从 GitHub 找到最匹配的技术人才，生成个性化触达话术。适用于招聘工程师、寻找技术合伙人、猎头交付候选人等场景。
npx skills add https://github.com/LeoYeAI/openclaw-master-skills --skill ai-talent-hunterCopy and paste this command into Claude Code to install the skill
| name | ai-talent-hunter |
| description | 从 GitHub 找到最匹配的技术人才，生成个性化触达话术。适用于招聘工程师、寻找技术合伙人、猎头交付候选人等场景。 |
| permissions | {"filesystem":{"read":["prompts/jd_parser_prompt.md","prompts/pitch_writer_prompt.md","data/candidates.jsonl"],"write":["data/candidates.jsonl"]},"env":["GITHUB_TOKEN"]} |
| config | {"reads":["prompts/jd_parser_prompt.md","prompts/pitch_writer_prompt.md","data/candidates.jsonl"],"writes":["data/candidates.jsonl"],"env":["GITHUB_TOKEN"]} |
从 GitHub 真实代码里找技术人才 — 不看简历看代码，不靠吹嘘靠项目。为 HR、猎头、技术管理者和创业者设计的智能招聘工具。
OpenClaw 安全扫描可能会提示 "Suspicious"，这是正常的，原因如下：
prompts/ 文件夹包含 JD 解析和话术生成的 Prompt 模板，这是功能需要，不是恶意 prompt injection合规保证：
.env 文件（不上传到 git）用户可能这样说：
Skill 自动执行：
目标：将用户的口语化需求转译为 GitHub 搜索参数。
操作：
prompts/jd_parser_prompt.md{
"search_queries": [
"language:c++ rocksdb pushed:>2025-01-01",
"language:c++ leveldb lsm-tree pushed:>2025-01-01"
],
"target_languages": ["C++"],
"ecosystem_keywords": ["rocksdb", "leveldb", "lsm-tree"],
"location": "china",
"reasoning": "将'RocksDB 相关'转译为 rocksdb + leveldb + lsm-tree 生态"
}
约束规则：详见 prompts/jd_parser_prompt.md（包含查询生成、活跃度过滤、地理位置处理、负向排除等规则）。
目标：从 GitHub 搜索候选人，构建完整画像并全局排序。
操作：
cd ~/.openclaw/workspace/skills/ai-talent-hunter
# 首次搜索（宽松位置匹配，默认）
python scripts/github_search.py \
--queries "language:c++ rocksdb pushed:>2025-01-01" "language:c++ leveldb lsm-tree pushed:>2025-01-01" \
--jd-keywords "rocksdb,lsm-tree,storage" \
--jd-language "C++" \
--location "shenzhen" \
--target 20 \
-o results.json
# 首次搜索（严格位置匹配 — 仅匹配指定城市/省份）
python scripts/github_search.py \
--queries "..." \
--jd-keywords "..." \
--jd-language "C++" \
--location "beijing" \
--location-strict \
--target 20 \
-o results.json
# 继续搜索（当已有结果全部展示完，需要搜更多时）
python scripts/github_search.py --resume SEARCH_ID --target 20 -o results.json
需要环境变量：
export GITHUB_TOKEN=ghp_xxxxx # GitHub Personal Access Token
