Jobwatch

SKILL.md

---
name: jobwatch
description: "Autonomous job-market watcher: monitors target companies' career pages on a cron schedule, judges every posting against the user's personal profile with LLM-grade reasoning (visa, seniority, red lines), pushes Kill-Shot matches instantly, batches the rest into a daily digest, and archives everything into a knowledge base. Also tracks application status (applied/interview/offer) and answers queries like 'top jobs this week'. Use when: (1) user wants automated job hunting or job alerts, (2) user asks to monitor a company's careers page, (3) user says they applied to a job / got an interview (track it), (4) user asks about recent matched jobs or application stats, (5) a cron wake-up message references the jobwatch work cycle. Triggers: 'job search', 'job alert', 'monitor careers', 'find jobs for me', '求职监控', '盯岗位', '我投了', 'top jobs'."
---

# JobWatch — 求职监控 Agent 引擎

一条可 cron 运行的「岗位抓取 → 画像比对 → 分级行动」流水线，加上投递跟踪与查询。
**零必配依赖**：判级由你（agent）完成——用的就是主人给你配的模型；通知发到你们对话的
渠道；知识库默认本地文件。Firecrawl / Telegram 直连 / 2brain 均为可选增强。

```
① 感知  Greenhouse/Ashby/Lever 官方 API + Google Careers/RSS（Firecrawl 渲染 SPA）
② 推理  去重 + 硬过滤 + 岗位年龄计算（脚本）→ 你 × 主人画像判级 P1/P2/P3
③ 行动  知识库入库 · P1 即时提醒 · P2 每日摘要 · 投递跟进提醒
```

**数据目录（HOME）**：`<workspace>/jobwatch/`（config.json、profile/、state/、queue/、
runs/、kb_local/）。skill 目录本身保持只读。以下所有命令都从 HOME 目录运行：
`cd <workspace>/jobwatch && python3 <skill目录>/scripts/xxx.py`（首次运行任何脚本会
自动创建 HOME 并落地默认 config.json）。

## First-Run Onboarding（首次使用：面试主人，10 分钟）

一次只问一组，别倒问卷：

1. **目标域**：盯哪些公司？什么方向的岗位？
2. **背景**：几句话介绍（年限/领域/核心技术栈/差异化优势），或直接读主人丢来的简历。
3. **红线**：绝对不看什么岗位？需要 visa sponsorship 吗？地域/远程硬性要求？
4. **级别意向**（必须单独问）：目标级别？IC 还是管理线？现任职级和求职意向经常不一致。
5. **配置选择（必须问，但给快捷选项）**：明确列出三项让主人选，同时告知
   「回复"全部默认"即可跳过」：
   - 通知：默认发到当前对话渠道；要独立低延迟推送可选 Telegram 直连
   - 知识库：默认本地文件（kb_local/）；有 2brain 账号可选 2brain（问答+图谱）
   - JD 抓取：有 Firecrawl 或 Jina key 更干净（Google Careers 信源基本必需），
     没有则用免 key 降级通道
   主人选了非默认项 → 写 config.json 对应字段，并告诉 TA 在 HOME/.env 里要填哪几行
   （参考 skill 目录 env.example），等 TA 填完再继续。

然后动手（主人不写任何文件）：

1. 把 skill 目录的 `profile.template.md` 复制为 `HOME/profile/JOB_PROFILE.md`，按面试
   答案填全五节，复述要点让主人确认。**这个文件是判级质量的全部来源，写具体。**
2. 每家公司跑 `python3 scripts/discover_board.py "<公司名>" [slug猜测]`，把命中的信源
   写进 `HOME/config.json` 的 `sources`。探测不到的用 `gcareers`（Google 系）或 RSS。
3. 按画像生成 `config.json` 的 `prefilter.title_keywords`（20-30 个小写子串，宁宽勿窄）
   和 `exclude_keywords`。
4. **校准（不可跳过）**：跑一轮 `python3 scripts/pipeline.py`，按下方 Work Cycle 完成
   判级，挑 5 个代表性结果（P1/P2/P3 各有）问主人：这些判对了吗？按反馈修画像重验。
5. **演示推送（必做）**：校准通过后，把本轮判级最高的一个岗位按 P1 消息格式
   （notify_telegram.render_p1_plain 的样式）完整发给主人，开头注明
   「📬 示例：以后 P1 岗位的实时提醒长这样」——让主人上岗前就见过推送的样子。
6. 征得主人同意后注册定时任务：`python3 scripts/setup_cron.py --agent <你的agentId>`，
   提醒主人跑 `openclaw gateway restart`。告诉主人上岗后会发生什么：P1 实时到这个
   对话、每日 9:00 摘要、投递说一声我就记账。

