[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M76YV04SV2Q9MBZ4K7V2R1HH":3,"skill-same:01M76YV04SV2Q9MBZ4K7V2R1HH":60},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":16,"categories":17,"keywords":18,"publishedAt":19,"linkOnly":20,"markdownContent":21,"markdownBody":22,"frontMatter":23,"refName":37,"commitSha":38,"skillDirectory":39,"forksCount":40,"repositoryHtmlUrl":41,"repositoryHomepageUrl":42,"ownerHtmlUrl":43,"ownerBlogUrl":6,"ownerDescription":44,"updatedAt":45,"install":46,"resources":59},"01M76YV04SV2Q9MBZ4K7V2R1HH","ai-talent-hunter",null,"从 GitHub 找到最匹配的技术人才，生成个性化触达话术。适用于招聘工程师、寻找技术合伙人、猎头交付候选人等场景。","Lord1Egypt\u002Fawesome-skill-forge","Lord1Egypt","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F99746359?v=4","01M7592YDNT0XK9WJ0T2MQVPDN","Mohamed Mounir Ali AL Keshita","01M75GRFNHC8VZNWEB8DKDE433",3,"MIT","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fcommunity\u002Fclawhub\u002Fa\u002Fai-talent-hunter\u002FSKILL.md",[],[],"2026-11-12 13:55:43",false,"---\nname: ai-talent-hunter\ndescription: 从 GitHub 找到最匹配的技术人才，生成个性化触达话术。适用于招聘工程师、寻找技术合伙人、猎头交付候选人等场景。\npermissions:\n  filesystem:\n    read:\n      - prompts\u002Fjd_parser_prompt.md  # Step 0: JD parsing prompt template for translating job requirements to GitHub search queries\n      - prompts\u002Fpitch_writer_prompt.md  # Step 3: outreach message generation prompt template for personalized candidate engagement\n      - data\u002Fcandidates.jsonl  # Cross-search deduplication: avoid recommending previously selected candidates\n    write:\n      - data\u002Fcandidates.jsonl  # Persist search results and candidate selection status\n  env:\n    - GITHUB_TOKEN  # Required: GitHub Personal Access Token for public API access (user-provided, stored in local .env)\nconfig:\n  reads:\n    - prompts\u002Fjd_parser_prompt.md\n    - prompts\u002Fpitch_writer_prompt.md\n    - data\u002Fcandidates.jsonl\n  writes:\n    - data\u002Fcandidates.jsonl\n  env:\n    - GITHUB_TOKEN\n---\n\n# GitHub 人才猎手 (GitHub Talent Hunter)\n\n**从 GitHub 真实代码里找技术人才** — 不看简历看代码，不靠吹嘘靠项目。为 HR、猎头、技术管理者和创业者设计的智能招聘工具。\n\n---\n\n## 🔒 安全声明\n\n**OpenClaw 安全扫描可能会提示 \"Suspicious\"，这是正常的**，原因如下：\n\n1. **需要 GitHub Token**：本 skill 使用 GitHub 公开 API 搜索开发者，需要用户自行配置 Token（详见\"安全配置\"章节）\n2. **包含 Prompt 模板**：`prompts\u002F` 文件夹包含 JD 解析和话术生成的 Prompt 模板，这是功能需要，不是恶意 prompt injection\n3. **不自动发送消息**：本 skill **不会自动发送任何邮件或消息**，所有触达话术仅作草稿，需人工审核后手动发送\n\n**合规保证**：\n- ✅ 仅使用 GitHub 公开 API 和公开数据\n- ✅ Human-in-the-Loop：用户逐一确认候选人，不批量骚扰\n- ✅ Token 存储在本地 `.env` 文件（不上传到 git）\n- ✅ 生成的触达话术需人工审核，不自动执行\n- ❌ 不购买\u002F爬取私密数据\n- ❌ 不绕过任何反爬机制\n\n---\n\n## 核心能力\n\n1. **基于真实代码搜人**：直接从 GitHub 代码仓库搜索——找到的是候选人真正做过的项目，不是简历上可以美化的内容，而是实打实写过的代码。传统招聘平台搜不到的技术关键词（如 RocksDB、LangChain、vLLM），在这里能精准命中\n2. **智能排序**：按技术匹配度、活跃度、可联系性等维度自动排序，优先展示最值得联系的人\n3. **全球定位**：支持按国家、省份、城市筛选候选人，也可不限地区搜索远程人才\n4. **人工筛选**：候选人列表由你逐一确认，避免大撒网式骚扰\n5. **个性化触达**：根据候选人真实项目经历生成定制话术，让对方感到\"你真的了解我\"\n\n---\n\n## 触发场景\n\n**用户可能这样说**：\n\n- HR：\"帮我找几个做 RAG 的 Python 工程师，深圳的\"\n- CEO：\"想找个 Rust 大牛来当技术合伙人\"\n- 猎头：\"客户要招 Next.js 前端，北京，给我 5 个候选人\"\n- CTO：\"帮我搜一下做分布式存储的 C++ 工程师，要最近半年活跃的\"\n- 创业者：\"我们在做 AI Agent，想找几个有 LangChain 经验的人聊聊\"\n\n**Skill 自动执行**：\n1. 理解招聘需求 → 生成搜索条件（Step 0）\n2. 从 GitHub 搜索候选人 → 构建画像并排序（Step 1）\n3. 展示候选人列表 → 你来选人（Step 1.5）\n4. 展示选中候选人的完整信息 → 最终确认（Step 2）\n5. 为确认的候选人生成个性化触达话术（Step 3）\n\n---\n\n## 执行流程\n\n### Step 0: 智能解析（JD Parser）\n\n**目标**：将用户的口语化需求转译为 GitHub 搜索参数。\n\n**操作**：\n1. 读取 `prompts\u002Fjd_parser_prompt.md`\n2. 将用户输入代入 Prompt，生成标准化 JSON\n3. 输出格式：\n   ```json\n   {\n     \"search_queries\": [\n       \"language:c++ rocksdb pushed:>2025-01-01\",\n       \"language:c++ leveldb lsm-tree pushed:>2025-01-01\"\n     ],\n     \"target_languages\": [\"C++\"],\n     \"ecosystem_keywords\": [\"rocksdb\", \"leveldb\", \"lsm-tree\"],\n     \"location\": \"china\",\n     \"reasoning\": \"将'RocksDB 相关'转译为 rocksdb + leveldb + lsm-tree 生态\"\n   }\n   ```\n\n**约束规则**：详见 `prompts\u002Fjd_parser_prompt.md`（包含查询生成、活跃度过滤、地理位置处理、负向排除等规则）。\n\n---\n\n### Step 1: 搜索（GitHub Search）\n\n**目标**：从 GitHub 搜索候选人，构建完整画像并全局排序。\n\n**操作**：\n```bash\ncd ~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fai-talent-hunter\n\n# 首次搜索（宽松位置匹配，默认）\npython scripts\u002Fgithub_search.py \\\n  --queries \"language:c++ rocksdb pushed:>2025-01-01\" \"language:c++ leveldb lsm-tree pushed:>2025-01-01\" \\\n  --jd-keywords \"rocksdb,lsm-tree,storage\" \\\n  --jd-language \"C++\" \\\n  --location \"shenzhen\" \\\n  --target 20 \\\n  -o results.json\n\n# 首次搜索（严格位置匹配 — 仅匹配指定城市\u002F省份）\npython scripts\u002Fgithub_search.py \\\n  --queries \"...\" \\\n  --jd-keywords \"...