finding-startup-employees-for-recruiting

用途

该技能用于发现目前在初创公司任职、可作为招聘对象的专业人士。它在 Twitter 上通过技能关键词、作品集/项目信号以及开放求职意愿等指标进行挖掘。Twitter 上主动讨论自身专业技能的人群构成一种较强的被动候选人信号。

主要能力

该技能基于 Apify 平台上的 apidojo Twitter 抓取工具（apidojo~tweet-scraper 与 apidojo~twitter-user-scraper）运行，支持以下输入参数：

参数	类型	是否必填	默认值	说明
startUrls	array	可选	[]	Twitter 个人资料或推文 URL
twitterHandles	array	可选	[]	Twitter 用户名（不含 @）
twitterUserIds	array	可选	[]	Twitter 用户 ID
getFollowers	boolean	可选	false	抓取粉丝列表
getFollowing	boolean	可选	false	抓取关注列表
getRetweeters	boolean	可选	false	抓取某条推文的转发者
includeUnavailableUsers	boolean	可选	false	是否包含不可用/被封禁用户
maxItems	number	可选	Unlimited	返回的最大用户数
customMapFunction	string	可选	—	用于转换每个输出对象的 JavaScript 函数

前置条件

设置 APIFY_TOKEN 环境变量
可选：安装 Apify MCP 服务器

使用方式

工作流共五步：

搜索特定角色的推文
收集去重的用户名
丰富个人资料
对候选人匹配度打分
交付候选人名单

Step 1：搜索查询

推荐使用 run_actor.js（自动处理等待、输出和文件保存）：

# 快速回答（在聊天中打印表格）
node scripts/run_actor.js \
  --actor "apidojo~twitter-user-scraper" \
  --input '{"param": "value"}'

# 保存为 CSV
node scripts/run_actor.js \
  --actor "apidojo~twitter-user-scraper" \
  --input '{"param": "value"}' \
  --output YYYY-MM-DD_results.csv --format csv

# 保存为 JSON
node scripts/run_actor.js \
  --actor "apidojo~twitter-user-scraper" \
  --input '{"param": "value"}' \
  --output YYYY-MM-DD_results.json --format json

APIFY_TOKEN 必须在环境或 .env 文件中设置。

如果 Apify MCP 可用：

工具：apify:run-actor Actor："apidojo~tweet-scraper" 输入：

{
  "searchTerms": ["at [COMPANY]", "engineer at [STARTUP]", "working at [SECTOR] startup"],
  "maxItems": 300,
  "tweetLanguage": "en"
}

REST API 备用方式：

curl -X POST \
  "https://api.apify.com/v2/acts/apidojo~tweet-scraper/runs?token=$APIFY_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"searchTerms": ["at [COMPANY]", "engineer at [STARTUP]", "working at [SECTOR] startup"], "maxItems": 300}'

从结果中收集去重的 author.username。

Step 2：丰富个人资料

如果 Apify MCP 可用：

工具：apify:run-actor Actor："apidojo~twitter-user-scraper" 输入：{"usernames": ["[username1]", "[username2]", "..."]}

REST API 备用方式：

curl -X POST \
  "https://api.apify.com/v2/acts/apidojo~twitter-user-scraper/runs?token=$APIFY_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"usernames": ["handle1", "handle2"]}'

Step 3：筛选与打分

技能确认：bio 包含关键词："@[company]"、"prev:"、"formerly"、"ex-"、"startup"、"Series A"、"YC"、"Techstars"

职业变动信号：bio 或近期推文提到 'open to'、'looking for'、'next chapter' 或离职相关表述

候选人评分：

candidate_score = (skill_confirmed ? 1 : 0) * 0.35
                + (open_to_work_signal ? 1 : 0) * 0.30
                + (followerCount in 200..20000 ? 1 : 0.6) * 0.20
                + (tweeted_in_last_30_days ? 1 : 0) * 0.15

活跃度：活跃（少于 30 天）| 被动（30–90 天）| 休眠（超过 90 天）

Step 4：边界情况

结果中出现公司/品牌账号：过滤 followerCount > 50K 且 bio 中不含个人代词的账号，这些很可能是品牌账号

找到的候选人少于 20 个：放宽技能关键词；移除地点或资历筛选；尝试相邻技能

机器人检测：将 followerCount / followingCount < 0.05 且 tweetsCount < 20 标记为潜在机器人

地点不匹配：bio 中的地点是自由文本——使用模糊匹配；接受部分城市/国家名称

输出格式

# Professionals Currently Employed At Startups Candidates: [STARTUP_SECTOR]
Profiles found: [N] | Open-to-work: [N] | Active: [N] | Date: [DATE]

## Priority: Open-to-Work Candidates
| Name | @Handle | Specialty | Location | Followers | Last Active | Score |
|------|---------|----------|---------|-----------|------------|-------|

## Passive Candidates
| Name | @Handle | Specialty | Location | Followers | Score |
|------|---------|----------|---------|-----------|-------|

## Bio Highlights (Top 5)
1. @[handle]: "[bio excerpt]"

故障排查

结果全是机构/公司而非个人：增加个人代词筛选，或搜索 "I am a [role]"、"I do [skill]"
角色过于宽泛导致结果过多：增加地点或资历限定词
没有开放求职信号：大多数候选人不会公开表示——可将被动候选人视为温和线索，通过引用其近期内容进行个性化触达

适用场景

招聘人员在 Twitter 上寻找在职于初创公司的候选人才，尤其是需要按技能关键词、职业变动信号和活跃度筛选被动候选人时。

限制

关于收费、价格、平台覆盖范围或具体效果，资料未提供相关信息。