AI Job Hunter — AI辅助求职全流程工作流

⚡ 首次使用必读（环境依赖）

Agent执行前必须先检查以下依赖，缺失时提醒用户安装。

基础依赖（猎聘/智联/社交平台/搜索引擎抓取必需）

# macOS / Linux
pip3 install requests beautifulsoup4

# Windows
pip install requests beautifulsoup4

BOSS直聘依赖（可选，仅抓取BOSS时需要）

# macOS / Linux
pip3 install undetected-chromedriver selenium

# Windows
pip install undetected-chromedriver selenium

还需安装 Chrome浏览器（BOSS抓取依赖Chrome）。

一键环境检查

# macOS / Linux
python3 scripts/check-env.py

# Windows
python scripts/check-env.py

此脚本会自动检查所有依赖，缺失的提示安装。

概述

本skill提供一套结构化的AI辅助求职方法论，将求职从"盲目投递"转变为"目标驱动的自我调节过程"。核心原则：先理解人，再搜索岗位；策略质量 > 活动数量。

方法论基于5个学术框架：

自我调节求职理论（Kanfer）：策略质量比投递数量更重要，组合策略成功率75-85%
花图法（Bolles《你的降落伞是什么颜色》）：7维度自我分析
冰山模型（McClelland）：显性素质+隐性素质分层匹配
奥德赛计划（斯坦福 Burnett & Evans）：3个5年版本设计+原型对话验证
招聘漏斗：投递→筛选→面试→offer转化率追踪

6步闭环流程

Step 0 自我认知 → Step 1 岗位搜索 → Step 2 智能初筛 → Step 3 深度整理 → Step 4 智能建议 → Step 5 投递执行 → Step 6 反馈迭代 → (回到Step 0)

Step 0：自我认知（一切真正的起点）

关键原则：先理解人，再搜索岗位。盲搜 = 浪费时间。

0.1 收集用户信息

向用户收集以下信息（可分批询问，不要一次问太多）：

简历文件：让用户提供PDF/Word简历
核心需求：想做什么方向？不想做什么？为什么？
硬性条件：城市、薪资底线、通勤上限、住址区域
工作价值观：什么最重要？（稳定/成长/高薪/意义感/自由度）

0.2 花图法7维度分析

基于收集的信息，完成以下7维度画像：

| 花瓣 | 维度 | 分析要点 | |------|------|---------| | 花蕊 | 可迁移技能 | 从简历提取核心可迁移技能（课程设计/培训讲授/项目管理等），按权重排序 | | 花瓣1 | 领域 | 想在什么领域工作？优先→可接受→备选 | | 花瓣2 | 工作条件 | 薪资/工作时间/福利/责任层级/是否一线 | | 花瓣3 | 人 | 喜欢和什么人共事？独立/团队/跨部门？ | | 花瓣4 | 环境 | 办公室/远程/出差？城市/区域偏好？ | | 花瓣5 | 价值观 | 什么最重要？成长/稳定/高薪/意义感/自由度？ | | 花瓣6 | 地理 | 具体城市和区域偏好 | | 花瓣7 | 使命 | 想解决什么问题？3-5年后想成为什么样的人？ |

0.3 冰山模型深层分析

水面以上（简历能展示的）：
  知识 + 技能 → 搜索关键词映射

水面以下（简历展示不了的）：
  能力（可培养）→ 面试考察
  价值观（需匹配）→ 公司选择
  特质（较稳定）→ 岗位适配
  动机（最核心）→ 长期满意度

关键：识别用户表面需求背后的深层动机。例如"不想一线上课"可能不只是工作偏好，而是"从执行者→赋能者"的动机转变。

0.4 奥德赛计划

帮用户设计3个不同的5年版本：

| 版本 | 设定 | 思考方式 | |------|------|---------| | V1 | 当前路径的延伸 | 继续当前行业，升级角色 | | V2 | 如果V1的行业消失了 | 用可迁移技能进入新领域 | | V3 | 不受任何约束 | 真正想做的事 |

