geo-job-hunt
Skill0 starsChanged 28 days agoMITView on GitHub
Jobs near a place: Amap radius + Liepin hiring (fwd/rev/apply).
- Reads credentials
In this repository15 other files it gives its agents.
- ai-native-mihomoSkill
- ai-native-proof-ledgerSkill
- clerk-authSkill
- cloudflare-cost-guardSkill
- design-md-visual-systemSkill
- doubao-ttsSkill
- fleet-orchSkill
- github-telegram-feedback-pipelineSkill
- interactive-projects-streamSkill
- landing-page-replication-v5Skill
- seo-masterSkill
- talkcutSkill
- typesafe-aiSkill
- video-script-conversionSkill
- webgl-threejs-background-animationSkill
The file
Files
地理围栏找工作 v5 (Geo Job Hunt)
v5.1.3:注释纠偏(yaml 示例「均缺」→「已应用」);v5.1.2:实测证据附录;v5.1.1:稳态间隔 2.0s;v5.1.0:死开关移除 + ensure_amap_timeout.py + git 基线。
场景与痛点
旧时代:打开一个封装严重、数据封闭的孤岛招聘平台 → 人工筛选 → 不会用筛选栏就一页页划 → 变成刷短视频。
本 skill:精确坐标 → 圈定半径内公司 → 查在招(正向),或 搜岗位 → 验证公司是否在半径内(反向),一张表交付。支持增量监控、HTML/JSON、Telegram 推送、投递清单、批量投递、限流看门狗。
不需要把简历 PDF 交给 Agent:注册猎聘时填好的账号档案就是投递数据源(见「投递与数据流」)。
前置条件(已配好,别重复配置)
两个 MCP 已配置到 Hermes 的 writing / lyric / trading 三个 profile 的 config.yaml → mcp_servers,以及根配置 ~/.hermes/config.yaml(无名为 default 的 profile 目录)。
| server | transport | 说明 | 建议 |
amap | npx stdio @amap/amap-maps-mcp-server | 地理编码/周边/路径/天气 | 禁止改回 HTTP URL(mcp.amap.com POST-only,SDK GET-SSE → 405/500) |
liepin | HTTP https://open-agent.liepin.com/mcp/user | 搜职位/投递/简历,header x-user-token | tools/list 公开——connect 绿灯≠鉴权成功,必须实调 search-jobs |
密钥(只引用路径,勿回显):AMAP_MAPS_API_KEY、MCP_LIEPIN_API_KEY。脚本自动发现顺序:环境变量 → ~/.hermes/.env → 当前目录 .env → 各 profile .env(字母序,writing 通常最后覆盖;可用 --env 显式指定)。
- 猎聘 token 90 天有效;401 → 猎聘 MCP 授权页重拿(见 References)
- 猎聘限流:官方文档 60 次/分钟(搜索/查看/简历/投递共用);实测更狠,见下「限流与配额」
- 改 config/env 后:
/reload-mcp+/new,或重启 gateway - Node ≥ 22(高德 npx server 要求)
推荐 config 微调(已脚本化)
amap 块补
timeout: 120已幂等脚本化:scripts/ensure_amap_timeout.py(默认 dry-run 打印状态,--yes落盘;已含 timeout 则跳过)。生产 4 处 config.yaml 均已应用(v5 合入时)。
审计记录:详见 ~/notes/geo-job-hunt-v5-draft/config-diff.md(已应用,保留作审计记录)。
amap:
command: npx
args: ["-y", "@amap/amap-maps-mcp-server"]
env:
AMAP_MAPS_API_KEY: ${AMAP_MAPS_API_KEY}
connect_timeout: 90
timeout: 120 # 已应用;新环境用 scripts/ensure_amap_timeout.py 核验
enabled: true
liepin:
url: https://open-agent.liepin.com/mcp/user
headers:
x-user-token: ${MCP_LIEPIN_API_KEY}
timeout: 120
connect_timeout: 60
enabled: true限流与配额(实测 2026-08-01)
