用途：把招聘岗位当作 B2B 最廉价且真实的信号，通过 ATS 聚合平台而非 LinkedIn 找目标公司，因为岗位描述正文里公司会自述自身问题。
抓取方式：使用索引各 ATS（Greenhouse、Ashby、Lever、Workday 等）招聘站点的聚合器，需支持描述全文搜索、公司人数过滤、代理机构排除标记。Apify 上可用 actor 为 fantastic-jobs/career-site-job-listing-api（约 $0.012/岗位）；非 Apify 的同类有 TheirStack、PredictLeads。
查询设计：跑两条查询再合并、按域名去重。查询 A 仅搜岗位标题（platform、infrastructure、SRE、DevOps），广撒网；查询 B 用宽泛工程标题加 descriptionSearch（legacy、monolith、technical debt、modernization、re-architect），更窄且每行都是公司在自述问题，价值更高。始终设置：国家、人数区间、全职、排除代理机构、包含公司详情。
关键陷阱：选择“全部活跃岗位”模式会按最新排序并在上限处截断，导致看不到挂 139 天的最强产能信号。解决办法是收窄查询，使总结果数低于上限，这样含陈旧岗位的完整活跃积压都会返回。
过滤：代理标记抓不住真正的噪声，需显式排除——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）、按名称（维护承包商与控股公司拒止名单）、按标题（含 clearance、TS/SCI、polygraph）、按地域（总部在目标市场外）、按成立年限（近 3 年成立者无现代化需求）。scripts/filter_score.py 实现该步，名单需按细分领域编辑。每次运行后复核名单，避免过度过滤；对丢弃行做一次 diff。
评分：累加制，满分 135，须报告分母。40 基础分（通过全部过滤）+25 岗位正文引用问题语言 +15 第二个工程岗（第三个及以上 +30）+20 挂 60 天以上（30–59 天 +10）+10 人数在核心区间 +10 产品上市 3 年以上。档位：A ≥ 95，B 75–94，C < 75。空白字段不等于平均分，需注明被压分的行，避免数据稀薄被误判为不匹配。
引用核验：legacy 正则会有误报（如“building a legendary legacy”），约七分之一为噪声。取匹配处一句、限 260 字符放入 proof_snippet 列，交由人工过目后再进入 enrichment。
输出：CSV 每公司一行，列含 rank、score、tier、company、domain、headcount、industry、founded、hq、open_roles、days_open、target_role、proof_snippet；同时报告拉取原始行数、丢弃行及原因、人数中位数、成立年份中位数、带已验证引用的数量、总花费。
依赖：Apify MCP（必需，用于抓取）、Python 3（必需，过滤与评分脚本）；BuiltWith/Wappalyzer（可选，技术栈信号第二遍）。其余细节资料暂未提供。