\" \\\n  --jd-language \"C++\" \\\n  --location \"beijing\" \\\n  --location-strict \\\n  --target 20 \\\n  -o results.json\n\n# 继续搜索（当已有结果全部展示完，需要搜更多时）\npython scripts\u002Fgithub_search.py --resume SEARCH_ID --target 20 -o results.json\n```\n\n**需要环境变量**：\n```bash\nexport GITHUB_TOKEN=ghp_xxxxx  # GitHub Personal Access Token\n```\n\n**地理位置匹配模式**（⚠️ OpenClaw 必须根据用户措辞判断使用哪种模式）：\n\n| 用户措辞 | 模式 | CLI 参数 | 行为 |\n|---------|------|---------|------|\n| \"Base 深圳\"、\"最好在北京\"、\"深圳优先\" | **宽松**（默认） | `--location \"shenzhen\"` | 城市→省份→国家→中文启发式 层级回落 |\n| \"**必须是**北京\"、\"**只要**北京的\"、\"**限制**北京\" | **严格** | `--location \"beijing\" --location-strict` | 仅匹配城市\u002F省份，不回落到国家级，**Remote 也不通过** |\n| \"不限地区\"、\"远程\"、不提位置 | **不过滤** | 不加 `--location` | 不做任何位置过滤 |\n\n**注意**：宽松模式下 Remote 用户自动通过；严格模式下 Remote 不通过（用户说\"必须是北京\"就不想看其他城市的人，包括 Remote）。\n\n**搜索引擎说明**：\n- 同时搜索**仓库**（技术关键词维度）和**用户**（地理位置维度），合并去重\n- 自动循环直到达到目标人数或触发停止条件（结果耗尽 \u002F 连续 2 轮零新增）\n- 多条 query 之间是 OR 逻辑（覆盖不同技术维度）\n- 无邮箱的候选人不过滤，仅在排序中降权\n- 输出包含漏斗数据（`funnel` 字段）和停止状态（`status` 字段）\n\n**搜索结果不佳时的优化建议**（⚠️ OpenClaw 必须根据漏斗数据自动判断并给出建议）：\n\n搜索脚本输出 `funnel` 字段（漏斗数据）和 `status` 字段。当 `status` 不是 `threshold_reached` 时，OpenClaw 根据以下规则生成优化建议：\n\n| 漏斗瓶颈 | 判断条件 | 建议 |\n|----------|---------|------|\n| **技术太冷门** | `raw_from_repos \u003C 50` | \"当前技术方向搜索结果很少，建议扩展到相邻技术栈。\" 并给出具体扩展建议（如 VisionOS → 加入 ARKit、SceneKit） |\n| **地理位置太严格** | `after_dedup > 100` 但 `after_location_filter \u003C 10` | \"技术匹配的候选人不少，但目标城市的人很少。建议放宽到省份\u002F全国，或使用宽松模式。\" |\n| **活跃度过滤过严** | `after_location_filter > 50` 但高分候选人 \u003C 5 | \"候选人数量足够但质量不高（多数不活跃或匹配度低）。建议放宽 pushed 时间范围（如 2024 年）。\" |\n| **搜索结果耗尽** | `status = \"exhausted\"` | \"已搜索全部可用结果。建议调整搜索关键词或放宽条件。\" |\n\nOpenClaw 给出建议时，必须提供**具体的操作指引**（如\"去掉 --location-strict\"、\"关键词加入 XX\"），而非泛泛而谈。\n\n---\n\n**排序算法 V3（总分 100 分）**：\n\n**设计原则**（猎头视角）：\n- 领域匹配是前提：找错人一切白费\n- 可触达性决定转化率：联系不上的大牛不如联系得上的牛人\n- 影响力体现技术深度：但用 log 曲线避免 star 通胀\n- 活跃度预测响应概率：活跃的人更可能回复\n- 生态位是锦上添花：区分 leader vs follower\n\n| 维度 | 得分规则 | 权重 |\n|------|----------|------|\n| **1. 领域匹配度** | 主语言匹配(15) + 生态关键词分级(10\u002F15\u002F20) | 35 分 |\n| **2. 可触达性** | 邮箱(10) + 博客(6) + Twitter(5) + 社交(6) + bio(3) + isHireable(5)，可叠加，上限25 | 25 分 |\n| **3. 代码影响力** | log₁₀(Star)×3(12) + log₁₀(Fork)×2(4) + log₁₀(Followers)×2(4) | 20 分 |\n| **4. 有效活跃度** | 30天(12) \u002F 90天(8) \u002F 180天(4) | 12 分 |\n| **5. 开源生态位** | 顶级Owner>500★(8) \u002F 中等>100★(5) \u002F 活跃>20★(3) | 8 分 |\n\n**详细评分逻辑**：\n\n**1. 领域匹配度（Relevance - 35分）**\n- **规则 A**（主语言匹配）：Top 5 仓库的主语言与 JD 匹配 → +15 分\n- **规则 B**（生态关键词）：Top 5 仓库的名称\u002F描述命中 JD 关键词，按命中数分级：\n  匹配源包含 repo 名称、描述和 **repositoryTopics 标签**（标签匹配比文本匹配更精准）\n  - 命中 3+ 个 → +20 分（深度匹配）\n  - 命中 2 个 → +15 分\n  - 命中 1 个 → +10 分\n\n**2. 可触达性（Reachability - 25分）**\n- **多渠道叠加，上限 25 分**：\n  - 公开邮箱 → +10 分（最直接的触达方式）\n  - 个人网站\u002F博客 → +6 分（可找到更多联系方式，也是破冰素材）\n  - Twitter\u002FX → +5 分（DM 是有效触达渠道）\n  - 其他社交账号 → 每个 +3 分，上限 +6 分（LinkedIn、知乎等）\n  - 有 bio → +3 分（愿意被人了解的信号）\n  - isHireable = true → +5 分（候选人主动标记\"可被雇佣\"，回复概率极高）\n- **说明**：不过滤无联系方式的候选人，仅影响排序。大牛无邮箱仍会出现，但排序靠后。HR 可通过 GitHub Issue\u002FPR 评论等方式联系。\n\n**3. 代码影响力（Impact - 20分）**\n- **规则 A**（Star 影响力）：log₁₀(Star总数) × 3，封顶 12 分\n  - 10★ → 3分, 100★ → 6分, 1000★ → 9分, 5000+★ → 12分\n- **规则 B**（Fork 复用度）：log₁₀(Fork总数) × 2，封顶 4 分\n- **规则 C**（社区关注度）：log₁₀(Followers) × 2，封顶 4 分\n- **设计理由**：用 log 曲线而非线性，避免 star 通胀稀释区分度\n\n**4. 有效活跃度（Activity - 12分）**\n- 综合两个信号：\n  - 信号 A — 最近活跃时间：30天内(8) \u002F 90天内(5) \u002F 180天内(3)\n  - 信号 B — 年度贡献量：1000+(4) \u002F 300+(3) \u002F 100+(2) \u002F >0(1)\n- 两个信号相加，上限 12 分\n\n**5. 开源生态位（Ecosystem - 8分）**\n- 是 Owner 且最高星仓库 > 500★ → 8 分（顶级 Owner）\n- 是 Owner 且最高星仓库 > 100★ → 5 分（有影响力的 Owner）\n- 是 Owner 且最高星仓库 > 20★ → 3 分（活跃 Owner）\n\n**档位划分**：\n- 🔥 **极度匹配**：≥80 分（强烈推荐）\n- ⭐ **高度匹配**：65-79 分（推荐）\n- 👍 **匹配**：50-64 分（可考虑）\n- 📋 **参考**：\u003C50 分（需人工判断）\n\n**输出**：`results.json`（完整候选人列表，已排序，含漏斗数据和停止状态）\n\n---\n\n### Step 1.5: 候选人展示与筛选（Human-in-the-Loop）\n\n**目标**：让用户快速扫描候选人，标记状态（selected \u002F passed \u002F pending）。\n\n**为什么需要这一步？**\n- ❌ 不能直接批量生成触达话术（垃圾邮件制造机）\n- ✅ 用户必须先筛选候选人，确认要触达的人\n\n---\n\n#### 展示格式（Markdown 表格，飞书兼容）\n\n**每批展示数量**：最多 15 人。不足 15 人时展示全部。\n\n**表头固定格式**：\n\n```markdown\n# 🎯 [职位名] — 候选人列表\n搜索范围: [语言] + [关键词] | [位置] | 共 N 人，展示 Top 15\n\n| # | 匹配 | 候选人 | 简介 | 公司 | 经验 | 📍 | 联系 | 状态 | 代表作 |\n|---|------|--------|------|------|------|-----|------|------|--------|\n| 1 | 🔥 | 张三 (@zhangsan) | ... | 字节跳动 | 8年 | 深圳 | 📧🌐🐦 | 🟢 | mutative (2.0K) |\n| 2 | ⭐ | 李四 (@lisi) | ... | 阿里巴巴 | 5年 | 杭州 | 📧 | 🟢 | ssr (2.7K) |\n...\n\n---\n回复数字选择：`1,3` = 选中 | `pass 2` = 跳过 | 「继续」查看下一批\n```\n\n---\n\n#### 各列填写规范\n\n| 列名 | 数据来源 | 填写规则 |\n|------|----------|----------|\n| **#** | 序号 | 当前批次内的序号（1-15） |\n| **匹配** | `match_label` 字段 | 🔥 极度匹配(≥80) \u002F ⭐ 高度匹配(65-79) \u002F 👍 匹配(50-64) \u002F 📋 参考(\u003C50) |\n| **候选人** | `name` + `github_id` | 格式：`真实姓名 (@github_id)`。