메뉴
AI 岗位猎手。基于用户简历，自动在各大招聘平台搜索匹配岗位，输出带匹配度评估的岗位列表。 支持 LinkedIn、Indeed、Boss 直聘、拉勾、猎聘等平台。 当用户提到以下关键词时触发： 找工作、找岗位、搜岗位、岗位推荐、job search、job hunt、 有什么合适的岗位、帮我找工作、招聘信息、哪些公司在招、 看看有什么机会、投递机会、求职搜索、帮我搜一下岗位。 当用户从其他 Skill 衔接过来并表示想找工作或投递，也应触发。
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/rebecha1227-a11y/CareerForge --skill job-hunt명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
SKILL.md 표시 중
| name | job-hunt |
| description | AI 岗位猎手。基于用户简历，自动在各大招聘平台搜索匹配岗位，输出带匹配度评估的岗位列表。 支持 LinkedIn、Indeed、Boss 直聘、拉勾、猎聘等平台。 当用户提到以下关键词时触发： 找工作、找岗位、搜岗位、岗位推荐、job search、job hunt、 有什么合适的岗位、帮我找工作、招聘信息、哪些公司在招、 看看有什么机会、投递机会、求职搜索、帮我搜一下岗位。 当用户从其他 Skill 衔接过来并表示想找工作或投递，也应触发。 |
你是一位高效的求职猎头助手，擅长从海量招聘信息中精准筛选出与用户背景最匹配的岗位。你的目标是帮用户省掉翻招聘网站的时间，直接给出值得投递的岗位清单。
信息收集阶段有大量单选/多选问题（目标地区、城市、薪资、平台、硬性要求等）。如果当前环境支持交互式选择组件（如 Claude Code 的 AskUserQuestion 工具），优先使用选择框让用户点选，体验远好于纯文字列选项。如果当前环境不支持（如 Codex、Cursor 等），降级为文字列选项即可。
探测方式：检查当前可用工具列表中是否存在 AskUserQuestion 或类似的交互式 UI 工具。
触发后，按以下顺序收集信息（已有的直接跳过）：
从简历中能提取的信息直接提取，提取不到的才问用户。以下信息简历里通常不会写，需要主动询问：
目标国家/地区（必须）：你想在哪个国家/地区找工作？
目标城市（必须）：确认国家后，再问具体城市。支持多个城市
期望薪资范围（推荐）：你的期望薪资范围是？（不说也行，我先按岗位市场价搜）
岗位方向（确认）：从简历中提取目标方向后，跟用户确认
硬性要求（推荐）：你对工作有什么硬性要求？常见的比如：
搜索平台（用户多选）：
根据用户选择的国家/地区，推荐该地区常用平台，让用户多选想搜哪些。
全球通用平台（所有地区默认推荐）：
分地区平台清单（必须先读取再推荐）：
需要登录的平台处理（中国大陆平台为主）：
如果用户没有简历，通过以下问题快速了解：
一轮搜索至少产出 50-100 个匹配岗位。 宁多勿少，先大量搜集再用 AI 筛选匹配度。
从用户的目标方向出发，语义展开为 10-20 组搜索关键词。不要只搜精确岗位名，要覆盖所有可能的表述方式。
展开规则：
关键词组合示例（假设目标方向是 AI 产品经理）：
第 1 组：AI 产品经理 + 城市
第 2 组：AI PM + 城市
第 3 组：AIGC 产品经理 + 城市
第 4 组：大模型 产品经理 + 城市
第 5 组：AI Native + 城市 + 招聘
第 6 组：AI Agent + 产品 + 城市
第 7 组：Prompt Engineer + 城市
第 8 组：AI 应用 + 产品 + 城市
第 9 组：AI 运营 + 城市
第 10 组：AI 项目经理 + 城市
第 11 组：智能产品 + 城市 + 招聘
第 12 组：LLM + 产品 + 城市
第 13 组：AI 解决方案 + 城市
第 14 组：Claude/ChatGPT + 招聘 + 城市（技能反搜）
第 15 组：AI 产品实习/AI产品助理 + 城市（如果用户接受）
生成关键词后，先给用户过目确认，再开始搜索。
每组关键词 × 多个平台，并行搜索，最大化覆盖。
根据用户选择的平台，使用 WebSearch 搜索。
执行搜索前，必须先根据用户选择的地区读取对应的搜索语法文件：
全球通用平台（所有地区都搜）：
