job-match-boardlisted

# 求职看板 · Job Match Board 把「我该投哪些、按什么顺序、拿什么去打」变成一页可以每天看的东西。 产出不是一份泛泛的建议，而是一张对着**这个人的简历**和**这一页真实岗位**算出来的表：每个岗位有匹配度分数、投中概率、公司质量色灯、是否还在招，以及三栏「短板 / 怎么补 / 怎么切入」。 --- ## 0 · 两个必需输入 **缺哪个就先要哪个，不要靠猜。** 1. **简历** —— 文件路径（PDF / DOCX / MD / TXT）或直接粘贴的正文。 没有简历就没有匹配分析，只能做岗位罗列——这时明确告诉用户"我只能列岗位、判不了匹配"，让他选择是补简历还是接受降级版本。 2. **LinkedIn 岗位页 URL** —— 从 query string 里提取 **`currentJobId` + `originToLandingJobPostings`**（逗号分隔，URL-decode 后拆开）。这些 ID 是页面上的核心岗位，**是唯一可靠的数据锚点**：这类个性化列表页用关键词搜索复现不了。 记下 `keywords` 和 `geoId` 用于后面顺带扫一遍相邻岗位。 第一次跑还要问清三件事，之后存进 `profile.json` 复用，别每天重问： - **薪酬底线**（月薪或年薪，含币种）—— 没有底线就没法判"擦线"还是"远超"。 - **地点与远程偏好**（城市、可否搬迁、是否需要签证支持）。 - **在找什么方向**（职能序列，例如"产品 / 交付类，不要纯研究岗"）——这决定哪些岗位直接进"不投清单"。 --- ## 1 · 读简历，先立标尺 在看任何岗位之前，先从简历里提炼出四样东西，写下来。后面每一条判断都引用它们，不要临时发挥： | 提炼什么 | 用来干什么 | |---|---| | **能举证的经历**（做过什么、结果是什么、有没有数字） | 匹配时的"优势"栏 | | **账面事实**（年限、职级、行业、学历、地点） | 对 JD 明写门槛，判"投中概率" | | **真实短板**（缺的硬技能、缺的域知识、缺的年限） | "短板"栏，**必须诚实，不许美化** | | **方向**（下一步想成为什么） | "对你的价值"评分 | **年限一律用代码算，不要心算。** 拿当天日期和简历上的起止时间在 Python 里算出月数，把结果当事实用。模型不知道今天几号，也算不准跨年的年限——这是踩过的坑。 --- ## 2 · 抓岗位数据 优先用已挂载的 linkedin MCP 工具（`mcp__linkedin__*`）。没挂载时用本 skill 自带的客户端直连： ```bash cd <skill 目录> python3 scripts/batch.py calls.json out.json # 一个浏览器会话里跑完所有调用 ``` `calls.json` 格式：`[{"tool":"get_job_details","args":{"job_id":"..."}}, ...]` 常用工具：`get_job_details {job_id}`、`get_company_profile {company_name, sections:"jobs"}`（company_name 是 LinkedIn slug）、`search_jobs {keywords, location, max_pages, date_posted}`。