Scan to join WeChat group找工作 Skill
用途
辅助求职过程中的职位搜索和信息整理工作。支持猎聘、BOSS直聘、拉勾等主流招聘平台。
⚠️ 必填参数（强制校验）
以下三个参数必须从用户 prompt 中获取，如果缺失则必须追问用户：
| 参数 | 说明 | 示例 |
|:---|:---|:---|
| 城市 | 必须指定，可多选 | 杭州、上海、杭州+南京+苏州 |
| 薪资范围 | 必须指定最低薪资下限 | 25K以上、30K以上、50K以上 |
| 职位关键字 | 必须指定搜索关键词 | AI产品经理、金融+产品、C++开发 |
缺少参数时的追问模板
如果用户没有指定全部三个参数，必须追问：
请补充以下信息：
1. 城市：想搜索哪些城市？（如：杭州、上海、南京）
2. 薪资：期望月薪下限是多少？（如：25K、30K）
3. 职位：想搜索什么职位？（如：AI产品经理、金融+产品经理）
核心功能
- 智能防反爬 - 每次请求间隔 2-5 秒随机等待，避免触发反爬机制
- 动态 URL 构建 - 支持任意城市+关键词组合，自动构建搜索 URL
- 参数化薪资筛选 - 支持设置薪资下限，自动过滤不符合条件的职位
- 过滤停招职位 - 自动跳过显示"停止招聘"字样的职位
- 保存职位链接 - 整理成结构化 Excel 表格
- 总结 JD 摘要 - 提取关键信息，保留最有用的内容
城市代码对照表
| 城市 | 代码 | 城市 | 代码 | |:---|:---:|:---|:---:| | 北京 | 010 | 深圳 | 030 | | 上海 | 020 | 南京 | 060000 | | 杭州 | 050020 | 苏州 | 070000 | | 广州 | 050000 | 成都 | 090020 | | 武汉 | 180020 | 西安 | 080020 |
动态 URL 构建
猎聘搜索 URL 格式
https://www.liepin.com/search/?dqs={城市代码}&key={关键词}&compsalary={薪资下限},100&sortFlag=15&d_pageSize=40&d_curPage={页码}
URL 参数说明
| 参数 | 必填 | 说明 | 示例 |
|:---|:---:|:---|:---|
| dqs | ✅ | 城市代码，见上方对照表 | 050020（杭州） |
| key | ✅ | 搜索关键词 | AI产品经理 |
| compsalary | ✅ | 薪资下限，格式：下限,100 | 25,100（25K以上） |
| sortFlag | | 排序方式，默认15=最新发布 | 15 |
| d_pageSize | | 每页数量，默认40 | 40 |
| d_curPage | | 页码，从0开始 | 0, 1, 2... |
URL 构建示例
def build_liepin_url(city_code, keyword, min_salary=0, page=0):
"""
构建猎聘搜索 URL
Args:
city_code: 城市代码
keyword: 搜索关键词
min_salary: 最低薪资（K），0表示不限
page: 页码，从0开始
Returns:
str: 完整的搜索 URL
"""
base_url = "https://www.liepin.com/search/?"
salary_str = f"{min_salary},100" if min_salary > 0 else "0,0"
params = {
"dqs": city_code,
"key": keyword,
"compsalary": salary_str,
"sortFlag": "15",
"d_pageSize": "40",
"d_curPage": str(page)
}
# 构建查询字符串
query = "&".join([f"{k}={v}" for k, v in params.items()])
return base_url + query
# 示例调用
url = build_liepin_url("050020", "AI产品经理", min_salary=25, page=0)
# https://www.liepin.com/search/?dqs=050020&key=AI%E4%BA%A7%E5%93%81%E7%BB%8F%E7%90%86&compsalary=25,100&sortFlag=15&d_pageSize=40&d_curPage=0
工作流程
Step 1: 分析用户需求
解析用户输入，提取：
- 城市列表：如"杭州、上海、南京"
- 关键词：如"AI产品经理、金融"
- 薪资下限：如"25K以上"
Step 2: 构建搜索 URL
根据城市和关键词，动态构建猎聘搜索 URL：
# 单城市搜索
url = build_liepin_url("050020", "AI产品经理", min_salary=25)
# 多城市搜索（循环处理）
cities = {"杭州": "050020", "上海": "020", "南京": "060000"}
for city, code in cities.items():
url = build_liepin_url(code, "AI产品经理", min_salary=25)
Step 3: 抓取数据
web_fetch 抓取
# 抓取搜索结果
result = web_fetch(url="搜索URL", fetchInfo="职位名称、公司名称、薪资、工作地点")
# 解析返回数据
jobs = parse_jobs_from_result(result)
防反爬策略
- 每次请求后等待 2-5 秒:
time.sleep(random.uniform(2, 5)) - 避免短时间内连续请求
- 优先使用 web_fetch 而非 Playwright 自动化
- 猎聘有较强反爬，优先用 web_fetch
Step 4: 过滤职位
def filter_jobs(jobs):
"""
过滤职位列表
1. 过滤掉显示"停止招聘"、"已暂停"、"已下线"的职位
2. 过滤掉薪资低于下限的职位
Args:
jobs: 原始职位列表
Returns:
list: 过滤后的职位列表
"""
filtered = []
stop_keywords = ['停止招聘', '已暂停', '已下线', '暂停招聘', '停止职位']
for job in jobs:
# 检查是否停招
title = job.get('职位名称', '')
company = job.get('公司名称', '')
status = job.get('状态', '')
