mcpField
L
linkedin-export

linkedin-export

github.com/tdimino数据与数据库4144 次安装1 周前更新
代码仓库

关于 linkedin-export

用于将 LinkedIn GDPR 导出 ZIP 转为结构化数据的命令行技能，可搜索、分析、导出为 Markdown，或准备语义搜索。适合归档和探索 LinkedIn 活动数据。

主要功能

  1. 01将导出 CSV 解析为 JSON
  2. 02按人物、关键词或日期搜索消息
  3. 03分析联系人公司与时间线
  4. 04将消息等数据导出为 Markdown
  5. 05准备 RLAMA 语义搜索文档

适用场景

  1. 01按人物或主题查找对话
  2. 02按公司或年份查看联系人
  3. 03创建 LinkedIn 数据的 Markdown 存档
  4. 04使用 RLAMA 对导出数据进行语义搜索

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/tdimino/claude-code-minoan --skill linkedin-export

安装后在 Claude Code 中输入/linkedin-export确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

README.md
references/
linkedin-export-format.md
scripts/
li_export.py
li_ingest.py
li_network.py
li_parse.py
li_search.py

详细介绍

LinkedIn 导出技能

将 LinkedIn GDPR 数据导出文件解析为结构化 JSON，然后搜索消息、分析人脉、导出为 Markdown，并导入 RLAMA 以进行语义搜索。

前提条件

  • 通过 uv 使用 Python 3.10+
  • LinkedIn GDPR 导出 ZIP — 申请路径：LinkedIn → Settings → Data Privacy → Get a copy of your data
  • RLAMA + Ollama（可选，用于语义搜索导入）

快速开始

# 1. Parse the export ZIP (run once)
uv run ~/.claude/skills/linkedin-export/scripts/li_parse.py ~/Downloads/Basic_LinkedInDataExport_*.zip

# 2. Search, analyze, export, or ingest
uv run ~/.claude/skills/linkedin-export/scripts/li_search.py --list-partners
uv run ~/.claude/skills/linkedin-export/scripts/li_network.py summary
uv run ~/.claude/skills/linkedin-export/scripts/li_export.py all --output ~/linkedin-archive/
uv run ~/.claude/skills/linkedin-export/scripts/li_ingest.py

所有脚本都从 ~/.claude/skills/linkedin-export/data/parsed.json 读取数据。解析一次，多次查询。

解析 — li_parse.py

解压 LinkedIn GDPR 导出文件，并将其中所有 CSV 解析为结构化 JSON。

uv run ~/.claude/skills/linkedin-export/scripts/li_parse.py <linkedin-export.zip>
uv run ~/.claude/skills/linkedin-export/scripts/li_parse.py <zip> --output /custom/path.json

输出：~/.claude/skills/linkedin-export/data/parsed.json

解析 23 种 CSV 类型：

核心：消息、人脉、个人资料、职位、教育经历、技能、认可、邀请、推荐、分享、回应、证书

扩展：评论（548）、项目（3）、荣誉（2）、组织（3）、志愿服务（1）、语言（9）、活动（12）、关注的会员（828）、职位申请（443，合并自多个文件）、给出的推荐（3）、推断信息（4）

自动检测 CSV 列名（不区分大小写），处理 LinkedIn 的前导文本格式（Connections.csv），并合并拆分的文件（Job Applications）。

搜索消息 — li_search.py

按人物、关键词、日期范围或组合条件搜索消息。

# Search by person
uv run ~/.claude/skills/linkedin-export/scripts/li_search.py --person "Jane Doe"

# Search by keyword
uv run ~/.claude/skills/linkedin-export/scripts/li_search.py --keyword "project proposal"

# Date range
uv run ~/.claude/skills/linkedin-export/scripts/li_search.py --after 2025-01-01 --before 2025-06-01

# Combined filters
uv run ~/.claude/skills/linkedin-export/scripts/li_search.py --person "Jane" --keyword "meeting" --after 2025-06-01

# Full conversation by ID
uv run ~/.claude/skills/linkedin-export/scripts/li_search.py --conversation "CONVERSATION_ID"

# List all conversation partners (sorted by message count)
uv run ~/.claude/skills/linkedin-export/scripts/li_search.py --list-partners

# Show context around matches
uv run ~/.claude/skills/linkedin-export/scripts/li_search.py --keyword "AI" --context 3

# Full message content + JSON output
uv run ~/.claude/skills/linkedin-export/scripts/li_search.py --keyword "proposal" --full --json

标志：--person、--keyword、--after、--before、--conversation、--list-partners、--context N、--full、--limit N、--json

人脉分析 — li_network.py

分析人脉关系图谱，包括公司、职位和时间线。

# Summary stats
uv run ~/.claude/skills/linkedin-export/scripts/li_network.py summary

# Top companies by connection count
uv run ~/.claude/skills/linkedin-export/scripts/li_network.py companies --top 20

# Connection timeline
uv run ~/.claude/skills/linkedin-export/scripts/li_network.py timeline --by year
uv run ~/.claude/skills/linkedin-export/scripts/li_network.py timeline --by month

