network-scan

网络扫描技能

优先级层级：冲突解决请参阅 references/priority-hierarchy.md。

主动检查你认识的人所在的公司是否在招聘与你匹配的职位。首次运行时会缓存公司招聘页面的 URL。后续运行会复用缓存，让每周检查更快速。

文件结构

scripts/
  resolve-careers.md     # Subagent for resolving a batch of company careers URLs
  evaluate-company.md    # Subagent for scanning a batch of companies' open roles

用户数据（存储在 ~/.proficiently/）：

~/.proficiently/
  resume/                # Your resume PDF/DOCX
  preferences.md         # Job matching rules
  profile.md             # Work history from interview
  linkedin-contacts.csv  # LinkedIn contacts export
  company-careers.json   # Cached company careers URLs
  network-scan-history.md # Running log of scan results
  jobs/                  # Per-job application folders

---

工作流

步骤 0：检查前置条件

确定数据目录，然后根据 references/prerequisites.md 检查前置条件。简历、偏好设置和 linkedin-contacts.csv 均为必需文件。

加载以下文件，以便在后续步骤中使用：

• DATA_DIR/preferences.md（目标职位、必备条件、不可接受条件、加分项）
• DATA_DIR/resume/*（候选人资料）
• DATA_DIR/profile.md（工作经历，如存在）

步骤 1：选择联系人并提取公司

解析 $ARGUMENTS：

• 如果是数字（例如 50）：将其用作联系人数量上限
• 如果是 all：使用所有联系人（如果超过 200 人，请提醒用户这可能会很慢）
• 如果为空或缺失：默认使用 25 人

读取 ~/.proficiently/linkedin-contacts.csv。按 "Connected On" 降序排序（最近联系的排在最前）。根据数量上限选取前 N 位联系人。

从选定的联系人中提取不重复的公司名称。跳过名称为空或仅包含空白字符的公司。

按公司对联系人分组，建立查找表：

{
  "Google": [{"name": "Jane Smith", "position": "PM Director", "url": "https://linkedin.com/in/janesmith"}, ...],
  "Stripe": [{"name": "John Doe", "position": "Eng Manager", "url": "https://linkedin.com/in/johndoe"}]
}

向用户报告："从 Y 位联系人中找到 X 家不重复的公司。正在检查招聘页面……"

步骤 2：解析招聘页面（并行处理）

如果 ~/.proficiently/company-careers.json 存在，则加载它（缓存）。如果不存在，则从空对象开始。

将公司分成三组：

• 缓存（未过期）：last_checked 在过去 7 天内——直接使用，无需处理
• 缓存（已过期）：last_checked 超过 7 天——需要重新验证
• 未缓存：不在缓存中，或 type 为 "not_found" 且缓存已过期——需要完整解析

报告："缓存中有 X 家公司，Y 家需要解析……"

使用子 Agent 并行解析：

将所有需要解析的公司（已过期 + 未缓存）分成每批 10 家。使用 Task 工具（subagent_type: "general-purpose"）为每批启动一个子 Agent。并行运行所有批次。

每个子 Agent 会收到：

• 一批待解析的公司名称
• scripts/resolve-careers.md 中的说明

每个子 Agent 使用 WebSearch（而非浏览器）查找招聘页面：

1. 搜索："[Company Name]" careers jobs site:[company domain if known]
2. 从搜索结果中找出招聘页面 URL
3. 将 URL 类型分类为：
   • "direct" - 公司自己的招聘页面（例如 careers.google.com）
   • "greenhouse" - Greenhouse ATS（boards.greenhouse.io/company 或 company.greenhouse.io）
   • "lever" - Lever ATS（jobs.lever.co/company）
   • "workday" - Workday ATS（company.wd5.myworkdayjobs.com）
   • "other_ats" - 其他 ATS 平台（Ashby、BambooHR 等）
   • "not_found" - 未找到招聘页面（将 careers_url 设为 null）
4. 返回该批次的结果

收集所有子 Agent 的结果并合并到缓存中。保存至 ~/.proficiently/company-careers.json。格式：

{
  "Company Name": {
    "careers_url": "https://careers.example.com",
    "type": "direct",
    "last_checked": "YYYY-MM-DD",
    "last_found_roles": 0
  }
}

报告进度："已解析 X 个新的招聘页面，Y 个来自缓存，Z 个未找到。"

步骤 3：扫描匹配的职位（并行处理）

筛选出所有 careers_url 有效的公司（跳过 not_found 和 ignored 条目）。将这些公司分成每批 5 家。

使用 Task 工具（subagent_type: "general-purpose"）启动并行子代理。并行运行所有批次（最多同时运行 5 个子代理，避免浏览器负载过高）。