is_stopped = any(kw in title or kw in company or kw in status
for kw in stop_keywords)
if is_stopped:
continue # 跳过停招职位
# 检查薪资
salary = parse_salary(job.get('薪资', ''))
if salary > 0 and salary < min_salary:
continue # 薪资低于下限，跳过
filtered.append(job)
return filtered
def parse_salary(salary_str):
"""解析薪资字符串，返回月薪（K）"""
import re
# 匹配如 "25-50k", "30K·15薪", "面议" 等格式
match = re.search(r'(\d+)-(\d+)k', salary_str, re.IGNORECASE)
if match:
return (int(match.group(1)) + int(match.group(2))) // 2 # 返回中位数
match = re.search(r'(\d+)k', salary_str, re.IGNORECASE)
if match:
return int(match.group(1))
return 0 # 面议等返回0
Step 5: 整理链接表格
调用 xlsx skill 创建表格，固定字段（必须包含）：
| 城市 | 职位名称 | 公司名称 | 薪资 | 工作地点 | 经验要求 | 职位说明 | 职位链接 | |:---:|---------|---------|------|---------|---------|---------|---------| | 杭州 | AI产品经理 | 阿里云 | 25-50k·16薪 | 杭州-余杭 | 3年以上 | 负责AI产品规划与落地，协同研发推进功能... | https://... |
字段说明：
| 字段 | 说明 | |:---|:---| | 城市 | 职位所在城市 | | 职位名称 | 完整职位名称 | | 公司名称 | 公司名，猎头直推可写"某公司" | | 薪资 | 月薪范围，如"25-50k·16薪" | | 工作地点 | 具体区域，如"杭州-余杭"、"上海-浦东" | | 经验要求 | 如"3-5年"、"5-10年"、"不限" | | 职位说明 | 粗略版，50-100字概括核心职责 | | 职位链接 | 完整猎聘链接 |
职位说明（粗略版）生成规则：
- 从网页抓取后，提取 3-5 条核心职责
- 合并为 50-100 字的中文摘要
- 保留关键词：AI、大模型、Agent、金融、电商等
- 格式：
负责XXX，协同XXX，推动XXX
Step 6: 总结 JD（可选）
使用 references/JD_summary_template.md 作为模板，提取核心职责和技能要求。
JD 总结模板
## 职位基本信息
- **职位名称**:
- **公司名称**:
- **薪资范围**:
- **工作地点**:
- **经验要求**:
- **学历要求**:
## 工作内容
1.
2.
3.
## 技能要求
**硬技能**:
-
**软技能**:
-
## 加分项
-
## 发展前景
筛选条件
以下三个参数必须用户提供，否则必须追问：
| 参数 | 说明 | 示例 |
|:---|:---|:---|
| 城市 | 任意城市组合（使用城市代码） | 杭州、上海、南京、杭州+深圳 |
| 薪资下限 | 期望月薪最低值（K） | 25、30、50 |
| 职位关键字 | 搜索关键词，支持组合 | AI产品经理、金融+产品经理 |
可选筛选：
- 经验: 不限/1-3年/3-5年/5-10年
输出格式
- 职位链接表格 (.xlsx) - 保存到 workspace
- JD 摘要表格 (.xlsx) - 保存到 workspace
- 腾讯文档链接 - 使用 COS 导入工作流上传
腾讯文档上传流程
# 1. 计算文件 MD5 和大小
md5 = subprocess.run(['md5', '-q', 'jobs.xlsx'], capture_output=True).stdout.decode().strip()
size = os.path.getsize('jobs.xlsx')
# 2. 预导入获取上传链接
pre_import = mcporter.call("tencent-docs", "manage.pre_import", {
"file_name": "jobs.xlsx",
"file_size": size,
"file_md5": md5
})
# 3. 上传到 COS
upload_url = pre_import['upload_url']
subprocess.run(['curl', '-X', 'PUT', '-H', 'Content-Type: application/octet-stream',
'--data-binary', '@/path/to/jobs.xlsx', upload_url])
# 4. 触发导入
async_import = mcporter.call("tencent-docs", "manage.async_import", {
"task_id": pre_import['task_id'],
"file_size": size,
"file_key": pre_import['file_key'],
"file_name": "jobs.xlsx",
"file_md5": md5
})
# 5. 轮询进度
while True:
progress = mcporter.call("tencent-docs", "manage.import_progress", {
"task_id": async_import['task_id']
})
if progress['progress'] == 100:
print(f"完成: {progress['file_url']}")
break
time.sleep(3)
常用 URL
| 平台 | 搜索 URL |
|-----|---------|
| 猎聘杭州AI产品 | build_liepin_url("050020", "AI产品经理") |
| 猎聘上海AI产品 | build_liepin_url("020", "AI产品经理") |
| 猎聘深圳AI产品 | build_liepin_url("030", "AI产品经理") |
注意事项
- 猎聘防爬较强，优先用 web_fetch
- 每次请求间隔 2-5 秒
- 表格保存到 workspace
- JD 摘要保留最有价值的信息
- 上传腾讯文档使用 COS 导入工作流