SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场job-posting-analysis

job-posting-analysis

数据与分析

查看项目

更新于 10-16 06:30

技能介绍

用途

Job Posting Analysis 技能用于从招聘信息（job postings）和招聘页面（career pages）中提取技术栈信息。招聘页面和职位描述往往会透露公司内部技术栈的细节，因此该技能可作为推断目标公司技术构成的间接情报来源。

主要能力

该技能包含以下操作：

  1. find_careers_page：定位公司的招聘/职位页面。搜索策略包括常见路径（/careers、/jobs、/work-with-us、/join-us）、子域名（careers.{domain}、jobs.{domain}）、搜索引擎查询（site:{domain} careers OR jobs）以及主站页脚链接。常见招聘页面 URL 形式包括 https://{domain}/careers、https://{domain}/jobs、https://careers.{domain}、https://jobs.{domain}、https://{domain}/about/careers、https://{domain}/company/careers。

  2. detect_ats_platform：识别所使用的申请人跟踪系统（ATS）。检测模式覆盖 Greenhouse（boards.greenhouse.io）、Lever（jobs.lever.co）、Workday（.wd5.myworkdayjobs.com 或 .wd3.myworkdayjobs.com）、Ashby（jobs.ashbyhq.com）、iCIMS、Taleo（taleo.net）、SmartRecruiters、BambooHR、Jobvite、Breezy HR 等，各模式均给出 95 的置信度，并附带平台所暗示的公司特征（如技术型初创、企业级、SMB 等）。

  3. extract_tech_requirements：解析职位描述中的技术提及。提取模式包括 Experience with、Proficiency in、Knowledge of、Tech stack:、Working knowledge of、Familiar with、Strong background in、Required:、Nice to have:、Technologies:、Tools: 等。技术关键词按类别组织：语言（JavaScript、TypeScript、Python、Java、Go、Rust、Ruby、PHP、C#、C++、Kotlin、Swift、Scala、Elixir、Clojure）、前端框架（React、Vue、Angular、Svelte、Next.js、Nuxt、Gatsby、Redux、MobX、Zustand、React Query、Tailwind、Bootstrap）、后端框架（Node.js、Express、NestJS、Django、Flask、FastAPI、Rails、Spring、.NET、Laravel、Phoenix）、数据库（PostgreSQL、MySQL、MongoDB、Redis、Elasticsearch、DynamoDB、Cassandra、Neo4j、Snowflake、BigQuery）、云/基础设施（AWS、GCP、Azure、Kubernetes、Docker、Terraform、Ansible、CloudFormation、Pulumi）、工具（Git、GitHub、GitLab、Jenkins、CircleCI、GitHub Actions、Datadog、New Relic、Grafana、Prometheus、Sentry）。

  4. calculate_tech_frequency：按职位提及频率对技术加权。频率 = 提及职位数 / 总职位数。频率 ≥ 0.5 归类为 Core Stack（核心栈），0.25–0.5 为 Common（常见），< 0.25 为 Occasional（偶发）。

  5. analyze_role_patterns：根据角色类型推断技术栈。例如 Frontend Engineer 暗示 React/Vue/Angular、JavaScript/TypeScript、CSS 框架（置信度 70）；Backend Engineer 暗示服务端语言、数据库、API 开发（70）；Full Stack Engineer 暗示前端框架、后端框架、数据库（65）；DevOps Engineer 暗示云平台、CI/CD、Kubernetes/Docker、IaC（75）；Data Engineer 暗示 Python/Scala、Spark/Airflow、数据仓库（75）；ML Engineer 暗示 Python、TensorFlow/PyTorch、云 ML 服务（75）；iOS Developer 暗示 Swift、Xcode、iOS SDK（85）；Android Developer 暗示 Kotlin/Java、Android SDK（85）。

使用方式

该技能以结构化 JSON 输出结果，包含 skill、domain、results 与 evidence 字段。results 内含 careers_page（URL、ATS 平台、ATS 置信度）、postings_analyzed（分析职位数）、technologies_extracted（技术名称、类别、提及次数、总职位数、频率、重要程度、上下文、置信度）、role_distribution（各角色数量）、tech_stack_inference（前端、后端、基础设施及置信度）、company_signals（工程规模、成长阶段、技术文化）。evidence 数组记录职位信息类型、标题、URL、提及技术与时间戳。

适用场景

适用于需要从公开招聘信息中推断公司技术栈、角色分布与工程团队信号的场景，例如技术调研、竞争分析或销售线索研究。

限制与注意事项

  • 速率限制：招聘页面抓取 10 次/分钟，职位页面 20 次/分钟，ATS API 因平台而异。
  • 错误处理：404 表示未找到招聘页面；访问被拒可能因 ATS 需要认证；可继续使用部分数据，或回退到搜索引擎结果。
  • 安全考量：仅访问公开职位信息；不投递职位、不创建账户；遵循 robots.txt；不抓取个人隐私信息（招聘人员姓名、邮箱）；记录所有抓取以供审计。
  • 置信度说明：招聘信息提供的是间接信号，职位中提及的技术未必当前已部署；需区分“Nice to have”与“Required”；应结合直接技术证据进行验证；基础置信度为 60-80%，低于直接信号。