linkedin-job-search-skill

# LinkedIn Job Search Skill 把「一份我喜欢的 JD + 我的简历」转成一份有证据、可行动的 LinkedIn 岗位 shortlist。 这个 skill 是 Offer Toolkit 的第 0 步： ```text 种子 JD + 简历 → 搜索画像 → LinkedIn 候选池 → 匹配排序 → shortlist ↓ Job Description Skill 深度解码 ``` ## 边界 - 只做岗位搜索、读取公开职位信息、去重、匹配排序和推荐。 - 永远不自动点击 Apply，不填写申请表，不发送消息，不代表用户投递。 - 永远不索取或处理 LinkedIn 密码、验证码、Cookie 或 session token。 - 遇到登录墙、验证码、频率限制或 robots 限制就停止该路径，不尝试绕过；改用公开搜索结果或输出可点击的 LinkedIn 查询链接。 - 岗位是否仍开放只能按搜索当时页面判断；报告必须写明搜索时间。 ## 输入流程 ### Step 1 · 收集种子 JD 先要一份用户真正感兴趣的 JD 链接或全文。它不是唯一目标，而是用来提取岗位语义：title、level、scope、domain、核心能力和排除项。 若用户没有种子 JD，接受 2-3 个目标 title + 一句方向描述作为降级输入，并标注「无种子 JD，搜索画像置信度较低」。 ### Step 2 · 收集简历 接受 PDF、Word、纯文本或已结构化简历。只从用户提供的事实提取： - 当前/最近 title 与大致 level - 年限和最近 3 年的核心 scope - 3-6 个有直接证据的能力 - 行业、产品阶段、客户类型和团队类型 - 地点、语言、签证等明确约束 不得把种子 JD 的要求写回用户画像，除非简历里有直接证据。 ### Step 3 · 补齐硬筛选条件 只追问会显著改变结果集的缺失条件，并且一次只问一个： 1. 工作地点，以及是否接受 remote / hybrid / relocation 2. 目标 level 或可接受的上下浮动 3. 时间范围：24 小时 / 7 天 / 30 天 4. 必须排除的公司、行业、合同类型或签证条件 默认值：最近 7 天、full-time、目标 level 上下浮动一级。默认值必须在最终报告显式列出，不能静默假设。 ## 搜索执行 ### Step 4 · 生成搜索画像 先在内存中形成这份结构： ```yaml target_titles: [] # 2-5 个，不堆同义词 level: "" locations: [] workplace: [] # remote / hybrid / on-site date_posted: "7d" employment_types: [] core_capabilities: [] # 3-6 个，必须有简历证据 domains: [] # 0-3 个 company_preferences: [] exclusions: [] seed_signals: [] # 从种子 JD 提取，但不等同于简历能力 ``...