如果 name 等于 github_id 则只写一个 |\n| **简介** | **OpenClaw 根据 bio + 代表作 + 公司综合生成** | 见下方「简介生成规则」 |\n| **公司** | `company` 字段 | 去掉 `@` 前缀。为空时写「独立开发者」。超过 12 字截断加 `..` |\n| **经验** | `dev_years` 字段 | 格式：`N年`（基于 GitHub 账号创建时间推算，注意是\"GitHub 活跃年限\"不是\"工作经验\"） |\n| **📍** | `location` 字段 | 翻译为中文城市名。超过 6 字截断。目标城市加 🎯 标记 |\n| **联系** | `contact_icons` 字段 | 图标组合：📧=邮箱 🌐=博客\u002F网站 🐦=Twitter 🔗=其他社交。**不展示具体值**（Step 2 才展示） |\n| **状态** | `activity_label` 字段 | 🟢=30天内活跃 🟡=90天内 🔵=半年内 ⚪=不活跃。如果 isHireable=true，activity_label 后面会带 \"| 🟢 求职中\" |\n| **代表作** | 优先 `showcase_repos`（候选人自选置顶项目），无置顶时用 `top_repos[0]` | 格式：`项目名 (星数)`。星数 ≥1000 用 K 表示。置顶项目加 📌 标记 |\n\n---\n\n#### 简介生成规则（⚠️ 重要：这一列由 OpenClaw 生成，不是原始数据）\n\n**目的**：让不懂技术的 HR\u002F猎头 一眼理解这个人是做什么的、为什么值得联系。\n\n**生成规则**：\n1. **长度**：一句话，15-30 个中文字\n2. **内容优先级**（按顺序取最有价值的信息）：\n   - 如果有知名公司经历 → 提及公司 + 角色（如：\"字节跳动 AI 工作流框架核心开发者\"）\n   - 如果代表作 star 数高 → 提及影响力（如：\"11K+ 开发者使用的 React 文档框架作者\"）\n   - 如果 bio 有明确方向 → 提炼方向（如：\"专注 RAG 和知识图谱的 AI 研究员\"）\n   - 兜底 → 根据代表作描述概括（如：\"用 Next.js 构建全栈电商项目\"）\n3. **技术术语规则**：可以使用 JD 中出现过的技术词（如 React、Next.js），但不引入 JD 以外的技术术语\n4. **禁止**：\n   - ❌ 不要照搬英文 bio（要翻译\u002F提炼为中文）\n   - ❌ 不要写\"该候选人...\"这种第三人称废话\n   - ❌ 不要重复代表作列已有的信息\n5. **示例**：\n   - ✅ \"阿里 13 年老兵，ice.js 渐进式框架核心作者\"\n   - ✅ \"腾讯前端，开发基于 Next.js 的边缘计算博客引擎\"\n   - ✅ \"全栈工程师，专注 React 状态管理和性能优化\"\n   - ❌ \"A passionate developer who loves open source\"（照搬英文）\n   - ❌ \"该候选人是一名优秀的前端工程师\"（废话）\n\n---\n\n#### 用户交互规则\n\n| 用户说 | OpenClaw 行为 |\n|--------|------------|\n| `\"1, 3, 5\"` 或 `\"选 1 3 5\"` | 标记为 selected，调 `candidate_manager.py --action batch-update` |\n| `\"pass 2, 4\"` 或 `\"跳过 2 4\"` | 标记为 passed |\n| `\"继续\"` \u002F `\"下一批\"` \u002F `\"搜更多\"` \u002F `\"继续搜索\"` \u002F `\"更多\"` | **统一逻辑**：见下方「继续\u002F搜更多的判断规则」 |\n| `\"修改要求\"` 或 `\"换个条件\"` | 回到 Step 0 重新解析 JD |\n| `\"就这些了\"` 或 `\"完成\"` | 进入 Step 2 二次确认 |\n| `\"看看 zhangsan\"` | 调 `candidate_manager.py --action get-candidate --github-id zhangsan` 展示详情 |\n\n**⚠️「继续\u002F搜更多」的判断规则（重要！不要让用户区分这两个操作）**：\n\n当用户说\"继续\"、\"搜更多\"、\"下一批\"、\"继续搜索\"或任何表达\"想看更多人\"的意思时，OpenClaw 按以下优先级自动判断：\n\n```\n1. 如果还有未展示的已有结果 → 直接翻页展示下一批 15 人（不调 API）\n2. 如果已有结果全部展示完了 → 调 github_search.py --resume SEARCH_ID 搜索新页面\n3. 如果搜索已耗尽（status=exhausted\u002Fzero_yield）→ 告知用户无更多结果 + 给出优化建议\n```\n\n**用户不需要知道\"翻页\"和\"搜索\"的区别。** 这是内部实现细节，OpenClaw 自动判断。\n\n**翻页终止规则**：\n- 如果下一批的最高分 \u003C 50（📋 参考级别），在展示前提醒：「⚠️ 后续候选人匹配度较低，建议调整搜索条件」\n- 如果已有结果全部展示完且搜索未耗尽，提示：「已展示全部 N 人，正在搜索更多候选人...」然后自动调 --resume\n\n---\n\n#### 状态管理\n\n```bash\ncd ~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fai-talent-hunter\n\n# 批量更新状态\npython scripts\u002Fcandidate_manager.py --action batch-update \\\n  --search-id UUID --selected \"user1,user2\" --passed \"user3\"\n\n# 查看某人详细信息\npython scripts\u002Fcandidate_manager.py --action get-candidate --github-id \"zhangsan\"\n```\n\n**数据持久化**：\n- 所有搜索记录保存到：`~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fai-talent-hunter\u002Fdata\u002Fcandidates.jsonl`\n- 格式：每行一个 JSON 对象（JSONL）\n- 支持跨搜索查询（防止重复推荐已 selected 的候选人）\n\n---\n\n### Step 2: 二次确认（Selected Review）\n\n**目标**：用非技术语言展示所有 selected 候选人的完整信息，让 HR\u002F猎头\u002F高管最终确认后再生成触达话术。\n\n**⚠️ 核心原则**：用户可能不懂技术、无法访问 GitHub。所有信息必须翻译为商业语言。\n\n**操作**：\n```bash\ncd ~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fai-talent-hunter\npython scripts\u002Fcandidate_manager.py --action get-selected --search-id UUID\n```\n\n---\n\n#### 每位候选人的展示模板\n\nOpenClaw 按以下结构为每位 selected 候选人生成展示内容：\n\n**1. 一句话推荐**（⚠️ 由 OpenClaw 生成）\n- 用商业语言概括此人为什么值得联系\n- 提及公司背景 + 核心成就 + 与岗位的关联\n- 示例：\n  - ✅ \"RingCentral（美资通讯巨头）在职 9 年资深前端，独立开发的开源工具被全球 2000+ 开发团队使用，React 生态核心技术栈完全匹配\"\n  - ❌ \"TypeScript 开发者，有 mutative 项目 2000 stars\"（技术黑话，HR 看不懂）\n\n**2. 基本信息**（表格）\n\n| 项目 | 信息 |\n|------|------|\n| 真实姓名 | 从 `name` 字段取 |\n| 当前公司 | 从 `company` 字段取，如果是知名公司则括号补充公司简介 |\n| 所在城市 | 翻译为中文 |\n| GitHub 活跃年限 | 从 `dev_years` 字段取，注意措辞为\"GitHub 活跃 N 年\"而非\"工作经验 N 年\" |\n| 活跃状态 | 🟢\u002F🟡\u002F🔵\u002F⚪ |\n| 求职状态 | isHireable=true → \"✅ 已标记接受新机会\" \u002F false → 不显示 |\n\n**3. 职业亮点**（⚠️ 由 OpenClaw 生成，列表形式）\n- 将技术成就翻译为非技术人员能理解的描述\n- 翻译规则：\n  - Star 数 → \"N 个开发者\u002F团队关注使用\"\n  - 技术术语：**可以使用 JD 中出现过的技术词**（如 JD 提到 React 则可写\"React 框架\"），**但不引入 JD 以外的技术术语**（如 JD 没提 TypeScript 就不要写）\n  - 不出现 GitHub 链接（用户可能打不开）\n  - 项目描述要用一句话解释这个项目解决什么问题\n- 示例（假设 JD 提到了 React\u002FNext.js）：\n  - ✅ \"独立开发了高性能数据处理工具 mutative，被 2000+ 开发者关注使用，比同类方案快 2-6 倍\"\n  - ✅ \"参与字节跳动 flowgram.ai 工作流平台核心开发，该项目被 7800+ 开发者关注\"\n  - ✅ \"开发了 React 文档框架 fumadocs，被 11000+ 开发者使用\"（JD 提到了 React，可以用）\n  - ❌ \"有一个 TypeScript 项目叫 mutative，2000 stars\"（JD 没提 TypeScript，且用了 stars 原始术语）\n- 贡献统计翻译规则：\n  - contributions.total → \"过去一年贡献了 N 次代码\"\n  - contributions.commits + contributions.pull_requests → \"提交了 N 次代码修改，N 个代码改进请求\"\n  - pinnedItems → \"候选人自选代表作：[列出置顶项目名]\"\n\n**4. 