| 项 | 数值 | 来源 |
| 官方文档 | 60 次/分钟(搜索/查看/简历更新/投递共用) | liepin.com/mcp/server |
| 实测爆发行为 | ~1.2s 间隔连续调用一段时间后,全部返回「请求过于频繁,请稍后再试」 | 本机实测 |
| 恢复窗口 | 停止调用后 ≥5 分钟未恢复(75s / 5min 均仍限);精确恢复点未测到,疑似小时级 | 本机实测 |
| 高频探测副作用 | 每 4 分钟探测一次会持续触发,疑似自我续杯 → 必须稀疏探测 | 本机实测 |
限流响应特征(须全部识别):
- HTTP 200 + 业务体含「请求过于频繁」(主形态)
- HTTP 429(脚本已识别;是否会出现待观察)
- MCP
error文本含限流词
对策(v4,止损型):
- 基础间隔 ≥2.0s(v5.1.1:实测触发 ~1.2s 持续,1.3s 仅 8% 裕量 → 提至 2.0s,67% 裕量;
--liepin-sleep/--sleep可调,勿低于 1.5);自适应:限流则升高间隔 + 退避重试一次(默认退避 90–120s,因实测 60s 常不够),成功后缓慢回落(×0.97)至地板,不向触发点加速 - 连续限流 ≥2 次 → 停手(exit 3),不要硬冲
scripts/probe_limit.py静默看门狗 + state 文件:仍限流→无 stdout;恢复→打印并附「距上次限流多久」。网络错误默认静默累计,连续失败才警告(避免假阴性「永远当限流」与假阳性「当恢复」两端)- Hermes cron:
liepin-limit-probeevery 6h / no_agent / 实体副本profiles/writing/scripts/probe_limit.py(改真源后必须同步副本) - 收集与投递共用配额:收集完别立刻满速投
实测证据与参数依据(附录 v5.1.2)
参数来源与证据链。诚实标注:原始命令级探测日志未归档(散在 v3/v4 开发会话,仓库内仅有结论);精确恢复窗口与稳态吞吐上限未测到(限流窗口未恢复,无法实验)。
| 参数 | 数值 | 依据(何时测得) | 证据级别 |
| 官方限流 | 60 次/分钟,搜索/查看/简历/投递共用 | liepin.com/mcp/server FAQ(2026-08-01 抓取) | 高 |
| 实测触发点 | ~1.2s 间隔持续调用一段时间后全部限流 | 2026-08-01 实测(v4 开发期) | 中(单次实验,无命令日志) |
| 恢复窗口 | 停止后 75s / 5min 均仍限;疑似小时级 | 同上 + probe_state.json 时间戳链 | 中 |
| 高频探测副作用 | 每 4 分钟探测一次会自我续杯 | 2026-08-01 实测(v4 开发期) | 中 |
| 稳态间隔 2.0s | 触发点 ~1.2s + 67% 裕量 | v5.1.1 决策,由触发点推算,非独立实验 | 中(推算) |
| 退避 90–120s | 60s 常不够 | 2026-08-01 实测 | 中 |
| 探测间隔 6h | 4 分钟续杯 → 稀疏化 | 同上 | 中 |
探测时间戳链(本会话独立复核):probe_state.json — 2026-08-01 19:57:57 limited(v4 合入测试期)→ 20:59:29 探测仍 limited → 21:31:18 探测仍 limited。限流自 19:57 起持续 ≥1.5h,支持「小时级窗口」判断。
猎聘工具清单(14)·实测 tools/list 2026-08-01(本轮复验一致)
| 类别 | 工具 | 用途 |
| 搜索 | search-jobs · user-search-job | 按条件列岗位;翻页用 user-search-job 的 page(从 0);search-jobs schema 未列 page 但代码仍传 page:0 |
| 投递 | user-apply-job | 仅 jobId(number) + jobKind(string,描述为「职位类型」,枚举值未在 schema 公布) |
| 读简历 | my-resume | 读账号内结构化简历 |
| 写档案 | add/modify-work-exp · add/modify-edu-exp · add/modify-project-exp · modify-job-want · add-job-want · modify-self-assess · modify-resume-base-info | 维护账号档案,不是投递附件 |
没有 message / inbox / notification / 投递进度 / 面试邀约类工具。
薪资参数(tools/list inputSchema,证据级别高):
salaryFloor/salaryCap:类型 string(非 number);单位/schema 未写明「元/千元」——未能证实salaryKind:描述为 「月薪」或「年薪」
Agent 会话内工具名形如 mcp_liepin_search_jobs(连字符→下划线)。批量圈人用本目录脚本走 REST/MCP HTTP 直调,避免会话里连打 50 次工具烧上下文。
投递与数据流
用户原问要点:要不要再给 Agent PDF?投递时数据从哪来——猎聘账号还是本地传?
