菜单
从招聘平台(闲鱼兼职、Boss直聘、智联、拉勾、58同城、豆瓣兼职等)抓取招聘信息,根据用户输入的个人特征(技能、地点、时间、薪资期望、工作形式偏好)匹配适合的长期雇佣或临时工机会,按性价比(加权时薪)排序,输出 markdown 推荐报告到当前项目的 markdown 目录。当用户提出"找工作"、"匹配岗位"、"接私活"、"找兼职"、"招聘推荐"、"什么活适合我"等需求时触发。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/digoal/blog --skill job-advisor命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| name | job-advisor |
| description | 从招聘平台(闲鱼兼职、Boss直聘、智联、拉勾、58同城、豆瓣兼职等)抓取招聘信息,根据用户输入的个人特征(技能、地点、时间、薪资期望、工作形式偏好)匹配适合的长期雇佣或临时工机会,按性价比(加权时薪)排序,输出 markdown 推荐报告到当前项目的 markdown 目录。当用户提出"找工作"、"匹配岗位"、"接私活"、"找兼职"、"招聘推荐"、"什么活适合我"等需求时触发。 |
给定个人特征(技能、地点、可投入时间、薪资下限、工作形式偏好),从公开渠道抓取招聘信息,按 加权时薪 = 基础时薪 × 技能匹配 × 通勤折算 × 灵活度 排序,输出 markdown 推荐报告。
除直接技能匹配外,本 skill 同时识别"借助 AI 工具也能较轻松拿下"的岗位(基础翻译、文案润色、简单海报、字幕、PPT、数据录入、信息搜集等),在报告中以独立专区形式单独列出,不污染主 Top10 的技能匹配排序。
直接抓取 Boss直聘/闲鱼等平台 API 在工程上不可行(登录墙、强反爬、风控)。本 skill 采用搜索引擎聚合的实用策略:
| 渠道 | 抓取方式 | 说明 |
|---|---|---|
| 闲鱼兼职 | mmx web_search "site:goofish.com 兼职" 等 | 通过搜索引擎拿公开页面摘要 |
| Boss直聘 | mmx web_search "site:zhipin.com <关键词>" | 同上,只能拿搜索结果摘要 |
| 智联招聘 | mmx web_search "site:zhaopin.com <关键词>" | 同上 |
| 拉勾 | mmx web_search "site:lagou.com <关键词>" | 同上 |
| 58同城兼职 | mmx web_search "site:58.com 兼职 <关键词>" | 同上 |
| 豆瓣兼职小组 | mmx web_search "site:douban.com 兼职 <关键词>" | 同上 |
| 小蜜蜂远程工作 | mmx web_search "site:xiaomifeng.work" | 远程岗位聚合 |
| 电鸭社区 | mmx web_search "site:eleduck.com 远程" | 远程岗位 |
反爬声明:不要尝试用 requests/selenium 直接打平台,会被封 IP。本 skill 仅依赖搜索引擎可达的公开摘要,结果可能滞后/不完整,报告必须注明数据时间。
mmx web_search 执行每个 query,合并去重。title / company / location / pay / type / skills / link / source_platform 字段,字段缺失则降级或丢弃。scripts/match_jobs.py,传入 profile.json 与 jobs.json,得到排序结果。<项目根>/markdown/<日期>_job-recommendations.md。读 references/profile_schema.md 完整定义。最小必填:
{
"skills": ["Python", "PostgreSQL"],
"location": "杭州",
"available_hours_per_week": 20,
"min_hourly_rate": 150,
"preferred_types": ["remote", "part_time"]
}
可选:max_commute_minutes、avoid_keywords、language、experience_years、industries。
