talent-sourcing

人才寻访

由 Nimble Web Search Agents 提供支持的候选人发现。

用户请求：$ARGUMENTS

运行任何命令之前，先阅读 references/nimble-playbook.md，了解 Claude Code 的限制（无 Shell 状态、禁止使用 &/wait、子 Agent 权限、沟通风格）。

---

说明

步骤 0：预检

按照 references/nimble-playbook.md 中的传输方式选择和标准预检流程，在会话开始时选择 CLI 或 MCP，然后并行运行标准预检调用（日期计算、今天、配置文件、记忆索引）。

同时执行：

• mkdir -p ~/.nimble/memory/{reports,talent-sourcing}

根据结果：

• CLI 缺失或未设置 API 密钥 → 阅读 references/profile-and-onboarding.md，然后停止
• 为所有 nimble CLI 调用添加标记：nimble --client-source nimble-agent-skills <subcommand>。MCP 请求会在传输层进行归因，详见 references/nimble-playbook.md。
• 配置文件存在 → 记录行业关键词（如有）；继续步骤 1
• 没有配置文件 → 没问题，人才寻访无需引导设置；继续步骤 1

步骤 1：解析请求并确认搜索参数

从 $ARGUMENTS 中解析：

• 职位 — 职位名称或职能（例如 “Senior React Engineer”、“Head of Sales”）
• 地点 — 城市、都会区、地区或远程（例如 “New York City”、“remote US”）
• 技能 / 要求 — 特定技术、工作年限、领域专长
• 资历级别 — 初级、中级、高级、资深、总监、副总裁、高管
• 来源偏好 — 特定平台（LinkedIn、GitHub、Indeed 等）或“全部”

如果用户粘贴了完整职位描述，请从中提取上述字段。

如果缺少或无法确定职位，请使用 AskUserQuestion 提问：

“您要招聘什么职位，工作地点在哪里？（例如：‘Senior ML Engineer, remote US’ 或粘贴职位描述）”

参数明确后，使用 AskUserQuestion 向用户确认：

“正在搜索：[职位] | 地点：[地点] | 关键技能：[技能] | 资历级别：[资历级别]

搜索平台：LinkedIn、Indeed、GitHub（适用于技术职位）、AngelList / Wellfound，以及专业社群。

• 开始搜索
• 先调整参数”

步骤 2：发现 WSA

发现可用于候选人寻访平台的 Web Search Agents。并行运行：

nimble extract:templates list --limit 100  # then filter items for "linkedin people"
nimble extract:templates list --limit 100  # then filter items for "indeed resume"
nimble extract:templates list --limit 100  # then filter items for "github profile"
nimble extract:templates list --limit 100  # then filter items for "wellfound talent"

筛选 entity_type: SERP 或 entity_type: PDP 的结果。优先选择 managed_by: "nimble" 的 Agent。使用以下调用验证有潜力的 Agent：

nimble extract:templates get --extract-template-name {name}

缓存发现的 WSA 名称和必需参数。如果某个平台未发现 WSA，则改用该平台的 nimble search。

步骤 3：并行搜索候选人（子 Agent）

启动 nimble-researcher Agent（agents/nimble-researcher.md），设置 mode: "bypassPermissions"，最多同时运行 4 个。每个平台分配一个 Agent：

Agent 1 — LinkedIn

搜索符合职位条件的人员。使用类似布尔逻辑的方式构造查询：

nimble search --query "site:linkedin.com/in [Role] [Location] [Key Skills]" \
  --max-results 15 --search-depth fast
nimble search --query "[Role] [Location] linkedin profile [Skill1] [Skill2]" \
  --max-results 10 --search-depth fast

如果步骤 2 中发现了 LinkedIn WSA，则改用它，并将职位名称、 地点和技能关键词作为输入。

Agent 2 — Indeed / 简历

nimble search --query "site:indeed.com resume [Role] [Location] [Key Skills]" \
  --max-results 10 --search-depth fast
nimble search --query "[Role] resume [Location] [Key Skills]" \
  --max-results 10 --search-depth fast

Agent 3 — GitHub（仅适用于技术职位）

非技术职位（例如销售、市场营销、运营）跳过此 Agent。

nimble search --query "site:github.com [Role] [Location] [Key Skills]" \
  --max-results 10 --search-depth fast
nimble search --query "github [Key Skills] developer [Location] open to work" \
  --max-results 10 --search-depth fast

Agent 4 — AngelList / Wellfound + 社群

nimble search --query "site:wellfound.com [Role] [Location] [Key Skills]" \
  --max-results 10 --search-depth fast
nimble search --query "[Role] [Location] open to work OR seeking opportunities \
  [Key Skills]" --max-results 10 --search-depth fast