结论
投递走猎聘服务端账号内简历;CLI/Agent/本地 skill 不传 PDF、不传简历字段。
[你的猎聘账号]
注册时填写 + 可选 PDF 解析 → 服务端结构化简历
↑ 可用 my-resume 读 / add|modify-* 改
│
[Agent / CLI] ──x-user-token(JWT,含 userId)──► open-agent.liepin.com
│
└── user-apply-job { jobId: number, jobKind: string }
服务端:用 token 锁定账号 → 取该账号现有简历 → 对准 jobId 投递| 问题 | 答案 |
| 还要给 Agent PDF 吗? | 不必。官网账号已识别并落库即可 |
| 本地 skill 要存基本数据吗? | 不必作投递源;本地只需岗位清单/追踪元数据(jobId/jobKind/状态) |
| 谁传简历? | 没人从客户端传;服务端自取账号档案 |
add/modify-* 干什么? | 事先完善/修正账号档案;官方 FAQ:Agent「只会补充缺失字段、不覆盖已填」 |
| payload 长什么样? | {"jobId": <number>, "jobKind": "<string>"} + header x-user-token |
| apply 成功响应? | OK_UNVERIFIED——无限流/显式失败词,不保证平台已接受(从未实测成功样本) |
鉴权:token 绑定 userId → 所有写操作落在该猎聘账号。限流 60 次/分钟(搜索/查看/简历/投递共用)。
反馈闭环
投递发出后,结果怎么回来?MCP/CLI 能不能读?
官方说法(高证据)
来源:猎聘 MCP 授权页 FAQ(2026-08-01 抓取):
「Agent 投递后,HR 的回复在哪里看?」
HR 回复会通过猎聘 App 消息推送和短信通知触达。
后续版本将支持 Agent 查询投递进展,但即时沟通建议回到猎聘 App 完成。
| 渠道 | 状态 | 证据级别 |
| 猎聘 App 消息推送 | 官方确认 | 高 |
| 短信通知 | 官方确认 | 高 |
| 猎聘 App 内投递/消息记录 | 官方确认 | 高 |
| 邮箱/邮件 | MCP 页/GitHub/tools/list 未出现 | 未能证实 |
| MCP / CLI 读进度 | 当前不能 | 高 |
操作闭环(现在就能用)
| 阶段 | 谁做 | 怎么做 |
| 投递 | Agent/CLI | user-apply-job / liepin-cli job;同时 apply_tracker.py set --status applied |
| 即时反馈 | 人 | 看手机:猎聘 App 消息 + 短信 |
| 定期检查 | 人 + 本地清单 | apply_tracker.py due → 打开 App 核对 → set --checked 或改状态 |
| 建议节奏 | — | 投递后 24h 扫一眼; 第 3 天强制检查(next_check) |
CLI 参数约定(v5 文档化,未改 CLI 契约)
| 参数 | 分隔符 | 脚本 |
--extra-keywords | 逗号 , | geo_job_hunt.py forward |
--job / --resume-keywords | 竖线 |(正则或关键词列表) | geo_job_hunt.py |
| 猎聘间隔/退避 | --liepin-sleep / --liepin-backoff | geo_job_hunt.py |
| 同上 | --sleep / --backoff | apply_batch.py(默认 backoff 120s,高于 hunt 的 90s) |
决定:v5 不统一命名(避免破坏脚本契约),仅在文档标明差异及默认值。
工作流
A. 正向 forward(公司 → 岗位)——默认
- 坐标:
--location lon,lat或--address→ REST geocode。GCJ-02;距离 haversine。 - 圈公司:REST
place/around,types=170000与050000分别翻页 + 点名关键词补搜。先滤噪音再截断--max-companies。 - 查在招:每家
search-jobs(companyName变体);address=城市级;本地正则--job。
B. 反向 reverse(岗位 → 公司位置验证)
猎聘翻页 → 公司 geocode → haversine 过滤。--keep-outside 可保留半径外并标注。
C. 增量监控
python3 scripts/geo_job_hunt.py forward \
--address "你的圆心地址" --radius 3000 --city 杭州 \
--job "实习|产品|AI|Agent" --max-companies 30 \
--state-file state.json \