每个子代理会收到：

• 一批公司（名称、careers_url、ATS 类型、联系人）
• 候选人档案摘要（来自简历）
• 求职偏好（目标职位、必备条件、不可接受项、加分项）
• scripts/evaluate-company.md 中的说明

每个子代理：

1. 创建自己的浏览器标签页（先调用 tabs_context_mcp，再调用 tabs_create_mcp）
2. 对其批次中的每家公司： a. 前往招聘页面 b. 搜索或浏览符合目标职位和关键词的职位 c. 对于 ATS 页面，使用平台的搜索或筛选功能：
   • Greenhouse：搜索框或部门筛选器
   • Lever：搜索栏或团队筛选器
   • Workday：关键词搜索字段
   • 直接页面／其他：浏览页面、使用搜索功能并扫描所列职位 d. 提取职位信息：职位名称、地点、URL e. 根据匹配标准为每个职位评分（High／Medium／Low／Skip） f. 仅返回 High 和 Medium 匹配项
3. 返回该批次的结果

匹配评分标准： 规范定义请参阅 references/fit-scoring.md。

收集所有子代理的结果。更新缓存中每家已扫描公司的 last_found_roles 数量。

如果子代理失败或超时，记录它正在处理的公司，然后继续。不要重试——用户下次可以重新扫描这些公司。

步骤 4：保存结果

更新 company-careers.json： 为每家已扫描的公司更新 last_checked 和 last_found_roles。

追加到 ~/.proficiently/network-scan-history.md：

如果文件不存在，创建文件并写入：

# Network Scan History

This file tracks all network scans run by the `/network-scan` skill.

---

然后追加：

## YYYY-MM-DD - Network Scan (N contacts, M companies)

| Company | Contact | Role Found | Fit | URL |
|---------|---------|------------|-----|-----|
| Google | Jane Smith (PM Director) | Sr. Product Manager | High | https://... |
| Stripe | John Doe (Eng Manager) | No matching roles | - | - |

在表格中列出所有已扫描的公司（包括匹配和不匹配的公司）。

为 High 匹配项保存完整职位信息： 对于每个 High 匹配项，前往职位发布 URL，并按标准格式将完整职位信息保存到 ~/.proficiently/jobs/[company-slug]-[YYYY-MM-DD]/posting.md：

# [Job Title] - [Company Name]

**Company**: [Company]
**Location**: [Location]
**Salary**: [Salary or N/A]
**Type**: [Type]
**Source**: network-scan
**Date Found**: YYYY-MM-DD
**Network Contact**: [Contact Name] ([Position]) - [LinkedIn URL]

## About the Role
[Description]

## Key Requirements
- [requirement]

## Direct Careers Page
- [URL]

## Fit Assessment
**Rating**: [High/Medium]
**Why**: [explanation]

步骤 5：呈现结果

按匹配度分组显示结果，并附上联系人信息，以便通过人脉引荐：

## Network Scan Results - YYYY-MM-DD
Scanned N companies from M contacts.

### Matches Found

#### 1. Senior Product Manager at Google
- **Fit**: High
- **Your contact**: Jane Smith (PM Director) - [LinkedIn](url)
- **Location**: Mountain View, CA
- **Apply**: https://careers.google.com/jobs/...
- **Why**: [brief match reason]

#### 2. Strategy Lead at Stripe
- **Fit**: Medium
- **Your contact**: John Doe (Eng Manager) - [LinkedIn](url)
- **Location**: Remote
- **Apply**: https://stripe.com/jobs/...
- **Why**: [brief match reason]

### Companies Checked (No Matches)
Google (3 open roles, none matching), Stripe (0 open roles), ...

### Companies Without Careers Pages
Acme Corp, Small Startup LLC, ...

如果所有公司均未找到匹配项：

## Network Scan Results - YYYY-MM-DD
Scanned N companies from M contacts. No matching roles found this time.

### Companies Checked
[List with role counts]

### Companies Without Careers Pages
[List]

Try again next week, or expand your contact window.

步骤 6：根据反馈调整

如果用户在查看结果后提供反馈：

• “Skip [company]”：在 company-careers.json 中该公司的条目里添加 "ignored": true。后续扫描将跳过该公司。
• 更正招聘 URL：使用正确的 URL 和类型更新缓存条目。
• 调整求职偏好：相应更新 ~/.proficiently/preferences.md（例如，“将 fintech 添加到加分项中”“不要加密货币公司”）。

---

响应格式

面向用户的输出应包含以下部分：

1. 人脉匹配项 — 列出 High／Medium 匹配项，包括公司、职位、匹配度、联系人姓名和申请 URL
2. 已检查的公司 — 汇总未找到匹配项的公司，以及没有招聘页面的公司
3. 后续步骤 — 建议针对最佳匹配项调整简历并撰写求职信