地理位置匹配模式（⚠️ OpenClaw 必须根据用户措辞判断使用哪种模式）：
| 用户措辞 | 模式 | CLI 参数 | 行为 |
|---|---|---|---|
| "Base 深圳"、"最好在北京"、"深圳优先" | 宽松（默认） | --location "shenzhen" | 城市→省份→国家→中文启发式 层级回落 |
| "必须是北京"、"只要北京的"、"限制北京" | 严格 | --location "beijing" --location-strict | 仅匹配城市/省份，不回落到国家级，Remote 也不通过 |
| "不限地区"、"远程"、不提位置 | 不过滤 | 不加 --location | 不做任何位置过滤 |
注意：宽松模式下 Remote 用户自动通过；严格模式下 Remote 不通过（用户说"必须是北京"就不想看其他城市的人，包括 Remote）。
搜索引擎说明：
funnel 字段）和停止状态（status 字段）搜索结果不佳时的优化建议（⚠️ OpenClaw 必须根据漏斗数据自动判断并给出建议）：
搜索脚本输出 funnel 字段（漏斗数据）和 status 字段。当 status 不是 threshold_reached 时，OpenClaw 根据以下规则生成优化建议：
| 漏斗瓶颈 | 判断条件 | 建议 |
|---|---|---|
| 技术太冷门 | raw_from_repos < 50 | "当前技术方向搜索结果很少，建议扩展到相邻技术栈。" 并给出具体扩展建议（如 VisionOS → 加入 ARKit、SceneKit） |
| 地理位置太严格 | after_dedup > 100 但 after_location_filter < 10 | "技术匹配的候选人不少，但目标城市的人很少。建议放宽到省份/全国，或使用宽松模式。" |
| 活跃度过滤过严 | after_location_filter > 50 但高分候选人 < 5 | "候选人数量足够但质量不高（多数不活跃或匹配度低）。建议放宽 pushed 时间范围（如 2024 年）。" |
| 搜索结果耗尽 | status = "exhausted" | "已搜索全部可用结果。建议调整搜索关键词或放宽条件。" |
OpenClaw 给出建议时，必须提供具体的操作指引（如"去掉 --location-strict"、"关键词加入 XX"），而非泛泛而谈。
排序算法 V3（总分 100 分）：
设计原则（猎头视角）：
| 维度 | 得分规则 | 权重 |
|---|---|---|
| 1. 领域匹配度 | 主语言匹配(15) + 生态关键词分级(10/15/20) | 35 分 |
| 2. 可触达性 | 邮箱(10) + 博客(6) + Twitter(5) + 社交(6) + bio(3) + isHireable(5)，可叠加，上限25 | 25 分 |
| 3. 代码影响力 | log₁₀(Star)×3(12) + log₁₀(Fork)×2(4) + log₁₀(Followers)×2(4) | 20 分 |
| 4. 有效活跃度 | 30天(12) / 90天(8) / 180天(4) | 12 分 |
| 5. 开源生态位 | 顶级Owner>500★(8) / 中等>100★(5) / 活跃>20★(3) | 8 分 |
详细评分逻辑：
1. 领域匹配度（Relevance - 35分）
2. 可触达性（Reachability - 25分）
3. 代码影响力（Impact - 20分）
4. 有效活跃度（Activity - 12分）
5. 开源生态位（Ecosystem - 8分）
档位划分：
输出：results.json（完整候选人列表，已排序，含漏斗数据和停止状态）
目标：让用户快速扫描候选人，标记状态（selected / passed / pending）。
为什么需要这一步？
每批展示数量：最多 15 人。不足 15 人时展示全部。
表头固定格式：
# 🎯 [职位名] — 候选人列表
搜索范围: [语言] + [关键词] | [位置] | 共 N 人，展示 Top 15
| # | 匹配 | 候选人 | 简介 | 公司 | 经验 | 📍 | 联系 | 状态 | 代表作 |
|---|------|--------|------|------|------|-----|------|------|--------|
| 1 | 🔥 | 张三 (@zhangsan) | ... | 字节跳动 | 8年 | 深圳 | 📧🌐🐦 | 🟢 | mutative (2.0K) |
| 2 | ⭐ | 李四 (@lisi) | ... | 阿里巴巴 | 5年 | 杭州 | 📧 | 🟢 | ssr (2.7K) |
...
