linkedin-job-setup

name	linkedin-job-setup
description	Entrevista o usuário pra configurar o scraper de vagas do LinkedIn. Pergunta uma coisa de cada vez com resposta recomendada, depois atualiza o linkedin_jobs.py com as configurações personalizadas, valida com uma execução de teste, e ativa o cron job. Use quando o usuário quer personalizar o scraper de LinkedIn pela primeira vez ou mudar parâmetros de busca existentes.

LinkedIn Job Setup

Entreviste o usuário para coletar todos os parâmetros necessários para configurar o scraper de vagas do LinkedIn (linkedin_jobs.py). Faça perguntas uma de cada vez, sempre oferecendo uma resposta recomendada baseada em padrões comuns do mercado.

Fluxo de execução

Passo 1 — Confirmar setup técnico

Antes da entrevista, confirme:

1. O Hermes Agent está instalado? (hermes --version)
2. O Telegram está conectado? (pergunte: "você já conectou seu Telegram ao Hermes?")
3. O scraper está clonado? (ls ~/linkedin-job-scraper/linkedin_jobs.py ou o path que o usuário usou)

Se algum item faltar, NÃO prossiga — aponte pro README e explique o passo que falta.

Passo 2 — Entrevista (uma pergunta por vez)

Faça as perguntas abaixo uma de cada vez. Pra cada uma, mostre sua resposta recomendada em itálico. Se o usuário aceitar a recomendação, avance. Se ele disser algo próprio, use o que ele disse.

Use o tool clarify com choices sempre que fizer sentido (escolha entre opções claras). Pra respostas abertas (nome, cargo), use clarify sem choices.

Bloco A — Identidade

A1. Nome do usuário

• Pergunta: "Qual nome devo usar no cabeçalho do arquivo de vagas?"
• Recomendado: o primeiro nome que aparece no profile do Hermes (se disponível) ou "User"
• Vai pra: LINKEDIN_USER_NAME

Bloco B — Cargo-alvo e senioridade

B1. Área principal

• Pergunta: "Qual é sua área principal?"
• Choices: ["Data Engineer", "Data Analyst", "Analytics Engineer", "BI/Analytics Manager", "AI/Machine Learning", "Outra (digite)"]
• Vai pra: base das keywords

B2. Senioridade alvo

• Pergunta: "Qual nível de senioridade você busca?"
• Choices: ["Sênior", "Sênior/Lead", "Manager/Head", "Director+", "Pleno (apenas match perfeito)", "Indiferente"]
• Recomendado: "Sênior" (mercado BR)
• Vai pra: filtro f_E e comportamento do heuristic_score

B3. Excluir cargos júnior/pleno?

• Pergunta: "Quer excluir vagas explicitamente marcadas como júnior, pleno, estágio ou trainee?"
• Choices: ["Sim, excluir todos", "Excluir júnior/estágio, manter pleno", "Não excluir nada"]
• Recomendado: "Sim, excluir todos"
• Vai pra: lista junior_kw em heuristic_score e filtro em main()

Bloco C — Stack técnico (pro score heurístico)

C1. Stack de alta relevância

• Pergunta: "Quais tecnologias/cargos são match perfeito pra você? Liste as principais (separadas por vírgula)."
• Recomendado: baseado na área de B1 — ex: Data Engineer → "data engineer, analytics engineer, bigquery, airflow, spark, dbt, python"
• Vai pra: high_skills em heuristic_score()

C2. Stack de média relevância

• Pergunta: "E quais tecnologias/cargos são match parcial? (stack adjacente que você consegue fazer, mas não é seu core)"
• Recomendado: baseado em B1 — ex: "data analyst, data scientist, business intelligence, sql, etl"
• Vai pra: mid_skills em heuristic_score()

Bloco D — Localização e modalidade

D1. Modalidades aceitas

• Pergunta: "Quais modalidades de trabalho você aceita?"
• Choices: ["Remoto apenas", "Remoto + Híbrido", "Remoto + Híbrido + Presencial", "Tudo (qualquer modalidade)"]
• Recomendado: "Remoto + Híbrido"
• Vai pra: filtro de work_mode em fetch_one()

D2. Localização principal

• Pergunta: "Qual região buscar?"
• Choices: ["Brasil (remoto) + São Paulo (híbrido/presencial)", "Apenas Brasil remoto", "Apenas São Paulo", "Outra cidade/região (digite)"]
• Recomendado: "Brasil (remoto) + São Paulo (híbrido/presencial)"
• Vai pra: build_searches() (location e f_WT)

D3. Cidade específica (se houve presencial/híbrido em D1/D2)

• Pergunta: "Se houver vaga presencial, qual cidade deve ser aceita?"
• Recomendado: baseado em D2 — ex: "São Paulo"
• Vai pra: filtro is_sp em fetch_one() (regex ,\s*sp\b)

Bloco E — Keywords de busca

E1. Keywords customizadas

• Pergunta: "Vou montar uma lista de keywords de busca baseada nas suas respostas. Quer adicionar ou remover alguma?"
• Recomendado: mostre a lista gerada a partir das respostas de B1+C1 e pergunte se quer editar
• Vai pra: lista KEYWORDS no topo do script

