competitor-hiring-intel

name

competitor-hiring-intel

description

用 AI 定期从竞争对手的公开招聘官网抓取在招岗位，通过跨期快照对比识别「上新岗位」，反推竞对近期的人才招聘趋势与策略（扩张收缩、能力押注、地域布局、社招校招结构），并叠加一个独立的「互联网最新人才情报新闻」模块（融资/组织调整/裁员/高管变动/扩招收缩表态），最终沉淀进一个结构统一的飞书多维表格仪表盘（顶部文字洞察 + 岗位增量趋势图表 + 独立新闻区块）。内置中国 24 行业 240+ 明星公司候选目录，默认给用户推荐三家最相关企业的招聘官网让其确认；兼容国内主流 ATS（Moka、北森、飞书招聘）、大厂自建官网（腾讯/京东/美团/网易/携程/字节等已内置适配）与国际标准 ATS（Greenhouse/Lever/Ashby/SmartRecruiters）。当用户想做竞对人才情报、监控对手在招岗位变化、分析竞争对手人才策略、看某公司最近在招什么/扩招什么方向、了解竞对最新人才新闻动态、建立竞对招聘监控看板，或说「竞对人才情报 / 竞争对手招聘趋势 / 抓竞对岗位 / 对手最近招什么 / 竞对人才新闻」时使用。只处理公开在招岗位与公开报道，不涉及候选人隐私或登录态数据。

竞争对手人才情报（Competitor Hiring Intel）

概述

两条互相印证的情报线，汇入一个飞书多维表格仪表盘：

• 岗位线：定期抓竞对公开招聘官网在招岗位 → 跨期快照 diff 算「上新/下架/变更」→ 反推招聘趋势与策略。
• 新闻线（独立模块）：从互联网公开报道采集竞对人才动态（融资/组织调整/裁员/高管变动/扩招收缩表态），作为领先信号与岗位增量交叉印证。

架构分工（重要）：

• 本 skill 的脚本负责确定性的脏活：抓取归一化、diff 增量、聚合指标、新闻归一化。
• lark-base skill 负责所有飞书 Base 读写（建表/写记录/建仪表盘/图表）——本 skill 不硬编码 lark-cli 语法。
• LLM（你） 负责编排、竞对发现、WebSearch 采集新闻、以及顶部「近期洞察」文案。

首次使用须知（开场必须先告知用户）

在启动本 skill 的第一轮回复里、动手抓取前，先如实向用户说明预期，并邀请一起试：

• 抓取可能失败：不同招聘官网的反爬机制差别很大（登录态、客户端签名令牌、按需加载接口等），有些站点可能就是抓不到。这不是 bug，是这类任务的固有不确定性。
• 一开始需要人机协作试不同方法：先拿用户确认的竞对，实际试抓一两家、必要时配合浏览器抓包发现接口，让用户尽早体感"这些站到底能不能抓成"，再决定投入。
• 抓不成也没关系：抓不到的竞对如实标注、保留新闻线即可；不必强求每家都成。

态度上：诚实报告成败，抓不到就直说并给出可选路径（浏览器发现 / --stdin-json 粘贴原始 JSON / 人工 / 换一家）；不夸大成功率，不为了"看起来成功"而伪造数据或绕过风控。

工作流

① 发现建档 → ② 抓取归一化 → ③ 跨期 diff → ④ 聚合指标 ┐
                                          ⑤ 采集新闻 ┼→ ⑥ 飞书 Base 仪表盘
   (首次做全)                                        ┘   (定期复跑迭代)

脚本位于 scripts/，参考文档位于 references/，候选目录在 assets/。用 python3 scripts/xxx.py 调用。

① 发现建档（首次 / 新增竞对时）

读 references/competitor_discovery.md。要点：

• 默认推荐三家：用户没给名单时，先问清行业/公司定位，再从 assets/competitor_catalog.json （中国 24 行业 240+ 公司目录）挑三家最相关的竞对，连同招聘官网 URL 列表交用户确认，不自作主张锁定。
• 用户给了名单 → 逐家定位招聘官网、识别来源类型。
• 每家产出一份 source config（放 sources/<slug>.json）。动手抓取前把竞对+官网清单给用户确认 （对齐「先给列表、同意后再批量」的偏好）。

② 抓取归一化

读 references/ats_platforms.md 确定每家的 config 写法（type 选择见下），然后：

python3 scripts/fetch_jobs.py --config sources/<slug>.json --out-dir snapshots --label 2026-08-24

按来源选 type：

• 国际 ATS：greenhouse / lever / ashby / smartrecruiters（只需 token，脚本直连）。
• 大厂自建官网（已内置适配）：tencent / jd / meituan / netease / ctrip / bytedance（可加 keyword 过滤）。
• 国内 ATS（Moka/北森/飞书招聘）：先按 discovery 用 Browser+DevTools 一次性发现 front-end XHR，写成 generic_json； 接口带签名/风控直连被拒 → 用 Browser/WebFetch 取原始 JSON，fetch_jobs.py --config ... --stdin-json < raw.json 只做归一化。
• 自建站兜底：static_html（抓岗位链接）→ 或 jsonld_urls（解析 JobPosting 结构化数据）。
• 输出：snapshots/<slug>_<label>.json。脚本内置 SSRF 防护、URL 去跟踪参数、按 job_id/URL 去重。