每个版本评估3个维度（1-10分）：🟢资源匹配度、🔵信心水平、🟡价值观一致性

0.5 输出：个人画像

将完整画像写入workspace的 MEMORY.md，包含：

花蕊可迁移技能 + 搜索词映射
花瓣7维度偏好
冰山深层动机和价值观
奥德赛3版本
硬性需求清单
简历短板识别

Step 1：岗位搜索（多渠道组合策略）

核心数据：组合策略成功率75-85% > 单一策略45-60%。

1.1 三大渠道

| 渠道 | 覆盖 | AI能做的 | 需要用户做的 | |------|------|---------|-------------| | A：招聘平台 | 20-30% | 自动抓取猎聘/BOSS/智联 | BOSS首次登录 | | B：社交平台 | 20-30% | 抓取小红书/知乎/脉脉招聘信息 | 无 | | C：搜索引擎 | 10-20% | web_search搜索事业单位/编制/人才引进 | 无 |

1.2 搜索关键词生成

从花蕊技能 × 花瓣1领域 × 花瓣2工作条件 × 花瓣6地理自动生成：

规则：可迁移技能 × 目标领域 × 岗位类型 × 城市限定

示例：
  课程设计 × 教育行业 × 督导/研发 × 北京 → "教学督导 北京" "课程研发 北京"
  培训讲授 × 医疗康复 × 培训师 × 北京 → "康复培训师 北京" "康复培训 北京"

排除词：基于花瓣2工作条件自动生成（如"不想一线上课"→排除"治疗师""训练师"，除非含"督导""主管"）

1.3 平台抓取技术

渠道A：招聘平台

| 平台 | 方式 | 可获取 | 不可获取 | 脚本 | |------|------|--------|---------|------| | 猎聘 | web_fetch 或脚本直接抓 | 职位/公司/薪资/地区/经验/学历 | 部分职位描述 | scripts/scrape-liepin-zhaopin.py --platform liepin | | BOSS直聘 | headed+API+cookie | 职位/公司/地区/经验/学历/技能/规模/行业/福利 | 薪资（服务端隐藏）/职位描述 | scripts/scrape-boss.py | | 智联招聘 | web_fetch 或脚本直接抓 | 职位/公司/薪资/地区/经验/学历 | 部分职位描述 | scripts/scrape-liepin-zhaopin.py --platform zhaopin |

渠道B：社交平台

| 平台 | 方式 | 可获取 | 不可获取 | 脚本 | |------|------|--------|---------|------| | 小红书 | web_search 或脚本 | 招聘帖摘要/公司评价/薪资分享 | 帖子正文 | scripts/scrape-social.py --platform xiaohongshu | | 知乎 | web_search 或脚本 | 行业招聘汇总/公司评价/职业经验 | 专栏正文 | scripts/scrape-social.py --platform zhihu | | 脉脉 | web_search 或脚本 | 公司评价摘要/薪资爆料 | 完整评价 | scripts/scrape-social.py --platform maimai |

渠道C：搜索引擎（事业单位/编制/特殊渠道）

| 搜索方向 | 搜索词模板 | 脚本 | |---------|-----------|------| | 事业单位/编制 | "{城市} 事业单位招聘 {专业}" | scripts/scrape-social.py --platform gov | | 教育系统直招 | "{城市} 教委特殊教育招聘" | scripts/scrape-social.py --platform gov | | 人才引进 | "{城市} 人才引进 {学历/专业}" | scripts/scrape-social.py --platform talent | | 高校人才网 | "{专业方向}" | scripts/scrape-social.py --platform gaoxiao |

1.4 抓取脚本使用指南

所有脚本位于 scripts/ 目录，跨平台兼容（macOS / Windows / Linux）。

1.4.1 环境检查（首次必做）

# macOS / Linux
python3 scripts/check-env.py

# Windows
python scripts/check-env.py

Agent应在首次使用skill时自动运行此脚本，检查依赖是否齐全。

1.4.2 猎聘/智联抓取（无需登录）

# 猎聘
python3 scripts/scrape-liepin-zhaopin.py --platform liepin --keyword "教学督导" --city "北京"

# 智联
python3 scripts/scrape-liepin-zhaopin.py --platform zhaopin --keyword "课程研发" --city "北京"

# 指定页数
python3 scripts/scrape-liepin-zhaopin.py --platform liepin --keyword "感统教研" --city "北京" --pages 3

# 指定输出文件
python3 scripts/scrape-liepin-zhaopin.py --platform liepin --keyword "教学主管" --city "北京" --output jobs.json

1.4.3 BOSS直聘抓取（需首次登录）

# 首次登录（弹出浏览器，手动登录后cookie自动保存）
python3 scripts/scrape-boss.py --login

# 后续抓取（使用已保存cookie，窗口移出屏幕不打扰）
python3 scripts/scrape-boss.py --keyword "教学督导" --city "北京"

# 指定页数
python3 scripts/scrape-boss.py --keyword "感统教研" --city "北京" --pages 3

BOSS抓取注意事项：

薪资字段被服务端隐藏，API返回为空——用猎聘同岗位薪资参考
Cookie可能过期（通常1-7天），过期需重新 --login
Windows用户确保Chrome已安装且为默认浏览器
首次 --login 需要用户在场手动操作

