hunter-research 是一个“公司调研员”技能，目标是在用户参加咖啡聊天或面试前，用公开可核查的据源快速整理出一页公司简介，并为只能靠阅读补充的内容留下明确标注的空位。
用途
调研用户正在申请的每家公司的业务、最新新闻和面试流程，生成一页 brief，写入 hunter/companies/<company>.md。简介不会覆盖已存在的同名文件（其中可能存有用户笔记），除非显式使用 --force。
数据与文件
companies.json 内置 Google、Meta、NVIDIA、Netflix 和 Amazon 的信息：上市母公司的 SEC 身份（CIK 与股票代码，例如 Google 对应 Alphabet）、招聘网站和公司自己的 RSS 源。其它公司可通过 --ticker 和 --feed URL 指定。loops.json 保存各公司的面试流程；标记为 official 的条目来自公司自己的招聘与准备页面并附 URL（资料标注读取于 2026-10-15），标记为 community-reported 的条目来自候选人报告，并在每份简介中保留该标签。brief.template.md 定义简介的章节结构。
工具与命令
文件夹内提供标准库 Python 脚本 brief.py。构建简介：
python3 "${CLAUDE_SKILL_DIR}/brief.py" build --company Google --role "Software Engineer" --team "Google Cloud, Infrastructure" python3 "${CLAUDE_SKILL_DIR}/brief.py" build --company "Acme Corp" --ticker ACME --feed https://acme.example/blog/rss
单独调用各部分：brief.py loop --company Meta、brief.py sec --ticker NFLX、brief.py feeds --company NVIDIA --days 14。查看帮助：python3 "${CLAUDE_SKILL_DIR}/brief.py" --help。
规则
每条事实都要有来源：简介中的一行要么链接到文件、新闻条目或公司页面，要么写“(fill in)”。只能用亲自打开并阅读的来源填写这些空行，并补上链接。财务数字（营收、增长、员工数）来自 10-K、10-Q 或 8-K 业绩附件，引用时注明期间，绝不凭记忆。面试备注必须保留官方或社区标签；若招聘人员的描述不同，以招聘人员为准。Google、Meta 和 NVIDIA 明确面试期间不允许使用 AI 工具（NVIDIA 表示会导致候选人资格取消），应准备阶段使用、面试中绝不使用，并向用户说明。简介覆盖公司和团队；对个人（如招聘经理）的调研属于 /hunter-connector，且仅使用公开职业信息。
使用步骤
SEC 要求脚本表明身份。首次需向用户询问姓名和邮箱，作为 User-Agent 保存为 hunter/profile.json 中的 "sec_user_agent": "Name email"（或通过 --user-agent 传入）；没有该信息时，简介会跳过文件并说明。随后运行 build 命令生成简介，再阅读来源填写“(fill in)”行：用几行平实语言概括 10-K 的 Item 1、新闻对团队意味着什么、招聘帖与公开工程文章反映的团队工作，以及结合用户真实简历的切入点。最后向用户展示简介，并给出聊天前最值得知道的三件事：团队做什么、一个近期事件、面试流程如何运作；并建议使用 /hunter-connector 调研招聘经理、使用 /hunter-interview 基于面试流程做模拟练习。
限制
绝不无来源陈述事实，绝不用猜测填空；不调研个人公开职业信息之外的内容，不涉及私生活；遵守站点对脚本的限制：SEC 请求带识别性 User-Agent 并在调用间暂停，每个公司 RSS 只取一次，不访问登录后的内容；不承诺面试结果，简介只帮助准备，不预测录用。