/job-scan — 岗位扫描

Step 0：上下文检查

# === 自动发现 skill 根目录（适配项目级/全局级安装） ===
SKILL_DIR="${AI_JOB_HUNTER_DIR:-}"
[ -n "$SKILL_DIR" ] && SKILL_DIR="${SKILL_DIR//\\//}"
if [ -z "$SKILL_DIR" ]; then
  [ -d ".claude/skills/ai-job-hunter" ] && SKILL_DIR=".claude/skills/ai-job-hunter"
  [ -z "$SKILL_DIR" ] && [ -d "$HOME/.claude/skills/ai-job-hunter" ] && SKILL_DIR="$HOME/.claude/skills/ai-job-hunter"
fi
DATA_DIR="${AI_JOB_HUNTER_DATA:-$(dirname "$SKILL_DIR")/ai-job-hunter-data}"
test -f "$DATA_DIR/.skill-state.json" && echo EXISTS || echo MISSING

• MISSING → 告知用户"请先完成画像初始化"，调用 Skill 工具执行 job-init

读取 $DATA_DIR/.skill-state.json，提取 profile（tech_stack、education、target_city 等）。

读取 SKILL_DIR 下的 shared-references/role-tiers.md 参考档位信息。

Step 1：推荐岗位

根据画像推荐 6 个最匹配的 AI 岗位。使用以下格式：

┌──── 推荐岗位列表 ──────────────────────────────────────────┐
│                                                              │
│  1. 大模型算法工程师         匹配度: 92%                    │
│     → 你的PyTorch经验+硕士学历高度匹配，大模型方向需求爆发   │
│  ...                                                         │
└────────────────────────────────────────────────────────────┘

推荐原则：

• 岗位名称必须是真实市场上存在的
• 匹配度基于：技术栈重合度、学历门槛、经验要求
• 推荐理由要具体，诚实指出局限
• 排除"实习/实习生"类岗位，只推荐正式/校招岗位

Step 2：用户选择

等待用户回复编号或岗位名称。确认后：

1. 向用户确认搜索参数：岗位名称、城市（来自画像）、抓取数量（建议 50 条）
2. 将 keyword 和 city 写入 $DATA_DIR/.skill-state.json 的 job_search 字段

Step 3：BOSS 直聘抓取

前置检查

检测 Chrome 调试端口：

python -c "
import urllib.request, json
try:
    r = urllib.request.urlopen('http://127.0.0.1:9222/json/version', timeout=3)
    print('READY')
except: print('NOT_READY')
"

未就绪则自动启动 Chrome：

python -c "
import subprocess, os, time, urllib.request, json, sys
import platform
_chrome_paths = {
    'Windows': r'C:\Program Files\Google\Chrome\Application\chrome.exe',
    'Darwin': '/Applications/Google Chrome.app/Contents/MacOS/Google Chrome',
}
chrome = _chrome_paths.get(platform.system(), 'google-chrome')
profile = os.path.expanduser(r'~\.ai-job-hunter-chrome')
os.makedirs(profile, exist_ok=True)
subprocess.Popen([chrome,
    '--remote-debugging-port=9222',
    f'--user-data-dir={profile}',
    '--no-first-run', '--no-default-browser-check',
    '--new-window', 'https://www.zhipin.com'],
    stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL)
for i in range(20):
    time.sleep(1)
    try:
        urllib.request.urlopen('http://127.0.0.1:9222/json/version', timeout=2)
        print('READY')
        sys.exit(0)
    except: pass
print('TIMEOUT')
"

启动后立即停下来告知用户：

请在打开的 Chrome 窗口中登录 BOSS直聘（zhipin.com）。 登录后告诉我"已登录"，我再开始抓取。Claude 必须等待用户明确回复。

执行抓取

python "$SKILL_DIR/scripts/scraper/boss_scraper.py" \
  --keyword "{岗位名称}" \
  --city "{城市编码（全国 100010000，北京 101010100）}" \
  --max-items 50

城市编码参考 SKILL_DIR 下的 shared-references/city_codes.md（如果存在）或使用常用编码。

抓取结果

完成后告知用户抓取数量，更新 $DATA_DIR/.skill-state.json 的 job_search 字段。

Step 4：数据清洗

python "$SKILL_DIR/scripts/export/clean_and_export.py" \
  --output "$DATA_DIR/subjects/{keyword}/jobs_clean.xlsx"

更新 $DATA_DIR/.skill-state.json：job_search.status=done、clean_file=$DATA_DIR/subjects/{keyword}/jobs_clean.xlsx。

Step 5：下一步

告知用户下一步可以说"分析这些岗位"（→ job-analyze）。