1.4.4 社交平台+搜索引擎抓取

# 小红书搜索
python3 scripts/scrape-social.py --platform xiaohongshu --keyword "特教 招聘 北京"

# 知乎搜索
python3 scripts/scrape-social.py --platform zhihu --keyword "儿童康复 招聘"

# 脉脉搜索（公司评价/薪资）
python3 scripts/scrape-social.py --platform maimai --keyword "XX公司 薪资"

# 事业单位/编制搜索
python3 scripts/scrape-social.py --platform gov --keyword "特殊教育 事业单位 北京"

# 人才引进搜索
python3 scripts/scrape-social.py --platform talent --keyword "北京 人才引进 心理学"

# 高校人才网直接抓取
python3 scripts/scrape-social.py --platform gaoxiao --keyword "特殊教育"

1.5 替代方案：用Agent内置工具抓取

如果不想运行脚本，Agent也可以直接使用内置工具抓取：

| 工具 | 适用平台 | 方式 | |------|---------|------| | web_fetch | 猎聘/智联/高校人才网 | 直接抓取HTML，Agent解析 | | web_search | 所有平台 | 搜索引擎索引，获取摘要 | | execute_command + 脚本 | 所有平台 | 运行本目录的Python脚本 |

推荐优先级：

先用 web_fetch 直接抓猎聘/智联（最简单）
BOSS用 execute_command 运行脚本（需要cookie）
社交平台/事业单位用 web_search 或脚本均可

1.6 去重合并

| 规则 | 处理 | |------|------| | 同公司+同岗位名 | 合并为一条，标记多平台来源 | | 同公司+不同岗位名 | 保留为独立条目 | | 不同公司+同岗位名 | 保留为独立条目 |

1.7 输出格式

每条岗位标准化为JSON：

{
  "id": "平台缩写+序号",
  "title": "岗位名称",
  "company": "公司名称",
  "salary": "薪资范围（可能为空）",
  "location": "地区",
  "experience": "经验要求",
  "education": "学历要求",
  "source": "来源平台",
  "source_url": "原始链接",
  "skills": ["技能标签"],
  "company_size": "公司规模",
  "industry": "行业",
  "benefits": "福利",
  "job_desc": "职位描述（可能为空）",
  "crawl_time": "抓取时间"
}

Step 2：智能初筛（三层过滤 + 量化评分）

2.1 第一层：硬性排除（直接淘汰）

违反以下任一条件的岗位直接排除：

违反花瓣2工作条件（一线上课/薪资过低/城市不符等）
违反花瓣7使命（完全无关行业）
硬性不符（学历/经验差距过大）

2.2 第二层：需求匹配评分（0-100分）

| 维度 | 分值 | 评分依据 | |------|------|---------| | 花蕊技能匹配 | 30分 | 核心可迁移技能 vs 岗位JD关键词 | | 花瓣1领域匹配 | 20分 | 目标领域 > 相关领域 > 可迁移领域 > 无关领域 | | 非一线程度 | 20分 | 纯管理/研发/培训=20，管理+少量一线=13，主要一线+少量管理=7，纯一线=0 | | 薪资匹配 | 15分 | 下限≥期望=15，70%-100%=10，未知=7，<70%=3 | | 短板可接受度 | 15分 | 无硬性认证=15，优先有=10，必须有=3，无法短期获取=0 |

2.3 匹配度等级

| 等级 | 分数 | 标记 | 行动 | |------|------|------|------| | S级 | 80-100 | 🏆 | 立刻投递，优先准备 | | A级 | 60-79 | ⭐ | 本周投递 | | B级 | 40-59 | 📋 | 备选，有空再投 | | C级 | 20-39 | ⚠️ | 仅在无更好选择时 | | D级 | 0-19 | 🚫 | 排除 |

