Send Headhunting Email (猎头建联邮件)

概述

核心原则：用户给什么，自动处理什么，无需用户指挥步骤。

用户只需扔过来材料，自动完成：搜候选人→找邮箱→读/编JD→生成邮件→发送。全程自动。

仅当搜索结果不唯一时停下来让用户确认。

本 Skill 只包含通用操作逻辑，不含任何个人信息。发件邮箱、顾问称呼、微信、签名均由使用者通过 gmail_config.json 自行配置（见「前置条件」）。

使用时机

任何时候用户给出以下任一材料，立即触发此技能，无需等待明确指令：

• 文章标题（含期刊名） → 联网搜索一作/通讯作者及邮箱
• JD 文件（如 .docx）→ 读取并提取 JD 核心内容
• GitHub 主页链接（如 github.com/xxx）→ 爬取分析研究方向，从 profile 提取邮箱
• 姓名+学校/公司（如 "张三 北京大学"）→ 联网搜索识别候选人，找邮箱
• 邮箱地址 → 直接使用
• 以上任意组合 → 合并处理

前置条件

1. 配置文件 ~/.workbuddy/gmail_config.json，字段如下：

   {
     "email": "your@gmail.com",
     "password": "Gmail 应用专用密码",
     "recruiter_name": "你的顾问称呼（如：某某公司的顾问张三）",
     "wechat": "你的微信号",
     "signature": "你的邮件签名（姓名/职位/公司/联系方式）"
   }

   email / password 必填；recruiter_name / wechat / signature 可选（缺省用中性占位）。
2. pysocks 已安装（走代理时使用）

JD 策略

有 JD 文件 → 读文件

使用 scripts/read_jd.py 提取核心内容，精简为 3-5 行关键信息嵌入邮件。

无 JD 文件 → 根据文章内容自编

从文章中提取关键词和方向，自动生成匹配的 JD。

关键原则：职位统一用「专家/研究员」，不写具体级别。 避免咖位高的候选人觉得被低估。例如：

• 不写「助理研究员」「高级工程师」「研究科学家」
• 统一用「AI Agent 专家/研究员」「具身智能 专家/研究员」等

方向映射参考（仅作方向参考，不列在 JD 中作为职位名）：

JD 内容需根据候选人具体研究方向和文章贡献定制，让候选人觉得这个 JD 是专门为他量身定做的，而非模板套话。使用具体的术语（如：ReAct、PINN、SOH estimation 等）。

邮件模板（占位符由配置填充）

{称呼}您好：

我是{recruiter_name}，看到您在{方向}方向的研究与实践，近期我这边正好有一个非常匹配您方向的岗位机会，想跟您聊聊看。

目前手头{公司类型}正在组建{团队方向}核心团队，具体JD如下：

【{职位方向} 专家/研究员】
方向：{方向关键词}
职责：{职责简述}
要求：{要求简述}
地点：{地点}
形式：{形式}

此外，我这边也在持续关注本领域的前沿方向，无论您是看机会还是单纯想拓宽视野，都非常乐意多交流。

我能提供的：行业机会推荐、职业发展建议、行业趋势洞察、人脉资源链接

方便的话可以加个微信交流，我的微信：{wechat}

————————————————
{signature}

关键表述： "我这边也在持续关注本领域的前沿方向"——自然亲和，不高调。

完整工作流程（全自动）

Step 1: 解析输入 → 搜作者/爬GitHub → 找邮箱

当用户给出文章标题时：

1. WebSearch 搜索文章标题，找到完整作者列表
2. 同时找第一作者和第二作者（co-first authors 则全部涉及，按论文标注的 * 号等标识判断）
3. 分别为每位目标作者搜索个人主页/机构页面获取邮箱
4. 提取各自背景信息（学校、职称、研究方向等）
5. 分别发送邮件——每人一封独立邮件，JD 根据各自研究方向做微调

当用户给出 GitHub 主页链接 时：

1. WebFetch 爬取主页，读取 bio、pinned repos、个人简介
2. 从 profile 中提取邮箱（通常在 README 或 bio 中）
3. 根据 pinned repos 和 bio 总结其技术方向和专长
4. 如邮箱不可见，可到个人网站（GitHub bio 中通常有链接）中继续查找

当用户给出 姓名+学校/公司 时：

1. WebSearch 搜索该姓名+机构，找到候选人的个人主页/学术页面
2. 从页面中提取邮箱
3. 如果找到多个邮箱或候选人不唯一（如同名不同人）→ 暂停，列出选项让用户选择
4. 提取背景信息（职位、研究方向等）
5. 根据研究方向草拟匹配的 JD