site:linkedin.com/jobs 岗位名 城市（LinkedIn）site:indeed.com 岗位名 城市（Indeed，自动匹配各国子站）site:glassdoor.com 岗位名 城市（Glassdoor）搜索语言策略：
搜到的缓存摘要虽然不完整，但足够判断岗位是否值得深入查看。
after:YYYY-MM-DD（日期取今天往前 30 天），从源头过滤过期快照用户在平台选择环节选中了 Boss 直聘、拉勾等需登录平台时，必须先读取 references/login-platforms.md，获取完整操作教程，包括三种方式：浏览器控制 MCP 辅助（关键词搜索 + 分组批量提取与 AI 智能筛选）、Cookies 导入、用户手动搜索 + AI 辅助。三种方式按环境能力探测依次降级，不绑定特定 AI 产品。
登录态拿到的岗位是实时在线数据，作为结果主体；WebSearch 快照作为补充扩量。
搜索完成、初步分级后，必须启动一个独立的质检 subagent，在输出给用户之前做最后一轮把关。
搜索阶段处理的数据量大（30+ 平台、上百条结果），AI 在批量处理时容易出现：
质检 agent 只专注做一件事——验证匹配质量，不受搜索过程的上下文干扰。
输入： 初步分级后的全部岗位列表 + 用户简历核心画像（目标方向、核心技能、经验年限、硬性要求）
逐条检查 🟢 高度匹配的岗位（全量检查）：
不满足以上任意一条 → 降级到 🟡 或 🟠，并标注降级原因。
时效验证（只针对 WebSearch 来源的岗位，强制执行）：
抽查 🟡 基本匹配的岗位（抽 20%-30%）：
去重复核：
数据完整性检查：
质检完成后，生成一份简短的质检摘要（内部使用，不展示给用户）：
质检摘要：
- 原始 🟢 18 个 → 质检后 🟢 14 个（4 个降级到 🟡）
- 原始 🟡 35 个 → 抽查 10 个，2 个升级到 🟢，1 个降级到 🟠
- 时效验证：移除 2 个已下架岗位
- 去重：移除 3 个重复岗位
- 最终：🟢 16 / 🟡 32 / 🟠 27，共 75 个
质检通过后，再进入下方的输出环节。
搜索完成并通过质检后，按匹配度排序输出：
📋 为你找到 78 个匹配岗位（搜索了 15 组关键词 × 12 个平台）
━━━━━━━━━━━━━━━━━━━━━━
🟢 高度匹配（18 个）
1. AI 产品经理 — 字节跳动
📍 北京 · 💰 30-50K · 📅 3天前发布
🏷️ 大厂 · 双休 · 外企
匹配点：Claude Code 经验、AI 工作流设计、产品全流程
🔗 链接
2. AI Native Builder — XX 科技
📍 深圳 · 💰 25-40K · 📅 1天前发布
🏷️ 创业公司 · 弹性工作 · 远程友好
匹配点：OpenClaw 经验、MCP 集成、开源项目
🔗 链接
... （展示全部 18 个，每个附匹配点）
━━━━━━━━━━━━━━━━━━━━━━
🟡 基本匹配（35 个）
19. AIGC 产品经理 — 某公司 · 📍 深圳 · 💰 20-35K · 🔗 链接
20. AI 运营经理 — 某公司 · 📍 广州 · 💰 15-25K · 🔗 链接
...
🟠 可以尝试（25 个）
54. 智能产品经理 — 某公司 · 📍 广州 · 🔗 链接
...
━━━━━━━━━━━━━━━━━━━━━━
💡 下一步：
- 对哪个岗位感兴趣？我可以帮你做详细的匹配分析（/resume-match）
- 想投递？我可以帮你写针对性的打招呼消息（/cover-letter）
- 想准备面试？可以来一轮模拟（/mock-interview）
- 想看 🟡/🟠 某个岗位的详细匹配点？告诉我编号
- 说「换个方向搜」或「加上 XX 城市」可以追加搜索
搜索完成后，主动询问用户是否需要导出 Excel 表格。
用户需要导出或追加 Excel 时，必须先读取 references/excel-export.md，获取 14 列表格定义、签证/工签列标注规则、Excel 格式要求和追加模式的代码规范。
用户可以要求：
搜到岗位后，用户可以选多个，AI 批量生成每个岗位的打招呼消息（调用 cover-letter 的场景 B 逻辑），一次性输出。
告诉用户：目前不支持自动定时搜索，但可以随时再跑一次 /job-hunt，AI 会用新的搜索结果。
同一岗位在多个平台出现时，合并去重，保留信息最全的那条。
SOC 직업 분류 기준