2.4 第三层：人工复核

AI给出评分 + 理由，用户最终决定是否保留。

Step 3：深度整理 + 多维排序

3.1 岗位信息卡片

每个S/A级岗位生成信息卡片，包含：

┌─────────────────────────────────────────────────┐
│ 🏆 S级 | {岗位名} | {公司名}                     │
├─────────────────────────────────────────────────┤
│ 💰 薪资：{薪资}    📍 地区：{地区}               │
│ 📋 经验：{经验}    🎓 学历：{学历}               │
│ 🏢 规模：{规模}    🏭 行业：{行业}               │
│ 🔗 来源：{平台}                                  │
├─────────────────────────────────────────────────┤
│ 花蕊匹配：{技能1}✅✅✅ {技能2}✅✅ {技能3}✅    │
│ 花瓣1匹配：{领域} → {分数}/20                    │
│ 非一线程度：⭐⭐⭐⭐⭐（{描述}）                  │
│ 冰山分析：                                       │
│   ✅✅✅ 价值观匹配：{分析}                       │
│   ✅✅  特质匹配：{分析}                          │
│   ⚠️  动机匹配：{风险点}                         │
├─────────────────────────────────────────────────┤
│ 短板风险：{分析}                                  │
│ 社交渠道：{小红书/知乎/脉脉是否有相关信息}       │
└─────────────────────────────────────────────────┘

3.2 多维排序维度

| 维度 | 来源 | 默认权重 | |------|------|---------| | 匹配度 | Step 2评分 | 最高 | | 薪资 | 抓取数据 | 高 | | 非一线程度 | 岗位分析 | 高 | | 价值观匹配 | 冰山分析 | 中 | | 通勤距离 | 地图API（如可接入） | 中 | | 公司规模 | 抓取数据/天眼查 | 中 | | 休息日 | 岗位详情 | 中 | | 公司评价 | 看准网/脉脉（如可接入） | 低 |

3.3 缺失信息标记

对每个缺失字段明确标注，并说明补全方式：

薪资缺失 → 用猎聘同岗位参考
职位描述缺失 → 提醒用户在APP中查看
休息日缺失 → 标注"需确认"
公司评价缺失 → 标注"待查"

Step 4：智能建议（花图+冰山驱动）

4.1 每个S/A级岗位的深度建议

包含以下5个模块：

1. 花蕊技能展示策略（简历/面试重点突出什么）

将用户的可迁移技能映射到岗位JD关键词
给出每个技能的具体展示话术

2. 冰山之下怎么说（面试中展现隐性素质）

价值观 → 用故事展现（不是直接说"我重视成长"）
特质 → 用具体行为证明
动机 → 解释转型原因和长期愿景

3. 短板应对策略

每个短板给2-3种回应角度
强调经验/学习能力/替代优势

4. 定制开场文字

针对具体岗位生成30-50字的开场白
包含：姓名+核心优势+对岗位的具体兴趣点

5. 简历调整建议

推荐使用哪个简历版本
需要调整的标题/重点/数据
ATS关键词优化（从JD中提取）

4.2 简历3版本策略（对应奥德赛计划）

| 版本 | 对应奥德赛 | 标题方向 | 重点 | |------|-----------|---------|------| | V1版 | 当前路径延伸 | 行业内的升级角色 | 管理+培训+研发 | | V2版 | 跨领域转型 | 可迁移技能导向 | 技能通用性+学习力 | | V3版 | 自由/创业 | 个人品牌导向 | 项目经验+影响力 |

4.3 ATS优化要点

从目标岗位JD中提取关键词，确保简历中包含
用简单格式，避免表格/图片/特殊字体
最相关经验放在最前面
每条经验都有量化数字

Step 5：投递执行

5.1 投递材料生成

为每个S/A级岗位生成：

定制开场文字（30-50字）
推荐简历版本
如需调整简历，给出具体修改建议

5.2 投递方式

| 方式 | 推荐 | 说明 | |------|------|------| | 平台手动投递 | ✅ 推荐 | AI生成开场文字，用户粘贴投递 | | 内推 | ✅ 最佳 | 需要用户主动联系内部人 | | 邮件投递 | ✅ 可行 | 公司留了邮箱时可用 | | AI自动投递 | ⚠️ 不推荐 | 平台风控可能封号 |

