Blind

payband-mcp

了解某个职位的实际薪酬——包括雇主没有公布薪酬的市场。

在 0.5.0 版本中从 blind-mcp 更名而来。Blind 工具仍在这里（见 下文），但这个项目用于读取已公布的薪酬 范围，因此现在的名称更贴切。旧的 GitHub URL 会重定向；旧的 PyPI 软件包会指向此处。BLIND_MCP_* 环境 变量仍可使用——推荐使用 PAYBAND_*。

科罗拉多州、加利福尼亚州、纽约州、华盛顿州和伊利诺伊州要求受监管的招聘信息注明薪酬范围。印度、新加坡和欧盟大多数地区则没有这项要求。因此，同一家公司、同一职位、同一周发布的招聘信息，在丹佛会注明薪酬范围，在班加罗尔却不会。

薪酬范围仍然存在，只是附在了另一条招聘信息上。

pay_bands(company="Databricks", role="forward deployed")

  101 matching openings · band width ratio x1.37 · 33 publish no range

  LEVEL            TYPICAL BAND        BANDS  POSTS  PRECISION
  mid              152,900–210,155         2      3  tight
  senior           182,000–250,208         1     58  tight
  lead             178,800–245,850         1      1  tight
  manager          211,800–291,300         4      5  tight
  senior_manager   232,900–320,200         1      1  tight

  steps: mid→senior +19.1% · lead→manager +18.5% · manager→sr_mgr +9.9%
  silent: Remote-India, Seoul, London, Berlin, Amsterdam

按级别划分，因为把不同资历的薪酬合在一个范围内，得出的数字没人能拿到——不划分级别时，该职位的范围是 140,400–320,200，跨度达 2.3 倍，涵盖了五种不同的工作。

typical 是众数薪酬范围。distinct_bands 与 postings 的对比才是衡量证据的可靠指标：58 条招聘信息共用一个薪酬范围，只是一条数据被公布了 58 次。precision 标示薪酬范围实际缩小了多少——Databricks 按级别公布紧凑的薪酬范围，Figma 则公布一个覆盖整个职级阶梯、跨度达 2.5 倍的薪酬范围，两者都是真实情况。

这是同一雇主、同一职位、同一时间——与任何薪酬调查相比，它都是更好的未公布薪酬参照，而且只需一次调用。

同一份工作，遍布雇主发布招聘信息的每个市场

在某个国家受薪酬透明法约束的雇主，往往也会在多个国家发布同一职位。这是最接近受控实验的对比：同一家公司、同一职位、同一周。

pay_bands(company="Anthropic", role="software engineer")

  MARKET   PUBLISHED BAND            POSTS   ≈ IN USD              vs US
  USD      405,000–485,000              78   —                     —
  GBP      325,000–390,000              10   438,206–525,847       1.08x
  EUR      235,000–295,000               2   271,165–340,399       0.69x

  fx: ECB daily reference rates, 2026-09-15

始终保留已公布的数字；换算结果会附在旁边，并注明日期。没有换算，比较就会产生误导——GitLab 在波兰公布的薪酬范围显示为 272,000–408,000，而美国的范围为 139,200–235,200，看起来像是波兰薪酬更高，但实际比例是 0.48 倍。

读取公共招聘网站 API——Greenhouse、Ashby、Lever、 SmartRecruiters 和 Workday——以及少数使用自有端点的雇主。文档齐全、专为机器使用而设计且稳定——不进行抓取。

工具

薪酬

工具	功能
pay_bands(company, role, board=, max_lookups=)	按资历划分的已公布薪酬范围，以及该职位发布时使用的每种货币和换算结果
market_rate(role, companies, level=)	多家雇主中处于同一级别的职位，按中点排序
job_openings(company, role=, with_pay_only=)	相关招聘信息，并推断级别

文化——默认不注册

工具	功能
find(company, keyword, limit=, page=)	按关键词搜索公司的 Blind 帖子
research(company, question, max_posts=)	选择主题，根据问题为帖子排序，并完整返回
company_topics / company_posts / read_post	帖子列表和单个帖子

除非你主动启用，否则这五个工具都处于关闭状态（PAYBAND_ENABLE_BLIND=1）。 工具列表是模型在决定如何行动前会读取的内容，而目前这五个条目只会增加上下文成本，还可能引向死胡同。代码和测试均未改动，因此启用此标志即可立即恢复这些工具。