与岗位匹配度**\n- 匹配标签（🔥\u002F⭐\u002F👍\u002F📋）\n- 逐条列出与 JD 需求的匹配点和不匹配点\n- 示例：\n  - ✅ React\u002FNext.js 技术栈完全吻合\n  - ✅ 有大型框架设计和开发经验\n  - ⚠️ 目前在厦门，非目标城市北京\n\n**5. 联系方式与建议**（表格）\n\n| 渠道 | 信息 | 建议 |\n|------|------|------|\n| 📧 邮箱 | 具体邮箱地址 | ✅ 推荐，最直接 |\n| 🌐 个人网站 | 具体网址 | 可参考了解更多 |\n| 🐦 Twitter | 具体链接 | 可作为备选 |\n| 🔗 其他社交 | 具体链接 | — |\n\n- 如果无公开邮箱，给出替代建议：\"⚠️ 无公开邮箱，建议通过 Twitter 私信 或 GitHub 主页留言联系\"\n\n**6. 风险提示**\n- ⚠️ 近期不活跃，可能已转型或离职\n- ⚠️ 不在目标城市，需确认远程\u002F搬迁意愿\n- ⚠️ 无邮箱，联系难度较高\n- ✅ isHireable=true → \"此人已主动标记接受新机会，回复概率较高\"\n- ⚠️ isHireable=false + 知名大厂在职 → \"未标记求职意向，可能需要更有竞争力的条件\"\n- ✅ 无明显风险（如果没有问题也要写）\n\n---\n\n#### 用户操作\n\n| 用户说 | OpenClaw 行为 |\n|--------|-------------|\n| \"确认全部\" | 进入 Step 3（为所有 selected 生成触达话术） |\n| \"去掉 2 号\" 或 \"取消 XX\" | 将其从 selected 改为 passed，不再生成话术 |\n| \"补人\" 或 \"回去再选\" | 回到 Step 1.5 继续筛选 |\n\n---\n\n### Step 3: Pitch Writer（生成触达话术）\n\n**目标**：为每位确认的候选人生成个性化触达消息。\n\n**前置条件**：\n- ⚠️ 只针对 Step 2 中最终确认的 selected 候选人\n- ⚠️ 绝不批量生成（垃圾邮件制造机）\n\n**⚠️ 前置信息收集（如果缺失，OpenClaw 必须先询问用户）**：\n\n| 信息 | 为什么需要 | 示例 |\n|------|----------|------|\n| 发送人身份 | 决定语气（CTO≠HR≠CEO） | CTO \u002F HR \u002F 猎头 \u002F CEO \u002F 合伙人 |\n| 发送人姓名 | 署名 | \"李明\" |\n| 公司名称 | 让对方知道谁在联系 | \"字节跳动\" \u002F \"一家 A 轮 AI 创业公司\" |\n| 触达目的 | 决定话术方向 | 全职招聘 \u002F 技术顾问 \u002F 开源合作 |\n| 触达渠道 | 决定长度和格式 | 邮件 \u002F Twitter DM \u002F 微信 |\n\n**操作**：\n1. OpenClaw 读取 `prompts\u002Fpitch_writer_prompt.md`\n2. 结合候选人 profile + 上述前置信息\n3. 为每位候选人生成定制话术\n\n**核心规则**（详见 `prompts\u002Fpitch_writer_prompt.md`）：\n- 语气匹配发送人身份（CTO 谈技术、CEO 谈愿景、HR 展现专业了解）\n- 必须引用候选人的真实项目\u002F背景（不是泛泛赞美）\n- 绝不使用 HR 套话（\"薪资丰厚\"、\"诚邀加入\"、\"我们是一家...\"）\n- 字数严格控制（邮件 ≤150 字、Twitter DM ≤80 字、微信 ≤100 字）\n- 行动邀请低压力（\"聊聊\"而非\"面试\"）\n\n---\n\n## 合规红线（强制）\n\n**✅ 允许的数据源**：\n- GitHub 公开 API\n- 个人博客公开文章\n- Twitter\u002FX 公开推文\n\n**❌ 严禁的行为**：\n- 购买\u002F爬取私密数据\n- 未经授权的批量邮件发送\n- 绕过反爬机制的暴力抓取\n- 任何形式的钓鱼\u002F伪装\n\n**🔒 Human-in-the-Loop 强制要求**：\n- 生成的触达话术仅作草稿\n- 必须由 HR\u002F业务人员审核\n- 手动通过邮件\u002FTwitter 发送\n- Skill 本身不执行发送\n\n---\n\n## 故障排查\n\n### GitHub API 返回 403 Forbidden\n\n**原因**：GitHub Token 权限不足或已过期。\n\n**解决方案**：\n```bash\n# 重新生成 Token（需要 read:user 和 read:org 权限）\nexport GITHUB_TOKEN=ghp_新的token\n```\n\n---\n\n## 依赖\n\n- Python 3.8+\n- requests\n- GitHub Personal Access Token（需要 `read:user` 和 `read:org` 权限）\n\n### ⚠️ 安全配置\n\n**GitHub Token 获取**：\n1. 访问 https:\u002F\u002Fgithub.com\u002Fsettings\u002Ftokens\n2. 创建新 token，勾选 `read:user` 和 `read:org` 权限\n3. 复制 token 到 `.env` 文件（**不要提交到 git！**）\n\n**环境变量配置**：\n```bash\n# 创建 .env 文件（已在 .gitignore 中，不会被上传）\necho \"GITHUB_TOKEN=your_token_here\" > .env\n\n# 或者临时使用（不持久化）\nexport GITHUB_TOKEN=ghp_your_token_here\n```\n\n**🔒 安全红线**：\n- ❌ 绝对不要把真实 Token 提交到 git\u002FGitHub\n- ❌ 不要在公开的 SKILL.md 示例中使用真实 Token\n- ✅ 使用 `.env` 文件（已加入 .gitignore）\n- ✅ 示例中使用 `ghp_xxxxx` 占位符\n\n---\n\n## 示例用法\n\n### 完整流程示例\n\n```bash\n# Step 0: JD 解析（在 OpenClaw 中执行）\n# 输入：\"找 5 个深圳的 RocksDB C++ 工程师，要求最近 1 年内有活跃贡献\"\n# 输出：search_params.json\n\n# Step 1: 搜索\ncd ~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fai-talent-hunter\nexport GITHUB_TOKEN=ghp_xxxxx\n\npython scripts\u002Fgithub_search.py \\\n  --queries \"language:c++ rocksdb pushed:>2025-01-01\" \\\n  --jd-keywords \"rocksdb,lsm-tree,storage\" \\\n  --jd-language \"C++\" \\\n  --location \"shenzhen\" \\\n  --target 20 \\\n  -o results.json\n\n# Step 1.5: 候选人展示与筛选（OpenClaw 展示，用户选择）\n# 用户：\"1, 3, 5\" → selected，\"pass 2, 4\" → passed\n\npython scripts\u002Fcandidate_manager.py --action batch-update \\\n  --search-id \"uuid\" --selected \"zhangsan,wangwu\" --passed \"lisi\"\n\n# Step 2: 二次确认（展示 selected 候选人完整信息）\npython scripts\u002Fcandidate_manager.py --action get-selected --search-id \"uuid\"\n\n# Step 3: 生成触达话术（只针对 selected 的人）\n# OpenClaw 读取 prompts\u002Fpitch_writer_prompt.md 生成个性化触达消息\n```\n\n---\n\n## 注意事项\n\n1. **质量优先**：搜索结果可能有数百人，但只展示排序后的 Top 候选人。用户逐批确认，而非一次性倾倒所有结果。\n2. **触达话术是草稿**：生成的消息需人工审核后再发送，Skill 本身不执行发送。\n\n","# GitHub 人才猎手 (GitHub Talent Hunter)\n\n**从 GitHub 真实代码里找技术人才** — 不看简历看代码，不靠吹嘘靠项目。为 HR、猎头、技术管理者和创业者设计的智能招聘工具。\n\n---\n\n## 🔒 安全声明\n\n**OpenClaw 安全扫描可能会提示 \"Suspicious\"，这是正常的**，原因如下：\n\n1. **需要 GitHub Token**：本 skill 使用 GitHub 公开 API 搜索开发者，需要用户自行配置 Token（详见\"安全配置\"章节）\n2. **包含 Prompt 模板**：`prompts\u002F` 文件夹包含 JD 解析和话术生成的 Prompt 模板，这是功能需要，不是恶意 prompt injection\n3. **不自动发送消息**：本 skill **不会自动发送任何邮件或消息**，所有触达话术仅作草稿，需人工审核后手动发送\n\n**合规保证**：\n- ✅ 仅使用 GitHub 公开 API 和公开数据\n- ✅ Human-in-the-Loop：用户逐一确认候选人，不批量骚扰\n- ✅ Token 存储在本地 `.env` 文件（不上传到 git）\n- ✅ 生成的触达话术需人工审核，不自动执行\n- ❌ 不购买\u002F爬取私密数据\n- ❌ 不绕过任何反爬机制\n\n---\n\n## 核心能力\n\n1. **基于真实代码搜人**：直接从 GitHub 代码仓库搜索——找到的是候选人真正做过的项目，不是简历上可以美化的内容，而是实打实写过的代码。