用途
该技能用于从职位发布中提取 B2B 客户线索：企业公开发的招聘描述是成本极低且诚实的信号，公司愿意花钱写出来，通常不会撤回。技能据此构建一份经过过滤和评分的账户清单，而不是依赖 LinkedIn 上只有标题的职位数据。
主要能力
- 双查询设计：查询 A 只看岗位标题（platform、infrastructure、SRE、DevOps），覆盖谁在补缺口；查询 B 用宽泛工程标题加描述全文搜索（legacy、monolith、technical debt、modernization、re-architect），每一行都是公司在描述自己的问题。两者合并后按域名去重。
- 数据源：使用索引 Greenhouse、Ashby、Lever、Workday 等 ATS 平台招聘页的聚合器，需支持描述内全文搜索、公司人数过滤、代理机构排除标志。Apify 上可用 actor 为 fantastic-jobs/career-site-job-listing-api（约每条约 $0.012）。Apify 之外的对等工具有 TheirStack、PredictLeads。
- 避免截断陷阱："全部活跃职位"模式按最新优先并在上限处截断，若请求 300 条只能拿到最近一周，会漏掉已挂 139 天的职位——而这是最强的人力缺口信号。解决办法是收窄查询，直到结果总数低于上限，从而拿到包含陈旧职位的完整活跃积压。
- 显式排除：代理机构标志无法覆盖实际污染源，需按行业（IT 服务与咨询、国防、政府、高等教育、人力派遣、专业服务、非营利）、名称（维护的承包商与控股公司拒绝清单）、职位（含 clearance、TS/SCI、polygraph）、地域（总部在目标市场之外）、成立时间（近 3 年成立的公司无现代化需求）逐项排除。技能中的 scripts/filter_score.py 实现该流程，名单需按细分领域维护。每轮后应复核拒绝清单，避免过度过滤误伤真实产品公司。
- 评分：可累加，满分 135，始终报告分母。基础 40 分（通过全部过滤）；正文引用问题语言 +25；第二个工程职位 +15，第三个及以上 +30；职位开放 60 天以上 +20，30–59 天 +10；人数处于核心区间 +10；产品上市 3 年以上 +10。分档：A ≥ 95，B 75–94，C < 75。空白字段不等于平均水平，缺成立日期的公司会静默失分，需标注哪些行因数据稀薄被压分，避免把数据不足误判为不匹配。
- 原文核验：对 legacy 等词做正则会产生误报（如"building a legendary legacy"或营销前言中的"legacy systems"），约七分之一的引用是噪声。应截取匹配处前后一句、限制在 260 字符内，放入 proof_snippet 列，由人工在进入 enrichment 前逐条目视检查，每条约十秒。
使用方式
准备 Apify MCP（用于从 ATS 招聘网站获取职位，必需）与 Python 3（运行过滤与评分脚本，必需）；BuiltWith / Wappalyzer 的技术栈信号可作为可选的第二轮。设置国家、人数区间、全职、排除代理机构、包含公司详情，执行双查询、合并去重、过滤、评分、核验引用。
输出
CSV，每家公司一行：rank · score · tier · company · domain · headcount · industry · founded · hq · open_roles · days_open · target_role · proof_snippet。同时报告：原始抓取行数、剔除行数及原因、人数中位数、成立年份中位数、带核验引用的数量、总花费。
适用场景与限制
适用于需要基于招聘信号筛选 B2B 目标账户的销售与增长团队。限制包括：依赖 Apify 等第三方数据源与付费额度；过滤名单与关键词具有细分领域特异性，会随时间失效，需持续维护；正则引用需人工复核；缺失字段会压低评分；Agent 具体收费与免费额度暂未提供。