# Role/title distribution
uv run ~/.claude/skills/linkedin-export/scripts/li_network.py roles --top 20

# Search connections
uv run ~/.claude/skills/linkedin-export/scripts/li_network.py search "Anthropic"

# Export connections to CSV or JSON
uv run ~/.claude/skills/linkedin-export/scripts/li_network.py export --format csv
uv run ~/.claude/skills/linkedin-export/scripts/li_network.py export --format json

子命令：summary、companies、timeline、roles、search、export

导出为 Markdown — li_export.py

将解析后的数据转换为简洁的 Markdown 文件。

# Export messages (one file per conversation)
uv run ~/.claude/skills/linkedin-export/scripts/li_export.py messages --output ~/linkedin-archive/messages/

# Export connections as Markdown table
uv run ~/.claude/skills/linkedin-export/scripts/li_export.py connections --output ~/linkedin-archive/connections.md

# Export everything
uv run ~/.claude/skills/linkedin-export/scripts/li_export.py all --output ~/linkedin-archive/

# Export RLAMA-optimized documents
uv run ~/.claude/skills/linkedin-export/scripts/li_export.py rlama --output ~/linkedin-archive/rlama/

子命令：messages、connections、all、rlama

导入 RLAMA — li_ingest.py

准备针对 RLAMA 优化的文档，并创建语义搜索集合。

# Full pipeline: prepare docs + create RLAMA collection
uv run ~/.claude/skills/linkedin-export/scripts/li_ingest.py

# Prepare docs only (no RLAMA required)
uv run ~/.claude/skills/linkedin-export/scripts/li_ingest.py --prepare-only

# Rebuild existing collection
uv run ~/.claude/skills/linkedin-export/scripts/li_ingest.py --rebuild

集合：linkedin-tdimino（fixed/600/100 分块，启用重排器，13 个文档，2.14 MB）

查询（默认：仅检索，由 Claude 综合）：

# Retrieve raw chunks — Claude reads and synthesizes (best quality)
python3 ~/.claude/skills/rlama/scripts/rlama_retrieve.py linkedin-tdimino "What projects has Tom built?" -k 10

# Fallback: local LLM answers (only without Claude)
rlama run linkedin-tdimino --query "Who works at Google?"

RLAMA 文档结构（13 个文件）：

  • messages-conversations-{a-f,g-l,m-r,s-z}.md — 按字母顺序分组的对话
  • connections-companies.md — 按公司分类的人脉
  • connections-timeline.md — 按年份分类的人脉
  • profile-positions-education.md — 简历数据
  • endorsements-skills.md — 技能和认可
  • shares-reactions.md — 帖子和活动
  • comments-activity.md — 548 条带日期和链接的评论
  • projects-honors-volunteering.md — 项目、荣誉、志愿服务和组织
  • metadata-languages-events-follows.md — 语言、活动、关注、职位申请、给出的推荐和推断信息
  • INDEX.md — 集合元数据和数量

数据格式参考

完整的 CSV 列文档请参阅 references/linkedin-export-format.md。

LinkedIn 导出 ZIP 中的关键文件（已解析 23 个）：

CSV内容
messages.csv所有消息和 InMail
Connections.csv1 度联系人（前导内容格式）
Profile.csv个人资料数据
Positions.csv工作经历
Education.csv教育经历
Skills.csv列出的技能
Endorsement_Received_Info.csv收到的技能认可
Invitations.csv联系邀请
Recommendations_Received.csv收到的推荐
Shares.csv帖子和分享
Reactions.csv对帖子的回应
Certifications.csv认证
Comments.csv对帖子的评论
Projects.csv项目（Bazaar、Dream Daimon 等）
Honors.csv奖项和黑客马拉松获奖记录
Organizations.csv社团和团体
Volunteering.csv志愿者经历
Languages.csv语言熟练程度
Events.csvLinkedIn 活动
Member_Follows.csv关注的人/公司
Jobs/Job Applications*.csv求职申请（拆分到多个文件中）
Recommendations_Given.csv撰写的推荐
Inferences_about_you.csvLinkedIn 的推断

脚本选择指南

任务脚本示例
首次设置li_parse.py解析 ZIP
查找对话li_search.py --person按姓名搜索
查找主题li_search.py --keyword按关键词搜索
我最常和谁交谈？li_search.py --list-partners按排序排列的联系人列表
公司分布li_network.py companies公司排名
人脉增长li_network.py timeline按时间查看联系人
归档消息li_export.py messages每段对话生成一个 Markdown 文件
语义搜索li_ingest.pyRLAMA 集合

评论

支持 Markdown