称呼规则：

• 优先使用候选人自己写的名字——GitHub/个人主页/LinkedIn上用什么就用什么
• 除非十分确定中文姓名且无歧义（如论文作者列表明确显示中文名且唯一），才用中文称呼
• 不确定时宁可保留英文名，避免翻译错误造成尴尬
• 邮箱为 .cn/.edu.cn 且有名有姓 → 可酌情用中文名
• 教授/博导 → "X老师" 或 英文章称
• 研究员/博士 → "X博士" 或 英文章称

Step 2: 准备 JD

• 有 JD 文件 → scripts/read_jd.py 提取，JD 中的具体级别统一改为「专家/研究员」
• 无 JD 文件 → 从文章内容自编（见上方 JD 策略表），确保量身定制感

Step 3: 生成并发送邮件

• 主题：{方向}方向职位机会｜交个朋友
• 正文：模板 + 定制内容
• 发送：scripts/send_email.py
• Gmail SMTP（587, STARTTLS, 支持 HTTP 代理）

Step 4: 报告结果

邮件发出后，简要告知（如发多人则列出全部）：

• ✅ 每位收件人邮箱及称呼
• ✅ 各自的背景简介
• ✅ 邮件主题
• ✅ JD 摘要

默认不发问、不确认、不等待——材料到位直接发。 例外： 姓名+学校/公司搜索时，如果找到多个候选人/邮箱不唯一，暂停让用户确认再发送。

候选人回复邮件处理（背景调查 + CV 总结）

触发场景：

• 邮箱每日检查中发现候选人 ⭐ 人工回复建联邮件
• 用户询问"这个人背景怎么样 / 多大年龄 / 简单 CV 总结"

流程（全自动，产出结构化总结）：

1. 解析回复邮件线索

• 从发件人姓名 + 邮箱后缀提取信息：
  • 学校域名（mails.tsinghua.edu.cn / *.edu.cn / .ac.cn 等）→ 就读学校
  • 邮箱前缀命名规律：姓名缩写-入学年份（如 cao-ys23 → 曹玉社 + 2023 级）→ 入学年级，用于年龄推算
• 记录回复正文中的联系方式（微信/电话），标注为跟进重点

2. 联网背景调查（多源交叉）

按顺序查：

1. WebSearch 中文名+学校 → 找个人主页/院系页面
2. ORCID（搜索 "姓名拼音" ORCID 或 site:orcid.org 姓名拼音）→ 学历、机构、验证邮箱域、works 列表
3. dblp（site:dblp.org 姓名拼音）→ 完整论文记录（会议/年份/作者顺序/合作者）
4. Google Scholar（搜索 姓名拼音 Google Scholar）→ 引用量、H-index
5. 必要时 arXiv / 个人主页 / GitHub

3. 信息提取要点

• 身份：在读状态（本科/硕士/博士/博后）、院系、学校
• 导师/合作体系：看论文高频合作者（如院士/教授团队 → 学术资源强）
• 研究方向：按论文主题归纳（如扩散模型/多模态融合/人脸生成等）
• 产出亮点：顶会一作（AAAI/CVPR/ICCV/ECAI/NeurIPS 等）+ 年份
• 引用量：注意区分 Google Scholar 总引用是否混入同名论文

4. 年龄推断规则（估算，注明依据）

• 邮箱/学号后缀含入学年份（如 -23 = 2023 级）→ 以此为基准
• 基准：本科毕业约 22-23 岁；直博入学约 22-23 岁；硕士毕业约 24-25 岁
• 博士在读：入学年 + 22~24 岁区间推算当前年龄，标注「约 XX-XX 岁（估算）」
• 宁可给区间 + 依据，不写死精确年龄

5. 排除同名干扰（judgment point）

• 搜索到明显矛盾信息（如某同名者在读博前多年前已发论文/是资深工程师）→ 标注「疑为重名，已排除」，不并入主 CV
• 若无法确定是否同一人 → 明确标注，让用户决策

6. 输出格式（结构化表格）

📋 候选人背景速览 — {姓名}（{学校/机构}）
| 项目 | 详情 |
| 身份 | 院系 + 在读状态 |
| 年龄 | 约 XX-XX 岁（估算，依据：XX级入学） |
| 方向 | 研究方向关键词 |
| 亮点 | 顶会一作/代表作 |
| 引用 | XX 次（Scholar） |
| 联系方式 | 回复中留的微信/电话 ⭐ |
+ 匹配度点评（对照手头 JD 方向）
+ 跟进建议（如：建议尽快加微信）

脚本

scripts/send_email.py

from send_email import send_email
send_email(to_addr, subject, body)

scripts/read_jd.py

python scripts/read_jd.py <filepath>

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。