传统招聘平台搜不到的技术关键词（如 RocksDB、LangChain、vLLM），在这里能精准命中\n2. **智能排序**：按技术匹配度、活跃度、可联系性等维度自动排序，优先展示最值得联系的人\n3. **全球定位**：支持按国家、省份、城市筛选候选人，也可不限地区搜索远程人才\n4. **人工筛选**：候选人列表由你逐一确认，避免大撒网式骚扰\n5. **个性化触达**：根据候选人真实项目经历生成定制话术，让对方感到\"你真的了解我\"\n\n---\n\n## 触发场景\n\n**用户可能这样说**：\n\n- HR：\"帮我找几个做 RAG 的 Python 工程师，深圳的\"\n- CEO：\"想找个 Rust 大牛来当技术合伙人\"\n- 猎头：\"客户要招 Next.js 前端，北京，给我 5 个候选人\"\n- CTO：\"帮我搜一下做分布式存储的 C++ 工程师，要最近半年活跃的\"\n- 创业者：\"我们在做 AI Agent，想找几个有 LangChain 经验的人聊聊\"\n\n**Skill 自动执行**：\n1. 理解招聘需求 → 生成搜索条件（Step 0）\n2. 从 GitHub 搜索候选人 → 构建画像并排序（Step 1）\n3. 展示候选人列表 → 你来选人（Step 1.5）\n4. 展示选中候选人的完整信息 → 最终确认（Step 2）\n5. 为确认的候选人生成个性化触达话术（Step 3）\n\n---\n\n## 执行流程\n\n### Step 0: 智能解析（JD Parser）\n\n**目标**：将用户的口语化需求转译为 GitHub 搜索参数。\n\n**操作**：\n1. 读取 `prompts\u002Fjd_parser_prompt.md`\n2. 将用户输入代入 Prompt，生成标准化 JSON\n3. 输出格式：\n   ```json\n   {\n     \"search_queries\": [\n       \"language:c++ rocksdb pushed:>2025-01-01\",\n       \"language:c++ leveldb lsm-tree pushed:>2025-01-01\"\n     ],\n     \"target_languages\": [\"C++\"],\n     \"ecosystem_keywords\": [\"rocksdb\", \"leveldb\", \"lsm-tree\"],\n     \"location\": \"china\",\n     \"reasoning\": \"将'RocksDB 相关'转译为 rocksdb + leveldb + lsm-tree 生态\"\n   }\n   ```\n\n**约束规则**：详见 `prompts\u002Fjd_parser_prompt.md`（包含查询生成、活跃度过滤、地理位置处理、负向排除等规则）。\n\n---\n\n### Step 1: 搜索（GitHub Search）\n\n**目标**：从 GitHub 搜索候选人，构建完整画像并全局排序。\n\n**操作**：\n```bash\ncd ~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fai-talent-hunter\n\n# 首次搜索（宽松位置匹配，默认）\npython scripts\u002Fgithub_search.py \\\n  --queries \"language:c++ rocksdb pushed:>2025-01-01\" \"language:c++ leveldb lsm-tree pushed:>2025-01-01\" \\\n  --jd-keywords \"rocksdb,lsm-tree,storage\" \\\n  --jd-language \"C++\" \\\n  --location \"shenzhen\" \\\n  --target 20 \\\n  -o results.json\n\n# 首次搜索（严格位置匹配 — 仅匹配指定城市\u002F省份）\npython scripts\u002Fgithub_search.py \\\n  --queries \"...\" \\\n  --jd-keywords \"...\" \\\n  --jd-language \"C++\" \\\n  --location \"beijing\" \\\n  --location-strict \\\n  --target 20 \\\n  -o results.json\n\n# 继续搜索（当已有结果全部展示完，需要搜更多时）\npython scripts\u002Fgithub_search.py --resume SEARCH_ID --target 20 -o results.json\n```\n\n**需要环境变量**：\n```bash\nexport GITHUB_TOKEN=ghp_xxxxx  # GitHub Personal Access Token\n```\n\n**地理位置匹配模式**（⚠️ OpenClaw 必须根据用户措辞判断使用哪种模式）：\n\n| 用户措辞 | 模式 | CLI 参数 | 行为 |\n|---------|------|---------|------|\n| \"Base 深圳\"、\"最好在北京\"、\"深圳优先\" | **宽松**（默认） | `--location \"shenzhen\"` | 城市→省份→国家→中文启发式 层级回落 |\n| \"**必须是**北京\"、\"**只要**北京的\"、\"**限制**北京\" | **严格** | `--location \"beijing\" --location-strict` | 仅匹配城市\u002F省份，不回落到国家级，**Remote 也不通过** |\n| \"不限地区\"、\"远程\"、不提位置 | **不过滤** | 不加 `--location` | 不做任何位置过滤 |\n\n**注意**：宽松模式下 Remote 用户自动通过；严格模式下 Remote 不通过（用户说\"必须是北京\"就不想看其他城市的人，包括 Remote）。\n\n**搜索引擎说明**：\n- 同时搜索**仓库**（技术关键词维度）和**用户**（地理位置维度），合并去重\n- 自动循环直到达到目标人数或触发停止条件（结果耗尽 \u002F 连续 2 轮零新增）\n- 多条 query 之间是 OR 逻辑（覆盖不同技术维度）\n- 无邮箱的候选人不过滤，仅在排序中降权\n- 输出包含漏斗数据（`funnel` 字段）和停止状态（`status` 字段）\n\n**搜索结果不佳时的优化建议**（⚠️ OpenClaw 必须根据漏斗数据自动判断并给出建议）：\n\n搜索脚本输出 `funnel` 字段（漏斗数据）和 `status` 字段。当 `status` 不是 `threshold_reached` 时，OpenClaw 根据以下规则生成优化建议：\n\n| 漏斗瓶颈 | 判断条件 | 建议 |\n|----------|---------|------|\n| **技术太冷门** | `raw_from_repos \u003C 50` | \"当前技术方向搜索结果很少，建议扩展到相邻技术栈。\" 并给出具体扩展建议（如 VisionOS → 加入 ARKit、SceneKit） |\n| **地理位置太严格** | `after_dedup > 100` 但 `after_location_filter \u003C 10` | \"技术匹配的候选人不少，但目标城市的人很少。建议放宽到省份\u002F全国，或使用宽松模式。\" |\n| **活跃度过滤过严** | `after_location_filter > 50` 但高分候选人 \u003C 5 | \"候选人数量足够但质量不高（多数不活跃或匹配度低）。建议放宽 pushed 时间范围（如 2024 年）。\" |\n| **搜索结果耗尽** | `status = \"exhausted\"` | \"已搜索全部可用结果。建议调整搜索关键词或放宽条件。\" |\n\nOpenClaw 给出建议时，必须提供**具体的操作指引**（如\"去掉 --location-strict\"、\"关键词加入 XX\"），而非泛泛而谈。\n\n---\n\n**排序算法 V3（总分 100 分）**：\n\n**设计原则**（猎头视角）：\n- 领域匹配是前提：找错人一切白费\n- 可触达性决定转化率：联系不上的大牛不如联系得上的牛人\n- 影响力体现技术深度：但用 log 曲线避免 star 通胀\n- 活跃度预测响应概率：活跃的人更可能回复\n- 生态位是锦上添花：区分 leader vs follower\n\n| 维度 | 得分规则 | 权重 |\n|------|----------|------|\n| **1. 领域匹配度** | 主语言匹配(15) + 生态关键词分级(10\u002F15\u002F20) | 35 分 |\n| **2. 可触达性** | 邮箱(10) + 博客(6) + Twitter(5) + 社交(6) + bio(3) + isHireable(5)，可叠加，上限25 | 25 分 |\n| **3. 代码影响力** | log₁₀(Star)×3(12) + log₁₀(Fork)×2(4) + log₁₀(Followers)×2(4) | 20 分 |\n| **4. 有效活跃度** | 30天(12) \u002F 90天(8) \u002F 180天(4) | 12 分 |\n| **5. 开源生态位** | 顶级Owner>500★(8) \u002F 中等>100★(5) \u002F 活跃>20★(3) | 8 分 |\n\n**详细评分逻辑**：\n\n**1. 领域匹配度（Relevance - 35分）**\n- **规则 A**（主语言匹配）：Top 5 仓库的主语言与 JD 匹配 → +15 分\n- **规则 B**（生态关键词）：Top 5 仓库的名称\u002F描述命中 JD 关键词，按命中数分级：\n  匹配源包含 repo 名称、描述和 **repositoryTopics 标签**（标签匹配比文本匹配更精准）\n  - 命中 3+ 个 → +20 分（深度匹配）\n  - 命中 2 个 → +15 分\n  - 命中 1 个 → +10 分\n\n**2. 可触达性（Reachability - 25分）**\n- **多渠道叠加，上限 25 分**：\n  - 公开邮箱 → +10 分（最直接的触达方式）\n  - 个人网站\u002F博客 → +6 分（可找到更多联系方式，也是破冰素材）\n  - Twitter\u002FX → +5 分（DM 是有效触达渠道）\n  - 其他社交账号 → 每个 +3 分，上限 +6 分（LinkedIn、知乎等）\n  - 有 bio → +3 分（愿意被人了解的信号）\n  - isHireable = true → +5 分（候选人主动标记\"可被雇佣\"，回复概率极高）\n- **说明**：不过滤无联系方式的候选人，仅影响排序。