recruit-daily

Solid

每日招聘流水线:把"查 boss+猎聘未读 → 双通道主动寻源 → 硬规则初筛 → 打招呼 → 补台账 → 出日报" 串成一条流水线。当用户说"处理今天的招聘"、"有没有未处理人选"、"帮我找找 X 岗的人"、 "给合适的人打招呼"、"出今天的招聘日报",或在招聘工作区做任何寻源/初筛/建档动作时使用。

AI & Automation 65 stars 15 forks Updated 1 weeks ago MIT

Install

View on GitHub

Quality Score: 83/100

Stars 20%
61
Recency 20%
90
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
50
License 10%
100
Description 5%
100

Skill Content

# recruit-daily —— 每日招聘流水线 每日主力动作:把 Boss 直聘 + 猎聘两个渠道的「查未读 → 主动寻源 → 初筛 → 打招呼 → 建档 → 出日报」串成一条流水线。 **这是编排文档**:CLI 命令细节见 [`references/channels.md`](references/channels.md), 台账与日报格式见 [`references/ledger-and-report.md`](references/ledger-and-report.md)。 本文档只管「顺序、判断、跨渠道协同、安全」。 ## 铁律:先读事实源,别凭记忆 开工**先读**(都在工作区根下): - `CONTEXT.md` —— 术语、**初筛硬规则**、**在招岗位与优先级**(唯一事实源,随时可能更新)。 - `AGENTS.md` —— 分工与「不可逆动作等确认」红线。 - `01-jd/_internal/<role>.md` —— 各岗命脉技能 / 排除信号 / **关键词迭代表**(寻源前必读,越搜越准)。 **本文档不写任何硬规则数字**——年龄线、学历线、地点要求全部以 CONTEXT 为准,避免两处打架。 如果 CONTEXT 硬规则区还是空的(没跑过岗位梳理),停下来先走 `skills/recruit-grill/SKILL.md`。 ## 主流程(按需跳步) 1. **查未处理**: - `boss list --unread`(角标 > 0 才有) - `liepin chatlist --json`,过滤 `unread_count` 非 "0"。 - **有未读**:逐个按 CONTEXT 硬规则判 → 该回复的回复、该要简历的要、 该排除的**先记台账等用户确认**(绝不自动点"不合适")。 - **没未读**:转主动寻源。 2. **定寻源岗位与优先级**:读 CONTEXT「在招岗位与优先级」,按优先级分配今天的额度。 3. **双通道 × 双入口寻源**(每个目标岗都跑),命令与坑见 channels.md: - **boss**:`boss positions` 拿岗位槽位 → 人才库 `boss search <词> --job <岗>` + 推荐 `boss recommend <岗>`。 - **猎聘**:`liepin joblist --json` 拿 ejobId → `liepin search "<词>" --city <城市> --json` + `liepin recommend --json`。 - 搜索词用 `_internal/<role>.md` 关键词迭代表里最新一轮的有效词。 - **完成判据**:每个目标岗,boss 与猎聘各自的 search + recommend 两入口都跑过——漏一个渠道或入口 = 没做完。 CONTEXT 里若已沉淀"某岗某渠道无效"的结论,可按结论跳过并在日报注明。 4. **硬规则初筛**:严格套 CONTEXT「初筛硬规则」+ 各岗 `_internal` 的**命脉技能**与**排除信号**。 判定顺序:硬门槛(年龄/学历/地点)→ 命脉对口 → 排除信号 → 评级(⭐~⭐⭐⭐,命脉强 = ⭐⭐⭐)。 5. **打招呼**(对外不可逆——先读下方安全规则)。合适的按渠道打。 - **完成判据**:每个过筛人选要么已打招呼、要么记...

Details

Author
Viy1204
Repository
Viy1204/recruiting-copilot
Created
2 months ago
Last Updated
1 weeks ago
Language
JavaScript
License
MIT

Similar Skills

Semantically similar based on skill content — not just same category