关于 finding-startup-employees-for-recruiting
面向招聘的技能，用 Twitter 上的职业与项目线索发现初创公司从业者，并评估潜在人选。流程涵盖推文搜索、资料补充和候选人评分。
主要功能
- 01搜索特定职位推文
- 02收集并补充候选人资料
- 03检查技能与求职信号
- 04评估候选人与活跃度
- 05筛除公司账号和机器人
适用场景
- 01按职位或技能寻找初创公司人才
- 02优先联系表达求职意向的人选
- 03根据 Twitter 动态整理候选名单
MCP 相关
可通过 Apify MCP 服务运行 Actor，以搜索推文和补充用户资料；也提供命令行与 REST API 方案。
安装
复制下面的命令，在终端中运行。
npx skills add https:/安装后在 Claude Code 中输入/finding-startup-employees-for-recruiting确认已加载。
详细介绍
在 Twitter 上寻找目前就职于初创公司的专业人士
通过技能关键词、作品集／项目线索和求职意向信号，发现目前在 Twitter 上就职于初创公司的专业人士。Twitter 上有许多积极讨论自身专业领域的人，这是一个强有力的被动候选人信号。
前提条件
- 已设置
APIFY_TOKEN环境变量 - 可选：已安装 Apify MCP 服务
输入
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
startUrls | array | 可选 | [] | Twitter 个人资料或推文 URL |
twitterHandles | array | 可选 | [] | Twitter 用户名（不含 @） |
twitterUserIds | array | 可选 | [] | Twitter 用户 ID |
getFollowers | boolean | 可选 | false | 提取关注者列表 |
getFollowing | boolean | 可选 | false | 提取正在关注的用户列表 |
getRetweeters | boolean | 可选 | false | 提取转发某条推文 URL 的用户 |
includeUnavailableUsers | boolean | 可选 | false | 包含无法访问／已停用的用户 |
maxItems | number | 可选 | 不限 | 返回的用户数量上限 |
customMapFunction | string | 可选 | — | 用于转换每个输出对象的 JavaScript 函数 |
工作流
Progress:
- [ ] Step 1: Search for role-specific tweets
- [ ] Step 2: Collect unique handles
- [ ] Step 3: Enrich profiles
- [ ] Step 4: Score candidate fit
- [ ] Step 5: Deliver candidate list
步骤 1：搜索查询
推荐 — run_actor.js（自动处理等待、输出和文件保存）：
# Quick answer (prints table to chat)
node scripts/run_actor.js \
--actor "apidojo~twitter-user-scraper" \
--input '{"param": "value"}'
# Save as CSV
node scripts/run_actor.js \
--actor "apidojo~twitter-user-scraper" \
--input '{"param": "value"}' \
--output YYYY-MM-DD_results.csv --format csv
# Save as JSON
node scripts/run_actor.js \
--actor "apidojo~twitter-user-scraper" \
--input '{"param": "value"}' \
--output YYYY-MM-DD_results.json --format json
必须在环境变量或
.env文件中设置APIFY_TOKEN。
如果 Apify MCP 可用：
Tool: apify:run-actor
Actor: "apidojo~tweet-scraper"
Input:
{
"searchTerms": ["at [COMPANY]", "engineer at [STARTUP]", "working at [SECTOR] startup"],
"maxItems": 300,
"tweetLanguage": "en"
}
REST API 备用方案：
curl -X POST \
"https://api.apify.com/v2/acts/apidojo~tweet-scraper/runs?token=$APIFY_TOKEN" \
-H "Content-Type: application/json" \
-d '{"searchTerms": ["at [COMPANY]", "engineer at [STARTUP]", "working at [SECTOR] startup"], "maxItems": 300}'
从结果中收集唯一的 author.username。
步骤 2：补充个人资料信息
如果 Apify MCP 可用：
Tool: apify:run-actor
Actor: "apidojo~twitter-user-scraper"
Input: {"usernames": ["[username1]", "[username2]", "..."]}
REST API 备用方案：
curl -X POST \
"https://api.apify.com/v2/acts/apidojo~twitter-user-scraper/runs?token=$APIFY_TOKEN" \
-H "Content-Type: application/json" \
-d '{"usernames": ["handle1", "handle2"]}'
步骤 3：筛选并评分
**技能确认：**简介中包含关键词："@[company]"、"prev:"、"formerly"、"ex-"、"startup"、"Series A"、"YC"、"Techstars"
career_change_signal = 简介或近期推文中提到 'open to'、'looking for'、'next chapter' 或离开公司
候选人评分：
candidate_score = (skill_confirmed ? 1 : 0) * 0.35
+ (open_to_work_signal ? 1 : 0) * 0.30
+ (followerCount in 200..20000 ? 1 : 0.6) * 0.20
+ (tweeted_in_last_30_days ? 1 : 0) * 0.15
活跃度：活跃（< 30 天）| 被动（30–90 天）| 不活跃（> 90 天）
步骤 4：边缘情况
- 结果中出现公司／品牌账号：筛选出
followerCount > 50K且简介中不含人称代词的账号；这些很可能是品牌账号 - 找到的候选人少于 20 人：扩大技能词范围；移除地点或资历筛选条件；尝试相关技能
- 机器人检测：将
followerCount / followingCount < 0.05且tweetsCount < 20标记为潜在机器人 - 地点不匹配：简介中的地点是自由文本，请使用模糊匹配；接受部分城市／国家名称
输出格式
# Professionals Currently Employed At Startups Candidates: [STARTUP_SECTOR]
Profiles found: [N] | Open-to-work: [N] | Active: [N] | Date: [DATE]
## Priority: Open-to-Work Candidates
| Name | @Handle | Specialty | Location | Followers | Last Active | Score |
|------|---------|----------|---------|-----------|------------|-------|
## Passive Candidates
| Name | @Handle | Specialty | Location | Followers | Score |
|------|---------|----------|---------|-----------|-------|
## Bio Highlights (Top 5)
1. @[handle]: "[bio excerpt]"
故障排除
结果全是代理机构／公司，而非个人：添加人称代词筛选条件，或搜索 "I am a [role]"、"I do [skill]"。
职位名称过于宽泛，返回结果过多：添加地点或资历限定条件。
没有求职意向信号：大多数候选人不会公开表达求职意向；将被动候选人视为潜在意向对象，通过个性化联系提及他们近期发布的内容。