用途：以交互式矩形树图探索BLS职业展望手册中342个职业的数据，矩形面积表示就业规模，颜色表示所选指标，用于研究职业结构、薪资、增长与AI暴露度。
主要能力：提供BLS增长前景、中位薪资、学历要求、LLM评分的AI暴露度（0–10）等颜色图层；评分流程可fork，改写提示词后重跑即可生成新的颜色图层；可生成约45K token的prompt.md供粘贴到LLM对话。
使用方式：克隆仓库后安装依赖并创建.env写入OPENROUTER_API_KEY（仅LLM评分需要）。完整流程依次运行：uv run python scrape.py（非无头Playwright抓取BLS，结果缓存于html/）、uv run python process.py、uv run python make_csv.py、uv run python score.py、uv run python build_site_data.py，最后cd site && python -m http.server 8000并访问http://localhost:8000。仓库已含缓存html/，可跳过抓取从process.py开始。
适用场景：职业市场研究、AI对职业影响的可视化探索、自定义评分提示词的实验。
限制：AI暴露度不等于职业消失，评分为LLM粗略估计而非严谨经济预测；未考虑需求弹性、潜在需求、监管壁垒或社会偏好；BLS会拦截机器人，抓取需可见浏览器窗口且不宜在CI运行；本地需用HTTP服务器而非file://打开，否则CORS会阻止JSON加载。默认模型为Gemini Flash，可在score.py中更换。