猎聘超级搜索 Skill

概述

在猎聘（h.liepin.com）上搜索并深度筛选候选人。唯一交付模式：深度审查模式（scripts/liepin_deep_review.py）——逐个打开候选人简历详情页，提取完整简历，按 JD 维度深度评分，输出带证据的判定结论。

scripts/liepin_search.py 仅作为内部搜索库被复用（提供 search_keyword/connect），不单独作为交付模式。

前置条件

• 浏览器已通过 browser-harness 连接到用户 Chrome（已登录猎聘）
• data-tlg-scm 属性包含 cid= 参数（简历ID）
• 简历直达链接格式：https://h.liepin.com/resume/showresumedetail/?res_id_encode={cid}

硬规则（Glen固定偏好）

• 直达链接必须在聊天窗口表格中展示：每个候选人的简历链接必须以 [👉打开](url) 形式直接嵌入在每一行的最后一列。不允许仅保存到文件而不在聊天窗口展示链接。链接必须可点击（markdown格式）。
• 硬性条件可叠加：--max-age（年龄）、--city（城市）、--gender（性别）——不满足条件的候选人自动标记排除，不出现在推荐名单
• JD硬性要求必须从JD自动解析：学历下限/统招/工作年限/必备方向/落地项目数——用 parse_jd.py 从JD文档自动提取，禁止人工拍脑袋定
• 默认深度审查：候选人必须逐个打开简历详情页判断，不能只看搜索卡片文本
• 总结完自动发消息（2026-08-16 固化）：深度审查+人工研判产出合适候选人名单后，自动向名单中的候选人发送猎聘站内建联消息（无需等 Glen 逐条确认话术，按下文话术规范自动生成）。除非 Glen 明确说"先别发"，否则每次搜索交付都自动带发。
• 发消息不抢焦点 + 发完即关：发消息用后台标签页（Target.createTarget(background=True)），禁止弹前台/抢焦点；每发完一人立即 Target.closeTarget 关闭标签，不允许堆积标签页。

提速机制（2026-08-16 改造，v2）

三处提速，不依赖外部服务、不增加登录风险：

1. DOM就绪检测替代固定sleep（搜索+审查）：搜索时等搜索框/结果卡片出现即继续，审查时等"工作经历/求职意向"区块渲染即提取——不再死等。实测：搜索每词 12-15s → 5.5s；深度审查每人 6-10s → 3.6s。
2. 翻页拿更多候选人：新增 --pages N，每关键词翻 N 页（每页约20人）。实测 pages=2 拿 40 人仅 6.4s。
3. 卡片粗筛（默认开启）：开详情页前先用搜索卡片文本（姓名/年龄/学历/年限/城市）保守筛掉明确不符者（超龄/年限不足/学历不足），信息不足一律保留不误杀。可用 --no-card-filter 关闭。实测50人场景可省约1/3详情页打开。

注：猎头端 h.liepin.com 是 SPA+hash 路由，不支持求职端那种 URL 参数直连（实测 keyword 参数不生效），搜索交互流程必须保留。

标准流程（每次搜索必须走完）

1. 读JD → 2. parse_jd.py 自动解析硬性要求 → 3. 前置大搜索（关键词×多组）
→ 4. 前100人深度审查（逐个打开简历） → 5. 硬性过滤+JD评分+人工研判
→ 6. 输出全量通过者（按合适度排序，附直达链接）+ 自动向合适候选人发建联消息

⭐ 一键入口（用户发JD时的默认用法）

用户提供JD文件后，执行一条命令即可全流程自动完成：

python <skill_dir>/scripts/run_jd_search.py "<JD文件路径>" [--limit 30] [--max-age 35] [--city 上海] [--gender 男]

内部自动完成：parse_jd解析 → 生成关键词 → 猎聘前置筛选 → 搜索 → 深度审查 → 报告+直达链接。

• --limit 默认20（分批跑），要全量用 --limit 100
• 年龄/城市/性别等不传时默认从JD解析（年龄默认≤40）
• 人数不足或中断后用 --resume 续跑

注意：一键脚本通过 subprocess 调用，必须在 browser-harness 管道环境 下运行 （browser-harness <<'PYEOF' ... PYEOF），或确保 daemon 已连接 Chrome。

Step 0: 读取JD并自动解析硬性要求（新增）

python <skill_dir>/scripts/parse_jd.py "<JD文件路径>" -o <jd.json>

自动提取（输出JSON的 hard 字段）：

• min_edu：学历下限（本科/硕士/博士）
• tongzhao：是否要求统招/全日制
• min_years：工作年限下限
• core_skills_any：必备方向词（至少命中其一）
• landing_min：落地/量产证据最低命中数
• 同时生成 core/skills/industry/landing/cities 评分配置

人工复核：解析结果必须人工核对，确认与JD原文一致（正则可能漏网/误判）。

前置筛选（猎聘页面源头过滤，Glen硬性要求）

搜索前必须在猎聘"找简历"页设置筛选，避免无效候选人混入：

--pre-max-age 35     # 年龄上限（input.age-input）
--pre-min-years 8    # 工作年限下限（label.tag-item 点选档位）
--pre-min-edu 本科    # 学历下限（label.tag-item）
--pre-city 上海       # 期望城市（label.tag-item）
--pre-gender 男       # 性别（.sexSelectStyle 下拉）

