_CODE}}）
- 招聘者活跃时间：{{ACTIVE_DAYS}}天内
- 每站结果数：{{MAX_RESULTS}}条

**前置步骤（必须）：**
先用 Read 工具读取 references/sites.json，找到 id="{{SITE_ID}}" 的站点配置，
了解搜索 URL 模式、API 端点、参数编码映射和已知陷阱。
再读取 references/site-patterns/{{SITE_ID}}.md 获取有效模式和 CSS 选择器。

**采集要求：**
- 严格按搜索条件过滤，不采集不相关的岗位
- 每个岗位提取完整字段（见 references/job_schema.md），必须包含：
  - `job_name`: 岗位名称
  - `company`: 公司名
  - `salary`: 薪资范围
  - `city`: 城市
  - `district`: 区域
  - `experience`: 经验要求
  - `degree`: 学历要求
  - `skills`: 技能标签列表
  - `description`: 职位描述（前 1000 字）
  - `job_requirements`: 岗位要求（区别于职位描述）
  - `publish_date`: 发布日期
  - `recruiter_active_time`: 招聘者最近活跃时间（如 "今日活跃"、"3天内活跃"）
  - `job_type`: 求职类型（社招/校招/实习）
  - `is_headhunter`: 是否猎头/外包发布
  - `url`: 原始链接
  - `source`: 来源站点 ({{SITE_ID}})
  - `scale`: 公司规模（API 有则必采）
  - `industry`: 行业（API 有则必采）
- 仅提取招聘者 {{ACTIVE_DAYS}} 天内活跃的岗位
- 完成后将 JSON 数组写入 `output/YYYY-MM-DD_HHmmss-{{SITE_ID}}_results.json`（时间戳取当前时刻）

**详情页描述提取（必须）：**
搜索列表 API 不返回职位描述和任职要求。每获取一个岗位后，必须访问其详情页提取描述。
提取方法见 references/site-patterns/{{SITE_ID}}.md 的"详情页职位描述提取" section。
- CDP navigate 到详情页 URL → 等待 ready: complete → eval 提取 document.body.innerText → 解析描述/要求
- 详情页访问间隔 >= 2 秒，避免风控
- 若详情页无法访问，用列表字段（experience + skills + degree）合成 job_requirements 兜底
- description 截取前 1000 字，job_requirements 截取前 500 字

**输出格式：**
返回严格 JSON 数组，每元素包含以上所有字段。

去重与清洗脚本使用

# 基本去重（从合并的 all_raw.json）
python3 scripts/deduplicate.py output/YYYY-MM-DD_HHmmss-all_raw.json \
  -o output/YYYY-MM-DD_HHmmss-deduped.json

# 带活跃时间过滤 + 猎头分流
python3 scripts/deduplicate.py output/YYYY-MM-DD_HHmmss-all_raw.json \
  -o output/YYYY-MM-DD_HHmmss-deduped.json \
  --max-active-days 30 \
  --split-headhunter \
  --split-output-dir output/

报告生成

python3 scripts/format_output.py output/YYYY-MM-DD_HHmmss-deduped.json \
  --keyword "AI Agent" \
  --city "深圳" \
  --experience "3-5年" \
  --salary "20-35K" \
  --job-type "社招" \
  --active-days "30" \
  --max-results "15"

输出报告格式

文件路径

• 单站原始结果：output/YYYY-MM-DD_HHmmss-{site}_results.json
• 合并原始结果：output/YYYY-MM-DD_HHmmss-all_raw.json
• 去重后结果：output/YYYY-MM-DD_HHmmss-deduped.json
• 非猎头岗位：output/YYYY-MM-DD_HHmmss-direct.json
• 猎头岗位：output/YYYY-MM-DD_HHmmss-headhunter.json
• 最终报告：output/YYYY-MM-DD_HHmmss-{关键词}.md

时间戳格式：YYYY-MM-DD_HHmmss（如 2026-05-24_143000）

报告结构

# 岗位搜索结果：{关键词}

> 搜索时间 / 搜索条件 / 站点 / 有效结果

## 非猎头岗位（N 条）
汇总表格 + 每条岗位详情卡片（含活跃时间、岗位要求、求职类型）

## 猎头岗位（M 条）
汇总表格 + 每条岗位详情卡片

## 按城市分类 / 按公司类型分类 / 按来源站点
## 薪资分布 / 高频技能标签

岗位详情卡片字段

字段	说明
薪资	明文薪资，如 "20-35K·14薪"
城市	工作城市
区域	区域/商圈
经验	经验要求
学历	学历要求
求职类型	社招/校招/实习
公司规模	公司人数规模
行业	所属行业
技能	技能标签列表
招聘者活跃	最近活跃时间
来源	原始链接
猎头	是/否
岗位要求	硬性条件（技能/经验/学历等）
职位描述	工作内容摘要

## 注意事项

- 仅搜索 BOSS直聘 + 猎聘，其他站点除非用户明确要求否则不搜索
- 每个子 Agent 在独立 CDP tab 中操作，互不干扰
- 搜索失败站点标记为「采集失败」，不阻断另一站点
- CDP curl 命令必须加 `--noproxy '*'` 避免 localhost 请求走代理
- BOSS直聘薪资为 PUA 字体加密，必须通过 API 获取 `salaryDesc` 明文
- BOSS直聘 API 返回 `bossOnlineState` + `lastLogin` 共同判定招聘者活跃度
- 猎聘 CSS 类名用动态前缀，务必使用 `[class*="suffix"]` 属性选择器
- 猎聘招聘者活跃时间从卡片 DOM 中 `.recruiter-active-time` 提取
- **搜索列表 API 不返回职位描述**：子 Agent 必须额外访问每个岗位的详情页，从 DOM 提取 description 和 job_requirements
- 不采集付费内容
- 单个子 Agent 超时 120 秒，超时标记为「采集超时」
- 单站搜索失败自动重试最多 2 次（每次间隔 5 秒）
- 去重阈值：公司名相似度 ≥ 0.85 且岗位名相似度 ≥ 0.80 视为重复
- 所有输出文件统一放在 `output/` 目录下，秒级时间戳防止覆盖

### 薪资范围映射策略

BOSS直聘和猎聘的标准薪资筛选器不支持所有自定义区间。处理策略：

| 用户选择 | zhipin API code | liepin approx | 后过滤 |
|---------|----------------|---------------|--------|
| 不限 | 0 | 0 | 否 |
| 10-20K | 404 | ??? | 否 |
| 20-35K | 405 | ??? | 否 |
| 30-60K | **不传（不限）** | **不传** | **是** |
| 35-50K | 406 | ??? | 否 |
| 40-60K | **不传（不限）** | **不传** | **是** |
| 30K以上 | **407（50K+）** | **max available** | **是** |
| 40K以上 | **407（50K+）** | **max available** | **是** |
| 50K+ | 407 | ??? | 否 |

**后过滤逻辑**：API 返回后，在子 Agent 中解析 `salaryDesc` 的数值（取中位数或最小值），
过滤掉不在目标薪资区间内的岗位。例如用户选 30-60K，API 不限薪资拉回全部结果，
子 Agent 只保留 `salary_min >= 30 AND salary_max <= 60` 的岗位。