③ 跨期 diff（「上新岗位」的核心）

python3 scripts/diff_snapshots.py --old snapshots/<slug>_<上期>.json \
    --new snapshots/<slug>_<本期>.json --out diffs/<slug>_<本期>.json

产出 added（新增=上新）/ removed（下架）/ changed（变更，如城市迁移、职级调整）。 首次没有上期快照时省略 --old，全部记为新增。

④ 聚合指标

python3 scripts/analyze_trends.py diff --diff diffs/<slug>_<本期>.json --out metrics/<slug>_diff.json
python3 scripts/analyze_trends.py trend --snapshots-dir snapshots --slug <slug> --out metrics/<slug>_trend.json
python3 scripts/analyze_trends.py compare --snapshots snapshots/a_<期>.json snapshots/b_<期>.json --out metrics/compare.json

输出按 部门/职能/城市/类型/层级 分布 + Top 技能词，且 diff 模式单独给出新增岗位的分布。

⑤ 采集最新人才情报新闻（独立模块）

读 references/news_module.md。你用 WebSearch 针对每个竞对搜近 3 个月人才相关报道，整理成 news/raw_news.json（每条含 title/url/source/date/competitor/summary），然后：

python3 scripts/normalize_news.py --in news/raw_news.json --days 90 --out news/news_feed.json

脚本去重、按时间过滤、分类（融资/组织人事/扩招/战略/薪酬/产品技术）、打信号标签（AI/出海/收缩/扩张/商业化）。 不自动爬新闻站——由你采集，脚本只归一化，保证每条挂真实 URL、不编造。

⑥ 飞书 Base 仪表盘

读 references/base_dashboard.md（定义 4 张表 + 仪表盘 + 顶部洞察 + 独立新闻区块）。 所有 Base 操作调用 lark-base skill：

• 首次：建 Base + 表1快照/表2增量/表3指标/表4新闻 + 仪表盘骨架。
• 每期：diff 的 added/removed/changed 写表2，快照写表1，指标写表3，新闻写表4，刷新图表。
• 顶部「近期洞察」由你基于 metrics 数值 + 新闻信号撰写：结论先行、克制、每条挂数字、岗位与新闻交叉印证、不写过程语言（对齐用户中文写作偏好）。
• 注意 Base 写限流：串行 + 退避，勿并发批量写；缺失值用「无」占位。

归一化岗位字段

所有来源统一到这套字段（缺的留空；job_id+title 必需，否则无法 diff；无 job_id 时用 canonical URL 兜底）： job_id, title, department, job_function, location, city, job_type, level, headcount, salary_min, salary_max, description, requirement, url, posted_at, updated_at

定期复跑

用户要「定期监控」时：每周/每两周一次即可满足近期趋势；固定 label=日期以保证可回溯、可画趋势线。 复跑只需 ②→⑥（config 已存在），首次的 ①发现不必重做。可配合 automation 定时提醒触发。

边界与合规

• 只抓公开在招岗位（任何求职者可见）与公开报道，不抓登录态、简历、候选人隐私数据。
• 抓取频率放低、分页间自然停顿、不并发轰炸；尊重 robots 与站点条款；SSRF 防护已内置（拒绝本地/内网）。
• 遇签名/风控用 Browser 取原始 JSON，不在脚本里伪造签名绕过风控。
• 强登录平台（Boss/猎聘/拉勾等）不绕过登录反爬，走一次性发现或人工粘贴。
• 飞书招聘 OpenAPI 仅用于用户自己有租户授权的官网，不用于无授权的第三方竞对。
• 新闻只汇总公开报道并标注来源链接，敏感信息（裁员/高管去向）措辞克制、不做人身评价。

资源

• scripts/fetch_jobs.py — 抓取 + 归一化，支持 greenhouse/lever/ashby/smartrecruiters/bytedance/tencent/jd/meituan/netease/ctrip/static_html/generic_json/jsonld_urls，及 --stdin-json 离线归一化。
• scripts/diff_snapshots.py — 两期快照 diff，产出 added/removed/changed。
• scripts/analyze_trends.py — trend/diff/compare 三种聚合，喂仪表盘。
• scripts/normalize_news.py — 新闻去重/分类/打标签，产出独立新闻 feed。
• assets/competitor_catalog.json — 中国 24 行业 240+ 明星公司候选目录（name/careers_url/type），用于默认推荐三家竞对。
• references/competitor_discovery.md — 竞对发现与建档、默认推荐三家、用户确认清单、workspace 目录。
• references/ats_platforms.md — 各来源抓取方式与 type 选择、一次性发现流程、source config 完整字段、反爬。
• references/news_module.md — 最新人才情报新闻模块：采集、搜索查询、归一化、呈现、合规。
• references/base_dashboard.md — Base 4 表 + 仪表盘 + 顶部洞察 + 独立新闻区块的交付契约。