猎聘筛选控件结构见 references/data-tlg-scm.md 附注。

后台标签页（不打断用户）

简历深度审查用 单个复用后台标签页（Target.createTarget(background=True) + 全局 _bg_tab()）， 不在用户浏览器前台弹新标签。禁止每份简历 createTarget 新开前台标签。

Step 1-4: 深度审查

python <skill_dir>/scripts/liepin_deep_review.py \
  --keywords "关键词1,关键词2,关键词3,关键词4,关键词5,关键词6" \
  --jd-json <jd.json> \
  --max-age 35 --city 上海 --gender 男 \
  --pre-max-age 35 --pre-min-years 8 --pre-min-edu 本科 --pre-city 上海 --pre-gender 男 \
  --pages 2 --limit 30 --resume \
  --output <前缀>

• --limit 30 分批跑，每批完成后用 --resume 续跑（断点不丢）
• --pages N 每关键词翻 N 页（每页约20人），想覆盖全量用 --pages 5
• --no-card-filter 关闭卡片粗筛（默认开启）
• 大数据量（100人）分 3-4 批执行
• 支持入口：--keywords / --cids / --cids-file / --from-json

1. 打开简历页：显式 CDP 控制（后台标签页复用），不依赖隐式"当前tab"状态（旧实现会因 switch_tab 干扰而失败）
2. 展开折叠：循环点击 .rd-info-other-link（"显示其他N段项目经历"）
3. 有效性判定：len(text) > 800 且含"工作经历/求职意向"区块（短简历也接受，避免误杀）
4. 解析：基本信息（姓名/年龄/学历/城市/年限/当前职位公司）、求职意向（职位/薪资/城市/行业）、工作经历/项目/教育/自我评价切块
5. 评分：核心方向词（电主轴/末端执行器/灵巧手/打磨/力控等，每词最多累计2次）+ 技能词（"学习中"扣半）+ 行业词 + 落地证据 + 年限 + 学历（统招/机械专业/硕博）+ 长三角 + 可谈性；反向信号（维修向/非统招/学习中/教师）扣分；总分归一化 0-100
6. 节奏控制：每人间隔 1-2s，每 8 人暂停 6s，防风控

已知限制与应对

Step 6: 自动发建联消息（2026-08-16 新增，Glen要求固化）

深度审查 + 人工研判产出合适名单后，自动向名单候选人发猎聘站内消息（不再等逐条确认）。

用法

python <skill_dir>/scripts/send_chat.py <cid> "<消息内容>" [--dry] [--shot]

• 必选：cid（简历ID）+ 消息内容
• --dry：只跑到"消息已输入输入框"，不点发送（流程验证用）
• --shot：发完截图存 <工作目录>/sent_<cid>.png（默认不截）

话术规范（Glen 2026-08-16 指示）

• 禁止出现"我是 Sherry，TTC 猎头"等身份介绍——Glen 明确删掉，直入主题
• 格式：<称呼>您好，<北京一家 AI 公司在找 XX>，<点出该候选人最硬的一个亮点>。方便聊聊吗/了解一下吗？
• 每条 40-60 字，点出对方简历最亮眼的具体战绩（如"RT6无人车招聘完成率100%""石头科技1000→3800人扩张期操盘"），拒绝空话套话
• 落款：不加个人署名（Glen 要求）

流程（脚本内置，全程后台标签）

1. Target.createTarget(background=True) 后台开简历页（禁止弹前台/抢焦点）
2. 点「立即沟通」/「继续沟通」（旧版按钮文案，自动兼容两种）
3. 弹窗模式 → 点「不选择职位开聊」；无弹窗 → 直接进入聊天抽屉（自动识别）
4. textarea.ant-im-input 写入消息 → 点「发送」
5. 发完立即 Target.closeTarget 关闭标签（finally 块，出错也关，不堆积标签）

批量发送

• 名单确认后逐条调用，每人间隔 ≥6 秒，防风控
• 完成后在聊天窗口报告：每人 SENT/失败原因
• 提醒 Glen 到猎聘「我的消息」看回复，优先跟进高意向+已读未回者

注意事项

• 猎聘风控是真实风险：批量搜索+审查+实发叠加极易触发风控。发消息批次要小、间隔要长；触发风控立即停止等冷却
• 若浏览器 CDP 连接中断（"no close frame received"），唤醒连接后补发未成功者
• 脚本已复制至 skill 目录：scripts/send_chat.py（2026-08-16 加入自动关标签逻辑）

交付规范

1. 聊天窗口表格必须包含直达链接（[👉打开](url) 为最后一列）
2. 深度模式报告需包含：对比说明（快速 vs 深度）、最终排名表、逐人研判（匹配证据/疑虑/建议）、行动建议
3. 完整简历文本存 JSON 供建联邮件个性化使用
4. 用 present_files 展示报告

Credits / 作者

Glen Wei（韦其像） 创建并维护

• Email: glen.keeming@gmail.com
• 所属合集: headhunter-skills

觉得好用？欢迎去 GitHub 上 ⭐ Star headhunter-skills 支持持续维护。转载或修改本 Skill 时，请保留作者信息。