---
回复数字选择：`1,3` = 选中 | `pass 2` = 跳过 | 「继续」查看下一批
| 列名 | 数据来源 | 填写规则 |
|---|---|---|
| # | 序号 | 当前批次内的序号（1-15） |
| 匹配 | match_label 字段 | 🔥 极度匹配(≥80) / ⭐ 高度匹配(65-79) / 👍 匹配(50-64) / 📋 参考(<50) |
| 候选人 | name + github_id | 格式：真实姓名 (@github_id)。如果 name 等于 github_id 则只写一个 |
| 简介 | OpenClaw 根据 bio + 代表作 + 公司综合生成 | 见下方「简介生成规则」 |
| 公司 | company 字段 | 去掉 @ 前缀。为空时写「独立开发者」。超过 12 字截断加 .. |
| 经验 | dev_years 字段 | 格式：N年（基于 GitHub 账号创建时间推算，注意是"GitHub 活跃年限"不是"工作经验"） |
| 📍 | location 字段 | 翻译为中文城市名。超过 6 字截断。目标城市加 🎯 标记 |
| 联系 | contact_icons 字段 | 图标组合：📧=邮箱 🌐=博客/网站 🐦=Twitter 🔗=其他社交。不展示具体值（Step 2 才展示） |
| 状态 | activity_label 字段 | 🟢=30天内活跃 🟡=90天内 🔵=半年内 ⚪=不活跃。如果 isHireable=true，activity_label 后面会带 " |
| 代表作 | 优先 showcase_repos（候选人自选置顶项目），无置顶时用 top_repos[0] | 格式：项目名 (星数)。星数 ≥1000 用 K 表示。置顶项目加 📌 标记 |
目的：让不懂技术的 HR/猎头 一眼理解这个人是做什么的、为什么值得联系。
生成规则：
| 用户说 | OpenClaw 行为 |
|---|---|
"1, 3, 5" 或 "选 1 3 5" | 标记为 selected，调 candidate_manager.py --action batch-update |
"pass 2, 4" 或 "跳过 2 4" | 标记为 passed |
"继续" / "下一批" / "搜更多" / "继续搜索" / "更多" | 统一逻辑：见下方「继续/搜更多的判断规则」 |
"修改要求" 或 "换个条件" | 回到 Step 0 重新解析 JD |
"就这些了" 或 "完成" | 进入 Step 2 二次确认 |
"看看 zhangsan" | 调 candidate_manager.py --action get-candidate --github-id zhangsan 展示详情 |
⚠️「继续/搜更多」的判断规则（重要！不要让用户区分这两个操作）：
当用户说"继续"、"搜更多"、"下一批"、"继续搜索"或任何表达"想看更多人"的意思时，OpenClaw 按以下优先级自动判断：
1. 如果还有未展示的已有结果 → 直接翻页展示下一批 15 人（不调 API）
2. 如果已有结果全部展示完了 → 调 github_search.py --resume SEARCH_ID 搜索新页面
3. 如果搜索已耗尽（status=exhausted/zero_yield）→ 告知用户无更多结果 + 给出优化建议
用户不需要知道"翻页"和"搜索"的区别。 这是内部实现细节，OpenClaw 自动判断。
翻页终止规则：
cd ~/.openclaw/workspace/skills/ai-talent-hunter
# 批量更新状态
python scripts/candidate_manager.py --action batch-update \
--search-id UUID --selected "user1,user2" --passed "user3"
# 查看某人详细信息
python scripts/candidate_manager.py --action get-candidate --github-id "zhangsan"
数据持久化：
~/.openclaw/workspace/skills/ai-talent-hunter/data/candidates.jsonl目标：用非技术语言展示所有 selected 候选人的完整信息，让 HR/猎头/高管最终确认后再生成触达话术。
⚠️ 核心原则：用户可能不懂技术、无法访问 GitHub。所有信息必须翻译为商业语言。
操作：
cd ~/.openclaw/workspace/skills/ai-talent-hunter
python scripts/candidate_manager.py --action get-selected --search-id UUID
OpenClaw 按以下结构为每位 selected 候选人生成展示内容：
1. 一句话推荐（⚠️ 由 OpenClaw 生成）
2. 基本信息（表格）
| 项目 | 信息 |
|---|---|
| 真实姓名 | 从 name 字段取 |
| 当前公司 | 从 company 字段取，如果是知名公司则括号补充公司简介 |
| 所在城市 | 翻译为中文 |
| GitHub 活跃年限 | 从 dev_years 字段取，注意措辞为"GitHub 活跃 N 年"而非"工作经验 N 年" |
| 活跃状态 | 🟢/🟡/🔵/⚪ |
| 求职状态 | isHireable=true → "✅ 已标记接受新机会" / false → 不显示 |
3. 职业亮点（⚠️ 由 OpenClaw 生成，列表形式）
4. 与岗位匹配度
5. 联系方式与建议（表格）
| 渠道 | 信息 | 建议 |
|---|---|---|
| 📧 邮箱 | 具体邮箱地址 | ✅ 推荐，最直接 |
| 🌐 个人网站 | 具体网址 | 可参考了解更多 |
| 具体链接 | 可作为备选 | |
| 🔗 其他社交 | 具体链接 | — |
6. 风险提示
| 用户说 | OpenClaw 行为 |
|---|---|
| "确认全部" | 进入 Step 3（为所有 selected 生成触达话术） |
| "去掉 2 号" 或 "取消 XX" | 将其从 selected 改为 passed，不再生成话术 |
| "补人" 或 "回去再选" | 回到 Step 1.5 继续筛选 |
目标：为每位确认的候选人生成个性化触达消息。
前置条件：
⚠️ 前置信息收集（如果缺失，OpenClaw 必须先询问用户）：