--diff-only --format md --out diff.md \
--telegramgone 语义:state diff 中「消失」= 上次快照有、本次无的 job_uid(岗位下架或本次未搜到/限流中断导致漏采),不等于公司从地图消失。
D. cron 脚本同步(Hermes 拒绝 symlink)
真源:~/.agents/skills/geo-job-hunt/scripts/
cron 实体副本:~/.hermes/profiles/writing/scripts/{probe_limit,liepin_common}.py
推荐协议(v5) — 合入真源后执行:
SRC=~/.agents/skills/geo-job-hunt/scripts
DST=~/.hermes/profiles/writing/scripts
cp "$SRC/probe_limit.py" "$SRC/liepin_common.py" "$DST/"
md5sum "$SRC/probe_limit.py" "$DST/probe_limit.py" # 应一致可选增强(未实现):wrapper exec 真源(若 Hermes 日后允许)或 pre-cron 哈希校验脚本。不推荐仅靠记忆手动 cp 而不校验。
Hermes 限流探测(已配 writing profile,every 6h,no_agent,id bdda26d1deee):
cp ~/.agents/skills/geo-job-hunt/scripts/probe_limit.py \
~/.agents/skills/geo-job-hunt/scripts/liepin_common.py \
~/.hermes/profiles/writing/scripts/E. 投递辅助
python3 scripts/geo_job_hunt.py forward ... --format json --out /tmp/hunt.json
python3 scripts/apply_tracker.py import-json --input /tmp/hunt.json
python3 scripts/apply_batch.py --hunt /tmp/hunt.json --max 20 --dry-run # 先试
python3 scripts/apply_batch.py --hunt /tmp/hunt.json --max 20 --tracker-file apply-list.json
python3 scripts/apply_tracker.py due脚本
路径(真源):~/.agents/skills/geo-job-hunt/scripts/
| 脚本 | 作用 |
liepin_common.py | env 发现、SSE/HTTP、限流识别、自适应 LiepinClient |
geo_job_hunt.py | forward/reverse/增量/多格式 |
apply_batch.py | hunt JSON → user-apply-job;成功=OK_UNVERIFIED |
apply_tracker.py | 投递清单 + applied_at/next_check/due |
probe_limit.py | 静默看门狗 + state 诊断 |
ensure_amap_timeout.py | 幂等补齐 4 处 config.yaml 的 amap.timeout:120(dry-run 默认) |
依赖:仅 stdlib。密钥不写输出。401 → exit 2;连续限流 → exit 3。
坑(踩过的)
- 高德 HTTP MCP 端点只支持 POST 流 → 必须用 npx stdio
hermes mcp add --args会吞后续选项 → args 放最后,或手改 config- 猎聘
address是城市级,不是半径 - 限流响应 HTTP 200 里藏「请求过于频繁」
- 限流窗口疑似小时级,高频探测会自我续杯——用 6h 稀疏探测
- apply 与 search 共用配额——收集完别立刻满速投,间隔 ≥2.0s(实测触发 ~1.2s 持续,1.3s 裕量不足)
.env路径必须expanduser- apply 成功响应形态待实测
- Hermes cron 拒绝 symlink → 必须实体副本 + 手动同步
- v4 曾写「default profile」——不存在;实为 writing/lyric/trading + 根
~/.hermes/config.yaml salaryFloor/salaryCapschema 为 string,CLI 传 int 时 v5 脚本已str()转换
真源版本管理(已执行 v5.1.0)