python3 scripts/match_jobs.py \
--profile /path/to/profile.json \
--jobs /path/to/jobs.json \
--top 10 \
--out /path/to/scored_jobs.json
scripts/match_jobs.py 读取两份 JSON,返回按 cost_effectiveness_score 降序的列表,含逐项打分明细。详见脚本内 docstring。
<cwd>/markdown/<YYYY-MM-DD>_job-recommendations.md| 情况 | 处理 |
|---|---|
| 用户未给地点或薪资下限 | AskUserQuestion 澄清,不要瞎猜 |
| 搜索引擎全失败 | 报告中标注"无可用抓取数据",不输出空 Top10 |
| 抓取 < 5 条 | 仍输出,但顶部加明显警示"样本不足,建议补充搜索词" |
| 字段无法解析薪资 | 标记为 pay_unknown=true,打分时该项置 0 并降权 |
很多岗位在传统视角下需要专业技能(翻译资质、设计功底、剪辑经验等),但借助 AI 工具链(LLM 翻译/文案、SD/MJ 生图、Whisper 字幕、PPT 排版等)准入门槛已大幅降低。本 skill 把这类岗位识别后,以"AI 友好专区"形式单独列在报告末尾,与主 Top10 解耦。
机制:
scripts/match_jobs.py 维护 AI_ASSISTABLE_KEYWORDS 列表(翻译、文案、海报、字幕、PPT、数据录入、调研、客服话术等)_score.ai_friendly=true 标记,不参与主排名加权(避免污染技能匹配结果)pay_basis 与 hourly_rate_cny 二次排序,生成"AI 友好专区"小节为什么不直接并入主排名:
match_jobs.py — 性价比打分脚本,见上文调用方式。platforms.md — 各平台搜索词模板与反爬说明。profile_schema.md — 个人特征输入 schema 与示例。output_template.md — markdown 报告渲染模板。深度思考分析解答任何领域的棘手问题。当用户提出的问题具备以下任一特征时必须触发此 skill：(1) 涉及多个领域（如"AI 对就业的影响"涉及技术、经济、社会学、哲学）；(2) 涉及争议性观点或对立立场（如"比特币是不是泡沫"）；(3) 需要严谨论证、权威数据支撑、第一性原理推理（如"为什么中国新能源车销量这么猛"）；(4) 用户明确要求深度分析、多视角交叉验证、给出适用边界和证伪/证明手段。即便用户没有点名"深度分析"，只要问题本身具备跨学科、权衡性、需多专家视角的特征，都应触发本 skill，而不是给出浅尝辄止的单线回答。本 skill 不适用于闲聊、事实查询、明确要求简短回复的场景。
对任何领域的棘手问题进行深度思考分析,先识别问题所属领域并按需调度多位领域专家并行作答, 之后由事实核查员和红队做克制的事实审计与对抗性反驳,最后整合为面向小白的第一人称终稿。 适用:用户抛出一个跨领域/有深度的真实问题,希望听到多位专家的视角、看到观点的边界与证伪条件, 并得到一气呵成、通俗有据的最终文章。不适用:简单事实查询、纯情绪吐槽、不要求证据的随口一问。
召唤多领域专家智能体，对任何棘手、跨学科、有争议或开放性的问题做并行深度分析，再经过一轮克制的事实核查与红队反驳，最后由一个"干净大脑"的终稿撰写者把所有内容无缝重写成一篇第一人称、面向小白、图文并茂、有人味、留有证伪空间的深度长文。触发条件：用户提出任何值得深挖的复杂问题，尤其是跨领域、需要多方视角、需要权威数据支撑的问题；提到"帮我深度分析"、"多专家视角"、"专家怎么看"、"这个问题涉及哪些领域"、"帮我搞清楚 XX 到底是怎么回事"、"用第一性原理分析一下"、"这个观点站得住脚吗"、"帮我论证一下"、"multi-expert-analyzer2"，或者只是抛出一个开放性问题如"为什么 XX 会发生"、"如何看待 XX 现象"、"XX 到底靠不靠谱"。即使用户没有明确说"专家"或"深度分析"这几个字，只要问题本身跨越多个专业领域、需要审慎论证而非泛泛而谈，也应使用本 skill。本 skill 与仓库中其他类似名称的技能（如 multi-expert-analyzer、multi-expert-analyzer1）相互独立，不共享模板或输出结构，请完全按照本文件的流程执行。
基于 SOC 职业分类