推荐方式：AI生成定制材料，用户手动投递。

5.3 投递节奏

| 周次 | 投递量 | 重点 | |------|--------|------| | 第1周 | 3-5个 | S级岗位，建立信心 | | 第2周 | 5-8个 | S+A级，扩大范围 | | 第3周 | 3-5个 | 根据面试反馈调整 | | 第4周 | 按需 | 补充+新发现 |

Step 6：反馈迭代（自我调节闭环）

6.1 求职漏斗追踪

追踪以下数据，计算转化率：

搜索发现 → 投递 → 面试邀约 → 面试 → 终面 → Offer

正常转化率参考：
  发现→投递：15-25%
  投递→面试：20-30%
  面试→终面：40-50%
  终面→Offer：20-40%

6.2 动态调整规则

| 信号 | 诊断 | 调整 | |------|------|------| | 投递0回复 > 5个 | 简历/开场文字有问题 | 修改简历关键词、调整开场策略 | | 面试邀约 < 投递的15% | 目标岗位不匹配 | 降低标准或换搜索方向 | | 面试通过率 < 30% | 面试表现/短板暴露 | 准备短板应对话术、模拟面试 | | 面试通过但无Offer | 薪资谈判/竞争 | 分析失败原因、调整预期 | | 持续2周无新进展 | 策略失效 | 重新评估花图7维度，考虑换奥德赛版本 |

6.3 每周复盘清单

本周投递多少？收到多少回复？
哪个渠道效果最好？
面试反馈了什么？（记录Q&A）
短板暴露了什么？
需要调整什么？（搜索词/简历/面试策略/目标方向）

执行检查清单

Phase 0：自我认知（首次必做）

[ ] 运行 scripts/check-env.py 检查环境依赖
[ ] 收集简历+需求+硬性条件
[ ] 完成花图7维度分析
[ ] 完成冰山模型深层分析
[ ] 设计奥德赛3版本
[ ] 画像写入 MEMORY.md

Phase 1：岗位搜索

[ ] 读取画像，确认搜索方向
[ ] 生成搜索关键词
[ ] 渠道A-猎聘：web_fetch 或 scripts/scrape-liepin-zhaopin.py --platform liepin
[ ] 渠道A-智联：web_fetch 或 scripts/scrape-liepin-zhaopin.py --platform zhaopin
[ ] 渠道A-BOSS直聘：scripts/scrape-boss.py --login（首次）→ scripts/scrape-boss.py --keyword
[ ] 渠道B-社交平台：scripts/scrape-social.py --platform xiaohongshu/zhihu/maimai
[ ] 渠道C-搜索引擎：scripts/scrape-social.py --platform gov/talent/gaoxiao
[ ] 去重合并

Phase 2：初筛

[ ] 三层过滤
[ ] 标注S/A/B/C/D等级
[ ] 排除D级

Phase 3：深度整理

[ ] 按匹配度排序生成报告
[ ] 生成岗位信息卡片
[ ] 标注缺失信息

Phase 4：智能建议

[ ] 每个S/A级岗位生成5模块建议
[ ] 选择简历版本
[ ] ATS关键词优化

Phase 5：投递

[ ] 生成定制开场文字
[ ] 用户确认后投递
[ ] 记录投递时间

Phase 6：反馈迭代（每周）

[ ] 更新漏斗数据
[ ] 识别瓶颈
[ ] 调整策略
[ ] 更新 MEMORY.md

脚本文件索引

| 文件 | 用途 | 依赖 | 跨平台 | |------|------|------|--------| | scripts/check-env.py | 环境依赖检查与自动安装 | 无额外依赖 | ✅ macOS/Windows/Linux | | scripts/scrape-liepin-zhaopin.py | 猎聘/智联岗位抓取 | requests, beautifulsoup4 | ✅ macOS/Windows/Linux | | scripts/scrape-boss.py | BOSS直聘岗位抓取（需登录） | undetected-chromedriver, selenium, Chrome | ✅ macOS/Windows/Linux | | scripts/scrape-social.py | 社交平台+搜索引擎抓取 | requests, beautifulsoup4 | ✅ macOS/Windows/Linux |

参考资源

详细的方法论说明、评分标准示例、简历模板等，参见 references/ 目录：

references/methodology.md：完整的理论框架说明和学术引用