~/.agents/skills/geo-job-hunt/ 已 git init -b main(v5.1.0),.gitignore 排除 logs/、__pycache__/、*.pyc、*.log。合入草稿→真源后及时 git add -A && git commit;任何合入可回滚。
v3 历史草稿
~/notes/geo-job-hunt-v3/ 可保留作 diff 参考;不要再引用其 scripts 路径作合入来源。验收 v5 后可归档或删除 notes 侧 v3。
参考资料 (References)
按依赖域分组;用途列 = 什么时候查它(排障路径:先查对应分组,再看本机 README/native-mcp)。 证据级别:高 = HTTP 可达且用途已核对;中 = 可达但受限/推断;未能证实 = 未验证。URL 验证日期:2026-08-01(v5.0.1 补高德 MCP 文档层)。
猎聘 (Liepin)——授权 / 能力 / 排障
| 链接 | 用途(何时查) | 证据 |
| https://www.liepin.com/mcp/auth#config | 生成/续期 token(90 天);401 时来这重拿;CLI 配置入口(#config 锚点) | 高 |
| https://www.liepin.com/mcp/auth | 同上(无锚点);与 /mcp/server 同 SPA 不同路由(标题「授权配置 — 猎聘 CLI」) | 中(页面关系) |
| https://www.liepin.com/mcp/server | 官方 FAQ:能力边界、限流 60/min、token 90 天、反馈闭环口径(HR 回复走 App/短信) | 高 |
| https://open-agent.liepin.com/mcp/user | MCP JSON-RPC 端点;连不上/疑似断网时先验证它:tools/list 公开 POST(无需 key) | 高 |
| https://github.com/liepin-tech-2026/liepin-job-mcp | 官方仓库 README;能力声明与限流说明的交叉验证源 | 高 |
高德 (Amap)——MCP 服务(本 skill 的 npx stdio 层)
| 链接 | 用途(何时查) | 证据 |
| https://developer.amap.com/api/mcp-server/gettingstarted | 快速接入:启动方式、工具清单、MCP 配置示例 | 高 |
| https://lbs.amap.com/api/mcp-server/create-project-and-key | 创建应用与 Key 的权威流程(首次配置 AMAP_MAPS_API_KEY / key 失效时) | 高 |
| https://lbs.amap.com/api/mcp-server/summary | 服务概述:能力范围与限制 | 高 |
高德 (Amap)——Web 服务 REST(脚本直连层)
| 链接 | 用途(何时查) | 证据 |
| https://lbs.amap.com/api/webservice/guide/api/search | place/around 周边搜:参数(types/offset/page)、返回结构(pois[].location) | 高 |
| https://lbs.amap.com/api/webservice/guide/api/georegeo | 地理/逆地理编码:geocodes[0].location 返回结构 | 高 |
| https://registry.npmjs.org/@amap/amap-maps-mcp-server | npm 包元数据(最新 0.0.8,2026-08-01 查);npmjs.com 页面 curl 403,用 registry API | 中 |
本机 / Hermes
| 链接 | 用途(何时查) | 证据 |
native-mcp skill | Hermes MCP 规范:config.yaml → mcp_servers 写法、reload 流程 | 本地 |
同目录 README.md | 另一台机器完整安装步骤(依赖/密钥/MCP/cron) | 本地 |
范围说明:References 覆盖「外部权威源 + 本机兜底」两层,对应 skill 三大运行时依赖(猎聘授权与端点、高德 MCP 层、高德 REST 层);每条按「什么时候查」标注,遇问题先按分组定位,不必通读。对用户问题的回答:skill 应有独立 References 小节——是,v5 已落实,v5.0.1 强化为分组结构。
背景资产
- 可选:本地公司清单作为
--extra-keywords - MCP 规范:
native-mcpskill - 另一台机器安装:见同目录
README.md - v5 审计报告:
~/notes/geo-job-hunt-v5-draft/AUDIT.md
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