⚠️ Blind 大约从 2026 年 9 月起开始对所有自动化请求返回 403。 这是网站范围内的机器人防护，并非针对本项目的封锁：curl 和空的 User-Agent 也会被拒绝，只有浏览器 User-Agent 能通过。 robots.txt 仍允许访问 /company/，但 WAF 不允许。

我们不会伪装成浏览器来绕过限制——这属于规避访问控制，而且也是他们下一步升级防护时最先封堵的做法。现在，Blind 工具会抛出 BlindBlocked 并说明原因，而不是返回空结果，让人误以为“没有找到相关讨论”。

薪酬工具不受影响。请参阅 #12。

覆盖范围

数据来自实际测量，而非估算：

公司	招聘平台	开放职位	发布了薪酬范围的职位
公司	招聘平台	开放职位	发布了薪酬范围的职位
---	---	---	---
Databricks	Greenhouse	880	471（54%）
Anthropic	Greenhouse	595	525（88%）
Ramp	Ashby	148	141（95%）
Monzo	Greenhouse	66	55（83%）
Notion	Ashby	127	83（65%）
Figma	Greenhouse	156	101（65%）
GitLab	Greenhouse	224	94（42%）
Stripe	Greenhouse	648	22（3%）
Freshworks	SmartRecruiters	139	按需查询
NVIDIA	Workday	1,693	按需查询
Cisco · Adobe · Salesforce · HPE · eBay	Workday	—	按需查询
Atlassian	自托管	287	122（43%）

SmartRecruiters 和 Workday 标为按需查询，因为它们将薪酬范围放在每个职位详情中，而不是职位列表里。系统会先按职位名称筛选，只有筛选后的职位才会被获取，因此查询 NVIDIA 的问题大约需要 40 次请求，而非 1,693 次。max_lookups 用于设置请求上限，超出部分会记为 not_checked_count，绝不会被表述为雇主没有公布薪酬范围。

系统通过读取 Workday 租户的 robots.txt 来查找租户，其中的 Sitemap 行会列出公开的招聘网站。如果租户名称与公司名称不同，请粘贴招聘网址或传入 board="workday:<tenant>/<site>"。

SmartRecruiters 的公司 ID 来自 careers.smartrecruiters.com/<company-id>，也会根据公司名称推测。如果 ID 不同，请传入 board="smartrecruiters:<company-id>"。

Atlassian 使用自托管平台，可通过名称访问其专属端点。其美国职位会公布三个地理区域（Zone A/B/C），系统会将它们分别报告为独立薪酬区间，而不是合并；三者合并后的范围相差 1.6 倍，并不代表任何人的实际录用薪酬。

未覆盖的公司： Google、Meta、Amazon、Apple，以及大多数总部位于印度的公司。我们探测过 Amazon 和 Netflix，两者都会返回干净的 JSON，但其中完全没有薪酬信息——它们的薪酬范围仅存在于渲染后的 HTML 中。Apple 返回 401。BoardNotFound 会说明原因，而不是直接失败。

如果某家公司确实在这些招聘平台上，但对应标识无法推测，请从其招聘网址中读取标识并直接传入：

pay_bands("Some Rebranded Co", "engineer", board="greenhouse:theirslug")

印度的自托管雇主仍在待支持列表中，详见 #13。

安装

uv sync

在 Claude Code 中注册：

uv tool install --editable .          # puts `payband-mcp` on PATH
claude mcp add --scope user payband -- payband-mcp

或者在 claude_desktop_config.json 中：

{
  "mcpServers": {
    "payband": {
      "command": "uv",
      "args": ["run", "--directory", "/path/to/payband-mcp", "payband-mcp"]
    }
  }
}

我需要登录吗？

不需要，而且你可能不该登录。 这是经过实测的结论，而非假设：

• 帖子正文、完整评论串、Blind 的 AI 评论摘要、公司列表、话题页面、评价和薪资页面，匿名访问时均返回 HTTP 200，且没有访问限制。
• 使用自动化操作经过身份验证的会话，浏览约 6 个页面后就触发了 Blind 的异常检测：Automatic Logout — we noticed a login from a new device or location (code 2009)，随后重定向到 /session-out。