## Work Cycle（cron 唤醒时执行）

1. `python3 scripts/pipeline.py`，读 stdout 的 JSON 摘要。
2. 若 `pending_judgment > 0`：读 `HOME/queue/pending_judgment.jsonl`（每行
   `{item, jd_text, jd_tool}`，item 含 `posted_at`），逐条对照
   `HOME/profile/JOB_PROFILE.md` 判级，追加写 `HOME/queue/judgments.jsonl`，
   每行严格单行 JSON（无围栏无多余文字）：
   `{"doc_id":"...","match":"kill_shot|comfort_zone|wrong_scene",
     "visa_risk":"low|medium|high|unknown","summary_zh":"≤150字：岗位/要求/匹配点差距",
     "tags":["#3-5个"],"reasons":"1-2句依据"}`
   判级准则：kill_shot=核心能力高度重合+符合级别意向+零红线；comfort_zone=相关但一般，
   或高匹配但红线存疑；wrong_scene=触红线或错位。**挂出超 90 天的岗位视为疑似 ghost
   job，除非匹配极强否则封顶 comfort_zone 并在 reasons 注明。**判不了的跳过（下轮重现），
   不要编造。写完跑 `python3 scripts/apply_judgments.py`（校验/入库/通知入队/标已见）。
3. `python3 scripts/outbox.py list` → 有待发消息就把每条 `text` 通过你和主人的对话渠道
   原样发出，然后 `python3 scripts/outbox.py archive`。
4. 摘要 `errors` 非空：偶发静默；连续 3 次同类失败才向主人发简短告警（环节/诊断/建议）。
5. 一切正常且无待发消息 → 静默结束，不输出任何内容。

digest 唤醒（jobwatch-digest）：跑 `python3 scripts/daily_digest.py` 再执行第 3 步。

## Application Tracking（主人提到投递进展时）

- 「我投了 X」→ `python3 scripts/tracker.py find "<关键词>"` 拿 doc_id →
  `python3 scripts/tracker.py set <doc_id> applied [备注]`
- 「X 约面试了 / 拒了 / 拿 offer 了」→ status 用 interview / rejected / offer
- 状态一览 `tracker.py list [status]`；统计 `tracker.py stats`；
  投递 7 天无更新的会自动出现在每日摘要的跟进提醒里。

## Queries(主人问起时)

- 「本周有什么好岗位」→ `python3 scripts/query.py top 7`（P1/P2 列表），
  想看细节读 `HOME/kb_local/` 里对应文档。
- 「监控跑得怎么样」→ `python3 scripts/query.py stats 7` + 看 `HOME/runs/` 最新日志。
- 深度问题（对比两家公司的要求、某方向技能趋势）→ 检索 `HOME/kb_local/` 的 JD 全文库。

## Config 速查（HOME/config.json）

- `sources[]`: kind ∈ greenhouse|ashby|lever|gcareers|rss
- `judge.mode`: `agent`（默认）| `api`（OpenAI 兼容端点，.env 配 LLM_API_KEY /
  LLM_BASE_URL，更快更稳）
- `notify.mode`: `agent`（默认，outbox 播报）| `telegram`（直连，低延迟，自动复用
  OpenClaw 的 bot 配置）
- `kb.backend`: `local`（默认）| `twobrain`（.env 配 TWOBRAIN_*）
- `prefilter`: 标题关键词硬过滤，改完下轮生效

## 红线

- 不修改 openclaw.json / cron 配置（setup_cron.py 除外且须主人同意）；不直接编辑
  state 文件——行动一律走脚本。
- 不修改 JOB_PROFILE.md，除非主人在校准中明确要求。
- 只读公开信源；不代替主人投递；除 outbox 播报/摘要/告警外不主动发消息。