大牛无邮箱仍会出现，但排序靠后。HR 可通过 GitHub Issue\u002FPR 评论等方式联系。\n\n**3. 代码影响力（Impact - 20分）**\n- **规则 A**（Star 影响力）：log₁₀(Star总数) × 3，封顶 12 分\n  - 10★ → 3分, 100★ → 6分, 1000★ → 9分, 5000+★ → 12分\n- **规则 B**（Fork 复用度）：log₁₀(Fork总数) × 2，封顶 4 分\n- **规则 C**（社区关注度）：log₁₀(Followers) × 2，封顶 4 分\n- **设计理由**：用 log 曲线而非线性，避免 star 通胀稀释区分度\n\n**4. 有效活跃度（Activity - 12分）**\n- 综合两个信号：\n  - 信号 A — 最近活跃时间：30天内(8) \u002F 90天内(5) \u002F 180天内(3)\n  - 信号 B — 年度贡献量：1000+(4) \u002F 300+(3) \u002F 100+(2) \u002F >0(1)\n- 两个信号相加，上限 12 分\n\n**5. 开源生态位（Ecosystem - 8分）**\n- 是 Owner 且最高星仓库 > 500★ → 8 分（顶级 Owner）\n- 是 Owner 且最高星仓库 > 100★ → 5 分（有影响力的 Owner）\n- 是 Owner 且最高星仓库 > 20★ → 3 分（活跃 Owner）\n\n**档位划分**：\n- 🔥 **极度匹配**：≥80 分（强烈推荐）\n- ⭐ **高度匹配**：65-79 分（推荐）\n- 👍 **匹配**：50-64 分（可考虑）\n- 📋 **参考**：\u003C50 分（需人工判断）\n\n**输出**：`results.json`（完整候选人列表，已排序，含漏斗数据和停止状态）\n\n---\n\n### Step 1.5: 候选人展示与筛选（Human-in-the-Loop）\n\n**目标**：让用户快速扫描候选人，标记状态（selected \u002F passed \u002F pending）。\n\n**为什么需要这一步？**\n- ❌ 不能直接批量生成触达话术（垃圾邮件制造机）\n- ✅ 用户必须先筛选候选人，确认要触达的人\n\n---\n\n#### 展示格式（Markdown 表格，飞书兼容）\n\n**每批展示数量**：最多 15 人。不足 15 人时展示全部。\n\n**表头固定格式**：\n\n```markdown\n# 🎯 [职位名] — 候选人列表\n搜索范围: [语言] + [关键词] | [位置] | 共 N 人，展示 Top 15\n\n| # | 匹配 | 候选人 | 简介 | 公司 | 经验 | 📍 | 联系 | 状态 | 代表作 |\n|---|------|--------|------|------|------|-----|------|------|--------|\n| 1 | 🔥 | 张三 (@zhangsan) | ... | 字节跳动 | 8年 | 深圳 | 📧🌐🐦 | 🟢 | mutative (2.0K) |\n| 2 | ⭐ | 李四 (@lisi) | ... | 阿里巴巴 | 5年 | 杭州 | 📧 | 🟢 | ssr (2.7K) |\n...\n\n---\n回复数字选择：`1,3` = 选中 | `pass 2` = 跳过 | 「继续」查看下一批\n```\n\n---\n\n#### 各列填写规范\n\n| 列名 | 数据来源 | 填写规则 |\n|------|----------|----------|\n| **#** | 序号 | 当前批次内的序号（1-15） |\n| **匹配** | `match_label` 字段 | 🔥 极度匹配(≥80) \u002F ⭐ 高度匹配(65-79) \u002F 👍 匹配(50-64) \u002F 📋 参考(\u003C50) |\n| **候选人** | `name` + `github_id` | 格式：`真实姓名 (@github_id)`。如果 name 等于 github_id 则只写一个 |\n| **简介** | **OpenClaw 根据 bio + 代表作 + 公司综合生成** | 见下方「简介生成规则」 |\n| **公司** | `company` 字段 | 去掉 `@` 前缀。为空时写「独立开发者」。超过 12 字截断加 `..` |\n| **经验** | `dev_years` 字段 | 格式：`N年`（基于 GitHub 账号创建时间推算，注意是\"GitHub 活跃年限\"不是\"工作经验\"） |\n| **📍** | `location` 字段 | 翻译为中文城市名。超过 6 字截断。目标城市加 🎯 标记 |\n| **联系** | `contact_icons` 字段 | 图标组合：📧=邮箱 🌐=博客\u002F网站 🐦=Twitter 🔗=其他社交。**不展示具体值**（Step 2 才展示） |\n| **状态** | `activity_label` 字段 | 🟢=30天内活跃 🟡=90天内 🔵=半年内 ⚪=不活跃。如果 isHireable=true，activity_label 后面会带 \"| 🟢 求职中\" |\n| **代表作** | 优先 `showcase_repos`（候选人自选置顶项目），无置顶时用 `top_repos[0]` | 格式：`项目名 (星数)`。星数 ≥1000 用 K 表示。置顶项目加 📌 标记 |\n\n---\n\n#### 简介生成规则（⚠️ 重要：这一列由 OpenClaw 生成，不是原始数据）\n\n**目的**：让不懂技术的 HR\u002F猎头 一眼理解这个人是做什么的、为什么值得联系。\n\n**生成规则**：\n1. **长度**：一句话，15-30 个中文字\n2. **内容优先级**（按顺序取最有价值的信息）：\n   - 如果有知名公司经历 → 提及公司 + 角色（如：\"字节跳动 AI 工作流框架核心开发者\"）\n   - 如果代表作 star 数高 → 提及影响力（如：\"11K+ 开发者使用的 React 文档框架作者\"）\n   - 如果 bio 有明确方向 → 提炼方向（如：\"专注 RAG 和知识图谱的 AI 研究员\"）\n   - 兜底 → 根据代表作描述概括（如：\"用 Next.js 构建全栈电商项目\"）\n3. **技术术语规则**：可以使用 JD 中出现过的技术词（如 React、Next.js），但不引入 JD 以外的技术术语\n4. **禁止**：\n   - ❌ 不要照搬英文 bio（要翻译\u002F提炼为中文）\n   - ❌ 不要写\"该候选人...\"这种第三人称废话\n   - ❌ 不要重复代表作列已有的信息\n5. **示例**：\n   - ✅ \"阿里 13 年老兵，ice.js 渐进式框架核心作者\"\n   - ✅ \"腾讯前端，开发基于 Next.js 的边缘计算博客引擎\"\n   - ✅ \"全栈工程师，专注 React 状态管理和性能优化\"\n   - ❌ \"A passionate developer who loves open source\"（照搬英文）\n   - ❌ \"该候选人是一名优秀的前端工程师\"（废话）\n\n---\n\n#### 用户交互规则\n\n| 用户说 | OpenClaw 行为 |\n|--------|------------|\n| `\"1, 3, 5\"` 或 `\"选 1 3 5\"` | 标记为 selected，调 `candidate_manager.py --action batch-update` |\n| `\"pass 2, 4\"` 或 `\"跳过 2 4\"` | 标记为 passed |\n| `\"继续\"` \u002F `\"下一批\"` \u002F `\"搜更多\"` \u002F `\"继续搜索\"` \u002F `\"更多\"` | **统一逻辑**：见下方「继续\u002F搜更多的判断规则」 |\n| `\"修改要求\"` 或 `\"换个条件\"` | 回到 Step 0 重新解析 JD |\n| `\"就这些了\"` 或 `\"完成\"` | 进入 Step 2 二次确认 |\n| `\"看看 zhangsan\"` | 调 `candidate_manager.py --action get-candidate --github-id zhangsan` 展示详情 |\n\n**⚠️「继续\u002F搜更多」的判断规则（重要！不要让用户区分这两个操作）**：\n\n当用户说\"继续\"、\"搜更多\"、\"下一批\"、\"继续搜索\"或任何表达\"想看更多人\"的意思时，OpenClaw 按以下优先级自动判断：\n\n```\n1. 如果还有未展示的已有结果 → 直接翻页展示下一批 15 人（不调 API）\n2. 如果已有结果全部展示完了 → 调 github_search.py --resume SEARCH_ID 搜索新页面\n3. 如果搜索已耗尽（status=exhausted\u002Fzero_yield）→ 告知用户无更多结果 + 给出优化建议\n```\n\n**用户不需要知道\"翻页\"和\"搜索\"的区别。** 这是内部实现细节，OpenClaw 自动判断。\n\n**翻页终止规则**：\n- 如果下一批的最高分 \u003C 50（📋 参考级别），在展示前提醒：「⚠️ 后续候选人匹配度较低，建议调整搜索条件」\n- 如果已有结果全部展示完且搜索未耗尽，提示：「已展示全部 N 人，正在搜索更多候选人...」然后自动调 --resume\n\n---\n\n#### 状态管理\n\n```bash\ncd ~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fai-talent-hunter\n\n# 批量更新状态\npython scripts\u002Fcandidate_manager.py --action batch-update \\\n  --search-id UUID --selected \"user1,user2\" --passed \"user3\"\n\n# 查看某人详细信息\npython scripts\u002Fcandidate_manager.py --action get-candidate --github-id \"zhangsan\"\n```\n\n**数据持久化**：\n- 所有搜索记录保存到：`~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fai-talent-hunter\u002Fdata\u002Fcandidates.jsonl`\n- 格式：每行一个 JSON 对象（JSONL）\n- 支持跨搜索查询（防止重复推荐已 selected 的候选人）\n\n---\n\n### Step 2: 二次确认（Selected Review）\n\n**目标**：用非技术语言展示所有 selected 候选人的完整信息，让 HR\u002F猎头\u002F高管最终确认后再生成触达话术。