Bloco F — Frequência do cron

F1. Frequência de execução

• Pergunta: "Quantas vezes por dia o scraper deve rodar?"
• Choices: ["3x ao dia (8h, 13h, 18h)", "2x ao dia (manhã, tarde)", "1x ao dia (manhã)", "A cada hora", "Customizar horários"]
• Recomendado: "3x ao dia (8h, 13h, 18h)"
• Vai pra: schedule do cron job (0 8,13,18 * * *)

Passo 3 — Aplicar configurações

Depois de coletar todas as respostas:

1. Leia o linkedin_jobs.py do path que o usuário clonou
2. Atualize:
   • USER_NAME (default da env var LINKEDIN_USER_NAME)
   • KEYWORDS lista no topo
   • build_searches() — location e filtros f_WT, f_E
   • high_skills e mid_skills em heuristic_score()
   • junior_kw em heuristic_score() (se B3 = "não excluir", esvazie a lista)
   • Filtro is_brazil em main() (se D2 = outra região, ajuste)
   • Filtro is_sp em fetch_one() (se D3 = outra cidade)
3. Crie o cron job com o cronjob tool:
   • schedule: o que veio de F1
   • prompt: prompt do agente classificador (veja template abaixo)
   • deliver: "origin" (entrega no Telegram)
   • skills: ["cv-job-fit"] se existir, senão []
   • enabled_toolsets: ["terminal", "file"]

Passo 4 — Validação

1. Rode o script uma vez: python3 <path>/linkedin_jobs.py
2. Verifique os outputs: jobs_new.json deve ter vagas, seen.json deve ter IDs, jobs.md deve ter blocos
3. Rode o dashboard: python3 <path>/linkedin_metrics.py
4. Mostre o resumo pro usuário: quantas vagas novas, qual o yield por keyword
5. Confirme o cron: cronjob action=list e mostre o job criado

Passo 5 — Wrap-up

1. Mostre um resumo final com:
   • Path do script configurado
   • Cron job ID e schedule
   • Path dos arquivos de saída
   • Como rodar o dashboard (python3 <path>/linkedin_metrics.py)
2. Pergunte: "Quer ajustar alguma keyword ou filtro agora, ou tá bom pra primeira execução?"

Template do prompt do cron job

Use este template, preenchendo os valores da entrevista:

Você é um classificador de vagas de emprego do LinkedIn para o {USER_NAME}.

## Fluxo

1. Execute o script de coleta: `python3 {SCRIPT_PATH}`
2. Leia o JSON de vagas novas: `{OUTPUT_DIR}/jobs_new.json`
3. Se o JSON estiver vazio (`[]`), imprima apenas: "Nenhuma vaga nova." e termine.
4. Se houver vagas, leia o CV: `{CV_PATH}` (se disponível)
5. Cada vaga no JSON já vem com `heuristic_score` (1-5) e `heuristic_reason` pré-calculados.
6. **Use o heuristic_score como ponto de partida.** Apenas reavalie se o heuristic_reason parecer errono.
7. **Filtre APENAS vagas com 3+ estrelas.**
8. **Ordene da data de publicação mais recente para a mais antiga.** Vagas postadas hoje recebem emoji 🔥 no título.
9. Entregue no formato abaixo.

## Critérios de classificação (1-5 estrelas)

- ⭐⭐⭐⭐⭐ (5): Match perfeito — cargo, stack, nível e setor batem diretamente com a experiência.
- ⭐⭐⭐⭐ (4): Match forte — a maioria dos requisitos alinha, gaps pequenos.
- ⭐⭐⭐ (3): Match moderado — sobreposição parcial, precisaria se adaptar em 1-2 áreas.
- ⭐⭐ (2): Match fraco — gaps significativos.
- ⭐ (1): Match mínimo — sem sobreposição.

## Regra especial: vagas de nível Pleno

Vagas explicitamente marcadas como "Pleno" só podem aparecer com 5 estrelas.

## Formato de saída (Markdown para Telegram)

🔍 **N vagas novas** — data/hora

**1. ⭐⭐⭐⭐⭐ 🔥 Título da Vaga**
Empresa | Local | Modalidade
📅 Postada hoje | Match: frase curta justificando
[Ver vaga](url)

## Regras

- Responda em PT-BR
- Seja conciso — uma frase de justificativa por vaga
- Se nenhuma vaga atingir 3+ estrelas: "🔍 Nenhuma vaga com aderência suficiente desta vez."
- Sempre inclua data relativa de publicação
- 🔥 DEVE aparecer em vagas postadas hoje

Batch mode

Quando o usuário sinalizar que quer acelerar — "faz tudo e manda pra validar", "não precisa ir passo a passo", "manda tudo de uma vez" — saia do modo pergunta-por-vez. Produza todas as configurações de uma vez baseado nas recomendações padrão, mostre o script configurado completo, e pergunte se quer validar ou ajustar algo.

Quando NÃO usar esta skill

• O usuário só quer mudar UMA keyword isolada — edite direto
• O usuário quer debugar um problema — use debugging normal
• O usuário não tem o Hermes/Telegram configurado — aponte pro README primeiro

Pitfalls

• Não confie que o script está em ~/linkedin-job-scraper/ — sempre pergunte o path onde clonou
• Não crie o cron job antes de validar o script — rode manualmente primeiro
• Não esqueça de configurar LINKEDIN_OUTPUT_DIR — se não setar, os arquivos vão pra ~/linkedin-jobs/ (ok, mas confirme com o usuário)
• CV do usuário é opcional — se não tiver, o agente classifica só pelo título/empresa/descrição