猎聘智能寻源流水线
将以下提示词粘贴到你的 AI 对话框中：
请根据 https://skillhub.cn/install/skillhub.md，安装 @user_38ce330a/lp-sourc-nbs-v1。
技能介绍
解决的问题
在招聘流程里，候选人搜索、简历筛选、发起沟通常常分散在多个后台操作中。人工逐个打开猎聘页面、判断关键词匹配度、再决定是否沟通，既容易漏掉合适人选，也会让筛选标准随操作过程漂移。
工作方式
该技能把猎聘 sourcing 组织成一个后台 pipeline。先准备 criteria.json，显式写入 position_name、target_count、position_scope、cities、seniority、must_have_signals 等字段；城市和经验年限不能交给模型猜测。提交后，JD-Worker 根据 JD 生成搜索关键词计划，支持 initial、widen、tighten 三类策略；Browser-Worker 在保存好的猎聘会话中执行搜索、抓取候选人预览和详情页，并在同一会话内点击“立即沟通”；Resume-Worker 用 LLM 判断候选人是否值得进一步处理，形成 pending_communication 状态。Orchestrator 负责协调：结果超过 200 时立即收紧，结果不足时先消耗当前候选池，最多进行 5 轮搜索计划迭代。预览收集可独立翻页，每轮最多 5 页约 100 人；详情和沟通共享页面会话，避免重复登录和反复跳转。
适用边界
它依赖 .env 中的猎聘凭据与两组 LLM 配置，且首次使用前需要保存有效的猎聘登录态。页面存在 “AI 帮搜” 全屏遮罩、复合关键词输入框等已知交互问题，技能需要按特定检测与关闭方式处理。适合需要把猎聘候选人搜索与初筛流程脚本化的工程师使用，不适合完全无人监督地批量沟通大量候选人。
使用场景
- 招聘工程师准备猎聘寻源任务，把 JD、城市、年限和硬信号写入 criteria.json，再提交后台搜索。
- 当猎聘搜索页出现 AI 帮搜遮罩时，按检测逻辑关闭弹层，再继续填写复合关键词。
- 工程师需要批量收集候选人预览并打开详情页，由 LLM 判断是否推进到 pending_communication。
- 招聘负责人希望结果超过 200 时自动收紧，目标不足时扩搜，并限制最多五轮迭代。
适合人员
- 负责猎聘招聘执行的工程师，需要把搜索、初筛和发起沟通流程脚本化。
- 管理招聘流程的负责人，需要统一 criteria 并自动迭代搜索策略。
- 做浏览器自动化的开发者，需要处理猎聘遮罩、输入框和共享会话细节。
- 使用 LLM 做简历评估的招聘技术团队，需要把候选人状态路由到待沟通列表。
相关技能
读取对话痕迹文件，生成动物或神话人格的灵魂映照卡面，并结合乔哈里窗输出认知四象限解读。
面向德灵知识库的深度调研流程，先澄清意图，再按广度搜索、垂直挖掘、网络补充、多样性验证与答案溯源收集资料，确保关键论点可追溯。
面向思源笔记/SiYuan 的知识库管理技能，围绕父页双链索引、MOC、编号、标签、仓库批量同步与微信文章导入，提供 CLI 工作流与常见陷阱检查。
面向学术文献综述的结构化流程，覆盖多数据库检索、筛选、主题综合、引用验证和 PDF 输出。