\n\n**⚠️ 核心原则**：用户可能不懂技术、无法访问 GitHub。所有信息必须翻译为商业语言。\n\n**操作**：\n```bash\ncd ~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fai-talent-hunter\npython scripts\u002Fcandidate_manager.py --action get-selected --search-id UUID\n```\n\n---\n\n#### 每位候选人的展示模板\n\nOpenClaw 按以下结构为每位 selected 候选人生成展示内容：\n\n**1. 一句话推荐**（⚠️ 由 OpenClaw 生成）\n- 用商业语言概括此人为什么值得联系\n- 提及公司背景 + 核心成就 + 与岗位的关联\n- 示例：\n  - ✅ \"RingCentral（美资通讯巨头）在职 9 年资深前端，独立开发的开源工具被全球 2000+ 开发团队使用，React 生态核心技术栈完全匹配\"\n  - ❌ \"TypeScript 开发者，有 mutative 项目 2000 stars\"（技术黑话，HR 看不懂）\n\n**2. 基本信息**（表格）\n\n| 项目 | 信息 |\n|------|------|\n| 真实姓名 | 从 `name` 字段取 |\n| 当前公司 | 从 `company` 字段取，如果是知名公司则括号补充公司简介 |\n| 所在城市 | 翻译为中文 |\n| GitHub 活跃年限 | 从 `dev_years` 字段取，注意措辞为\"GitHub 活跃 N 年\"而非\"工作经验 N 年\" |\n| 活跃状态 | 🟢\u002F🟡\u002F🔵\u002F⚪ |\n| 求职状态 | isHireable=true → \"✅ 已标记接受新机会\" \u002F false → 不显示 |\n\n**3. 职业亮点**（⚠️ 由 OpenClaw 生成，列表形式）\n- 将技术成就翻译为非技术人员能理解的描述\n- 翻译规则：\n  - Star 数 → \"N 个开发者\u002F团队关注使用\"\n  - 技术术语：**可以使用 JD 中出现过的技术词**（如 JD 提到 React 则可写\"React 框架\"），**但不引入 JD 以外的技术术语**（如 JD 没提 TypeScript 就不要写）\n  - 不出现 GitHub 链接（用户可能打不开）\n  - 项目描述要用一句话解释这个项目解决什么问题\n- 示例（假设 JD 提到了 React\u002FNext.js）：\n  - ✅ \"独立开发了高性能数据处理工具 mutative，被 2000+ 开发者关注使用，比同类方案快 2-6 倍\"\n  - ✅ \"参与字节跳动 flowgram.ai 工作流平台核心开发，该项目被 7800+ 开发者关注\"\n  - ✅ \"开发了 React 文档框架 fumadocs，被 11000+ 开发者使用\"（JD 提到了 React，可以用）\n  - ❌ \"有一个 TypeScript 项目叫 mutative，2000 stars\"（JD 没提 TypeScript，且用了 stars 原始术语）\n- 贡献统计翻译规则：\n  - contributions.total → \"过去一年贡献了 N 次代码\"\n  - contributions.commits + contributions.pull_requests → \"提交了 N 次代码修改，N 个代码改进请求\"\n  - pinnedItems → \"候选人自选代表作：[列出置顶项目名]\"\n\n**4. 与岗位匹配度**\n- 匹配标签（🔥\u002F⭐\u002F👍\u002F📋）\n- 逐条列出与 JD 需求的匹配点和不匹配点\n- 示例：\n  - ✅ React\u002FNext.js 技术栈完全吻合\n  - ✅ 有大型框架设计和开发经验\n  - ⚠️ 目前在厦门，非目标城市北京\n\n**5. 联系方式与建议**（表格）\n\n| 渠道 | 信息 | 建议 |\n|------|------|------|\n| 📧 邮箱 | 具体邮箱地址 | ✅ 推荐，最直接 |\n| 🌐 个人网站 | 具体网址 | 可参考了解更多 |\n| 🐦 Twitter | 具体链接 | 可作为备选 |\n| 🔗 其他社交 | 具体链接 | — |\n\n- 如果无公开邮箱，给出替代建议：\"⚠️ 无公开邮箱，建议通过 Twitter 私信 或 GitHub 主页留言联系\"\n\n**6. 风险提示**\n- ⚠️ 近期不活跃，可能已转型或离职\n- ⚠️ 不在目标城市，需确认远程\u002F搬迁意愿\n- ⚠️ 无邮箱，联系难度较高\n- ✅ isHireable=true → \"此人已主动标记接受新机会，回复概率较高\"\n- ⚠️ isHireable=false + 知名大厂在职 → \"未标记求职意向，可能需要更有竞争力的条件\"\n- ✅ 无明显风险（如果没有问题也要写）\n\n---\n\n#### 用户操作\n\n| 用户说 | OpenClaw 行为 |\n|--------|-------------|\n| \"确认全部\" | 进入 Step 3（为所有 selected 生成触达话术） |\n| \"去掉 2 号\" 或 \"取消 XX\" | 将其从 selected 改为 passed，不再生成话术 |\n| \"补人\" 或 \"回去再选\" | 回到 Step 1.5 继续筛选 |\n\n---\n\n### Step 3: Pitch Writer（生成触达话术）\n\n**目标**：为每位确认的候选人生成个性化触达消息。\n\n**前置条件**：\n- ⚠️ 只针对 Step 2 中最终确认的 selected 候选人\n- ⚠️ 绝不批量生成（垃圾邮件制造机）\n\n**⚠️ 前置信息收集（如果缺失，OpenClaw 必须先询问用户）**：\n\n| 信息 | 为什么需要 | 示例 |\n|------|----------|------|\n| 发送人身份 | 决定语气（CTO≠HR≠CEO） | CTO \u002F HR \u002F 猎头 \u002F CEO \u002F 合伙人 |\n| 发送人姓名 | 署名 | \"李明\" |\n| 公司名称 | 让对方知道谁在联系 | \"字节跳动\" \u002F \"一家 A 轮 AI 创业公司\" |\n| 触达目的 | 决定话术方向 | 全职招聘 \u002F 技术顾问 \u002F 开源合作 |\n| 触达渠道 | 决定长度和格式 | 邮件 \u002F Twitter DM \u002F 微信 |\n\n**操作**：\n1. OpenClaw 读取 `prompts\u002Fpitch_writer_prompt.md`\n2. 结合候选人 profile + 上述前置信息\n3. 为每位候选人生成定制话术\n\n**核心规则**（详见 `prompts\u002Fpitch_writer_prompt.md`）：\n- 语气匹配发送人身份（CTO 谈技术、CEO 谈愿景、HR 展现专业了解）\n- 必须引用候选人的真实项目\u002F背景（不是泛泛赞美）\n- 绝不使用 HR 套话（\"薪资丰厚\"、\"诚邀加入\"、\"我们是一家...\"）\n- 字数严格控制（邮件 ≤150 字、Twitter DM ≤80 字、微信 ≤100 字）\n- 行动邀请低压力（\"聊聊\"而非\"面试\"）\n\n---\n\n## 合规红线（强制）\n\n**✅ 允许的数据源**：\n- GitHub 公开 API\n- 个人博客公开文章\n- Twitter\u002FX 公开推文\n\n**❌ 严禁的行为**：\n- 购买\u002F爬取私密数据\n- 未经授权的批量邮件发送\n- 绕过反爬机制的暴力抓取\n- 任何形式的钓鱼\u002F伪装\n\n**🔒 Human-in-the-Loop 强制要求**：\n- 生成的触达话术仅作草稿\n- 必须由 HR\u002F业务人员审核\n- 手动通过邮件\u002FTwitter 发送\n- Skill 本身不执行发送\n\n---\n\n## 故障排查\n\n### GitHub API 返回 403 Forbidden\n\n**原因**：GitHub Token 权限不足或已过期。\n\n**解决方案**：\n```bash\n# 重新生成 Token（需要 read:user 和 read:org 权限）\nexport GITHUB_TOKEN=ghp_新的token\n```\n\n---\n\n## 依赖\n\n- Python 3.8+\n- requests\n- GitHub Personal Access Token（需要 `read:user` 和 `read:org` 权限）\n\n### ⚠️ 安全配置\n\n**GitHub Token 获取**：\n1. 访问 https:\u002F\u002Fgithub.com\u002Fsettings\u002Ftokens\n2. 创建新 token，勾选 `read:user` 和 `read:org` 权限\n3. 复制 token 到 `.env` 文件（**不要提交到 git！