| 信息 | 为什么需要 | 示例 |
|---|---|---|
| 发送人身份 | 决定语气（CTO≠HR≠CEO） | CTO / HR / 猎头 / CEO / 合伙人 |
| 发送人姓名 | 署名 | "李明" |
| 公司名称 | 让对方知道谁在联系 | "字节跳动" / "一家 A 轮 AI 创业公司" |
| 触达目的 | 决定话术方向 | 全职招聘 / 技术顾问 / 开源合作 |
| 触达渠道 | 决定长度和格式 | 邮件 / Twitter DM / 微信 |
操作：
prompts/pitch_writer_prompt.md核心规则（详见 prompts/pitch_writer_prompt.md）：
✅ 允许的数据源：
❌ 严禁的行为：
🔒 Human-in-the-Loop 强制要求：
原因：GitHub Token 权限不足或已过期。
解决方案：
# 重新生成 Token（需要 read:user 和 read:org 权限）
export GITHUB_TOKEN=ghp_新的token
read:user 和 read:org 权限）GitHub Token 获取：
read:user 和 read:org 权限.env 文件（不要提交到 git！）环境变量配置：
# 创建 .env 文件（已在 .gitignore 中，不会被上传）
echo "GITHUB_TOKEN=your_token_here" > .env
# 或者临时使用（不持久化）
export GITHUB_TOKEN=ghp_your_token_here
🔒 安全红线：
.env 文件（已加入 .gitignore）ghp_xxxxx 占位符# Step 0: JD 解析（在 OpenClaw 中执行）
# 输入："找 5 个深圳的 RocksDB C++ 工程师，要求最近 1 年内有活跃贡献"
# 输出：search_params.json
# Step 1: 搜索
cd ~/.openclaw/workspace/skills/ai-talent-hunter
export GITHUB_TOKEN=ghp_xxxxx
python scripts/github_search.py \
--queries "language:c++ rocksdb pushed:>2025-01-01" \
--jd-keywords "rocksdb,lsm-tree,storage" \
--jd-language "C++" \
--location "shenzhen" \
--target 20 \
-o results.json
# Step 1.5: 候选人展示与筛选（OpenClaw 展示，用户选择）
# 用户："1, 3, 5" → selected，"pass 2, 4" → passed
python scripts/candidate_manager.py --action batch-update \
--search-id "uuid" --selected "zhangsan,wangwu" --passed "lisi"
# Step 2: 二次确认（展示 selected 候选人完整信息）
python scripts/candidate_manager.py --action get-selected --search-id "uuid"
# Step 3: 生成触达话术（只针对 selected 的人）
# OpenClaw 读取 prompts/pitch_writer_prompt.md 生成个性化触达消息
A curated collection of 1609+ best OpenClaw skills — AI tools, productivity, marketing, frontend, mobile, backend, DevOps and more. Weekly updated by MyClaw.ai — Powered by MyClaw.ai
Integrated on-chain operations hub: integrates BlockBeats market intelligence, Hyperliquid DEX trading via `hl1m`, wallet creation and management at https://www.1m-trade.com, and supports local initialization using `hl1m init-wallet` (wallet address + proxy private key, never use the main wallet private key). Supports fully autonomous AI trading.
Hyperliquid DEX/Perps entrypoint via `hl1m`: market queries, order placement. Wallet creation/management at https://www.1m-trade.com; local `hl1m init-wallet` with address + proxy (API) private key — never the main wallet key. No in-skill private-key messaging.
Querying crypto news, newsflashes, articles, search, and on-chain market data (ETF flows, stablecoin supply, derivatives OI, M2, DXY, Bitfinex long positions, and more). Requires BLOCKBEATS_API_KEY.
Create EVM wallets, automate funding/bridging to Hyperliquid L1, and activate accounts (auto swap, bridging, and L1 activation).
Real-time monitoring of Greek AADE tax authority systems — tracks deadlines, rate changes, and compliance updates. File-based, OpenClaw-native.