因此，Cookie 不会带来额外的读取权限，却会损害会话稳定性。它唯一能解锁的是公司内部频道，而这些频道仅限该公司的已验证员工访问。

如果你仍想使用，请将 BLIND_COOKIE 设置为你的会话 Cookie 请求头（可在已登录浏览器的 DevTools 中复制请求头）。没有登录流程——服务只会重放你提供的 Cookie，在启动时读取一次，并附加到每个请求中。默认情况下它处于关闭状态；如果 Blind 使 Cookie 失效，客户端会立即报错，而不是悄悄返回已退出登录的 HTML。

Cookie 本身绝不会写入磁盘，但使用它获取的响应会缓存在单独的 auth/ 目录中，因此经过身份验证和匿名获取的结果绝不会互相混用。请勿提交 Cookie。

做个负责任的使用者

Blind 的 robots.txt 禁止所有 user-agent 访问 /search/，因此此服务没有搜索工具，并会拒绝获取该路径。它还会：

• 使用如实的 User-Agent（不冒充浏览器——Blind 仍会向其返回 200）
• 将每个响应缓存在磁盘上 6 小时，因此重复查询不会产生请求
• 将请求间隔设为约 1.5 秒
• 首先获取 robots.txt，如果无法读取则拒绝访问

通过 PAYBAND_CACHE_DIR、PAYBAND_CACHE_TTL、PAYBAND_MIN_INTERVAL、PAYBAND_USER_AGENT 进行配置。

招聘网站也会受到同样的处理。SmartRecruiters 和 Workday 需要为每个职位发布请求一次才能读取一个范围，因此请求会在由四个工作线程共享的锁保护下间隔 250 毫秒发送——工作线程可以并行处理网站的延迟，但绝不会提高请求速率——并且每个问题的查询次数都有上限。Workday 网站发现流程会读取 robots.txt，并以其规定为准来判断哪些内容是公开的，包括绝不将 Disallow 禁止的路径视为招聘网站。汇率会缓存一天，因为欧洲央行每个工作日只发布一次汇率。

Blind 的服务条款限制自动化访问。本工具以符合人工浏览节奏的速度读取公开页面，用于个人研究；批量抓取既违反服务条款，也会损害隐私，因为 Blind 的价值正是建立在匿名之上。不要创建将帖子与雇主和昵称关联起来的数据集。

阅读输出

输出中有四项容易被忽略的信息：

• distinct_bands 与 postings——58 个职位发布共享同一薪资范围，意味着同一个数据点被发布了 58 次。
• precision——wide 表示雇主为多个级别公布了同一个范围，因此几乎不能缩小范围。
• not_checked_count——这些职位发布的薪资范围尚未查询；它们与雇主确实未填写薪资范围的职位发布分开统计。请提高 max_lookups。
• on_target_earnings_excluded——销售岗位经常公布 OTE，即基本工资加佣金。这些数据会单独报告，绝不会计入基本工资范围的平均值。

换算后的数字是基于标注日期的汇率估算得出的，既未调整生活成本，也未考虑税费。以原货币公布的数字才是事实；换算只是为了让比较不至于毫无意义。

Blind 上的内容是匿名且未经验证的。请根据评论者的雇主（每条评论中的 company）评估其说法，并将单个高声量的发言视为一个数据点。在测试中，关于 Roku India RTO 的回答得到了两位彼此独立的评论者以及一条无关的 Glassdoor 评价佐证——这才值得信任。

贡献

这是个小型项目，很容易参与贡献。最有价值的改动是我们还无法访问的招聘平台——每个适配器都能让工具突然覆盖一整类雇主，而最近三次发布中有两次正是由外部贡献者完成的。非美国雇主尤其重要，因为不公开薪酬信息的市场正是这个项目的目标。

其次有价值的是：薪酬区间有误。看起来权威却并不准确的数字，是这个项目最严重的问题，而目前所有严重 Bug 都属于这一类。此类问题的优先级高于新增覆盖范围。

维护者请参阅 MAINTAINING.md。

请从适合新手的议题开始，然后阅读 CONTRIBUTING.md。议题会按规模标记（size: XS 表示耗时不到 30 分钟），mentored 表示可以在讨论串中提问，我们会带你完成。请在评论中认领一个议题，以免其他人也开始处理。 我们会在 48 小时内进行首次审查——通过实际运行来审查，而不只是阅读代码。

CONTRIBUTING 中说明了两条严格规则：不要提交抓取的 Blind 页面（测试样例会自动生成），以及不要为了提速而放宽 robots、缓存或限流规则。

发布

mcp-name: io.github.dheerajjha/payband-mcp

请参阅 RELEASING.md。

许可证

MIT