**）\n\n**环境变量配置**：\n```bash\n# 创建 .env 文件（已在 .gitignore 中，不会被上传）\necho \"GITHUB_TOKEN=your_token_here\" > .env\n\n# 或者临时使用（不持久化）\nexport GITHUB_TOKEN=ghp_your_token_here\n```\n\n**🔒 安全红线**：\n- ❌ 绝对不要把真实 Token 提交到 git\u002FGitHub\n- ❌ 不要在公开的 SKILL.md 示例中使用真实 Token\n- ✅ 使用 `.env` 文件（已加入 .gitignore）\n- ✅ 示例中使用 `ghp_xxxxx` 占位符\n\n---\n\n## 示例用法\n\n### 完整流程示例\n\n```bash\n# Step 0: JD 解析（在 OpenClaw 中执行）\n# 输入：\"找 5 个深圳的 RocksDB C++ 工程师，要求最近 1 年内有活跃贡献\"\n# 输出：search_params.json\n\n# Step 1: 搜索\ncd ~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fai-talent-hunter\nexport GITHUB_TOKEN=ghp_xxxxx\n\npython scripts\u002Fgithub_search.py \\\n  --queries \"language:c++ rocksdb pushed:>2025-01-01\" \\\n  --jd-keywords \"rocksdb,lsm-tree,storage\" \\\n  --jd-language \"C++\" \\\n  --location \"shenzhen\" \\\n  --target 20 \\\n  -o results.json\n\n# Step 1.5: 候选人展示与筛选（OpenClaw 展示，用户选择）\n# 用户：\"1, 3, 5\" → selected，\"pass 2, 4\" → passed\n\npython scripts\u002Fcandidate_manager.py --action batch-update \\\n  --search-id \"uuid\" --selected \"zhangsan,wangwu\" --passed \"lisi\"\n\n# Step 2: 二次确认（展示 selected 候选人完整信息）\npython scripts\u002Fcandidate_manager.py --action get-selected --search-id \"uuid\"\n\n# Step 3: 生成触达话术（只针对 selected 的人）\n# OpenClaw 读取 prompts\u002Fpitch_writer_prompt.md 生成个性化触达消息\n```\n\n---\n\n## 注意事项\n\n1. **质量优先**：搜索结果可能有数百人，但只展示排序后的 Top 候选人。用户逐批确认，而非一次性倾倒所有结果。\n2. **触达话术是草稿**：生成的消息需人工审核后再发送，Skill 本身不执行发送。\n\n",{"name":5,"config":24,"description":7,"permissions":32},{"env":25,"reads":27,"writes":31},[26],"GITHUB_TOKEN",[28,29,30],"prompts\u002Fjd_parser_prompt.md","prompts\u002Fpitch_writer_prompt.md","data\u002Fcandidates.jsonl",[30],{"env":33,"filesystem":34},[26],{"read":35,"write":36},[28,29,30],[30],"master","4aa004da461d820f4ea5499e58eb8d196cf99016","community\u002Fclawhub\u002Fa\u002Fai-talent-hunter",0,"https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge","https:\u002F\u002Fskill-explorer-rho.vercel.app","https:\u002F\u002Fgithub.com\u002FLord1Egypt","Unbreakable. Unstoppable. Unmatched⚡.\r\n Speaker of machine tongues 🤖  | World-builder of decentralized dreams 🌐 | Defender of the digital realm🛡️.","2026-06-10 08:21:01",{"source":8,"skillName":5,"commands":47,"prompt":57,"zipAvailable":58},[48,51,54],{"tool":49,"command":50},"npx","npx skills add Lord1Egypt\u002Fawesome-skill-forge --skill ai-talent-hunter",{"tool":52,"command":53},"bunx","bunx skills add Lord1Egypt\u002Fawesome-skill-forge --skill ai-talent-hunter",{"tool":55,"command":56},"pnpm","pnpm dlx skills add Lord1Egypt\u002Fawesome-skill-forge --skill ai-talent-hunter","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fcommunity\u002Fclawhub\u002Fa\u002Fai-talent-hunter\u002FSKILL.md",true,[],[61,69,76,83,90,97],{"skillNo":62,"name":63,"nameZh":6,"description":64,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":65,"categories":66,"keywords":67,"publishedAt":68},"01M785WKJB99G3STR1NF9NRTJW","youtube-content","YouTube transcripts to summaries, threads, blogs.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fyoutube-content\u002FSKILL.md",[],[],"2026-11-15 14:19:17",{"skillNo":70,"name":71,"nameZh":6,"description":72,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":73,"categories":74,"keywords":75,"publishedAt":68},"01M785WEFHB0G2S9YA6EPR3H0E","xurl","X\u002FTwitter via xurl CLI: post, search, DM, media, v2 API.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fxurl\u002FSKILL.md",[],[],{"skillNo":77,"name":78,"nameZh":6,"description":79,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":80,"categories":81,"keywords":82,"publishedAt":68},"01M785W98EDN4EFJXJPMQEHCRC","touchdesigner-mcp","Control a running TouchDesigner instance via twozero MCP — create operators, set parameters, wire connections, execute Python, build real-time visuals. 36 native tools.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Ftouchdesigner-mcp\u002FSKILL.md",[],[],{"skillNo":84,"name":85,"nameZh":6,"description":86,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":87,"categories":88,"keywords":89,"publishedAt":68},"01M785W5S9FP3QBH2V191E025P","test-driven-development","TDD: enforce RED-GREEN-REFACTOR, tests before code.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Ftest-driven-development\u002FSKILL.md",[],[],{"skillNo":91,"name":92,"nameZh":6,"description":93,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":94,"categories":95,"keywords":96,"publishedAt":68},"01M785W2AS08NSSH9YATCV6FJB","teams-meeting-pipeline","Operate the Teams meeting summary pipeline via Hermes CLI — summarize meetings, inspect pipeline status, replay jobs, manage Microsoft Graph subscriptions.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fteams-meeting-pipeline\u002FSKILL.md",[],[],{"skillNo":98,"name":99,"nameZh":6,"description":100,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":101,"categories":102,"keywords":103,"publishedAt":68},"01M785VXKW4T34BTP1SCHW1R7F","systematic-debugging","4-phase root cause debugging: understand bugs before fixing.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fsystematic-debugging\u002FSKILL.md",[],[]]