每个 Agent 返回：候选人姓名（如有）、个人资料 URL、当前职位、 地点摘要、推断的技能、求职意向信号（“开放求职”“正在寻找”“可入职”），并附上事件日期（如有）和来源 URL。

第 4 步：提取完整资料

对于第 3 步确定的首选候选人（目标是在所有平台上找到 10–20 份不同的个人资料），提取完整的个人资料详情。同时运行所有提取任务：

nimble extract --url "[profile-url]" --format markdown

从每份提取的个人资料中获取：

• 全名
• 当前职位和公司
• 所在地
• 技能／技术栈
• 工作经历摘要（工作年限、知名雇主）
• 教育背景
• 求职意向信号（是否开放求职、近期是否换工作、发帖活跃度）
• 联系信号（电子邮件、个人网站、GitHub 用户名）

如果提取失败，请按照 references/nimble-playbook.md 中的回退模式处理。如果个人资料需要登录才能查看且提取失败，请保留搜索摘要，不要跳过该候选人。

**提取数量上限：**最多提取 15 份个人资料。如果第 3 步找到的候选人超过 15 位，请先按相关性评分（资历匹配度 + 技能重合度 + 地点匹配度）排序，再进行提取。

第 5 步：为候选人评分并排序

使用以下加权信号为每位候选人评分（1–10 分）：

信号	权重
职位／头衔匹配度	30%
与要求的技能重合度	30%
地点匹配度	20%
资历匹配度	10%
求职意向信号	10%

将候选人分为以下级别：

• **Tier 1（高度匹配，7–10 分）：**具备所有必需信号
• **Tier 2（部分匹配，4–6 分）：**具备大部分信号，有 1–2 项不足
• **Tier 3（可考虑，1–3 分）：**如果 Tier 1／2 候选人不多，值得进一步审核

第 6 步：输出

展示结果前，检查 ~/.nimble/memory/talent-sourcing/[role-slug].md — 如果某位候选人此前已在运行中出现过，请标记为 (previously surfaced)，不要将其作为新候选人再次展示。

以结构化报告呈现候选人：

## Candidate Report: [Role] in [Location]
Searched: LinkedIn, Indeed, GitHub, Wellfound
Found: [N] candidates | Tier 1: [N] | Tier 2: [N] | Tier 3: [N]

**TL;DR:** [2-3 sentence summary of the strongest candidates and any notable patterns]

---

### Tier 1 — Strong Match

#### 1. [Name] — [Score]/10
- **Current role:** [Title] at [Company]
- **Location:** [Location]
- **Skills:** [Skill1], [Skill2], [Skill3]
- **Experience:** [X years, notable employers]
- **Availability:** [signal] — [event date or "date unknown"] — [source URL]
- **Profile:** [URL]
- **Contact signals:** [email / personal site / GitHub]

...

---

### What This Means
[1-2 sentences on hiring outlook: supply/demand signal, speed recommendation, any
standout sourcing channel]

省略无可用数据的字段。不要编造详情 — 缺失字段请填写 "unknown"。为每位 Tier 1 候选人添加一句 “选择该候选人的原因” 说明。

第 7 步：保存到记忆

同时执行所有 Write 调用：

• 报告 → ~/.nimble/memory/reports/talent-sourcing-{YYYY-MM-DD}.md（包含所有级别候选人的完整报告）
• 按职位 → ~/.nimble/memory/talent-sourcing/[role-slug].md（候选人列表；新建或更新）
• 个人资料 → 使用 references/profile-and-onboarding.md 中的 python3 代码片段，更新 ~/.nimble/business-profile.json 中的 last_runs.talent-sourcing。如果文件不存在，则跳过。

在 ~/.nimble/memory/talent-sourcing/index.md 中添加一行，记录本次搜索。 按照 references/memory-and-distribution.md 中的 wiki 更新模式操作。

第 8 步：分享和分发

**始终提供分发选项 — 不要跳过此步骤。**按照 references/memory-and-distribution.md 中关于连接器检测、分享流程和来源链接要求的说明操作。

第 9 步：后续操作

使用 AskUserQuestion 提供后续步骤选项：

接下来要做什么？

• 深入了解某位候选人 — 提取完整个人资料并查找联系信息
• 扩大搜索范围 — 扩大地点范围、放宽资历要求或尝试更多平台
• 缩小搜索范围 — 添加必需技能或收紧地点范围
• 导出名单 — 保存为 CSV 或格式化文档
• 完成

相关技能建议：

• 对候选人当前任职的公司运行 company-deep-dive，了解交易背景
• 联系 Tier 1 候选人前运行 meeting-prep

---

错误处理

标准错误表请参阅 references/nimble-playbook.md。此技能特定的处理方式：

• **个人资料需要登录才能查看：**保留搜索摘要；在候选人条目中注明“完整个人资料不可用 — 需要登录 LinkedIn/Indeed”。
• **总共找到的候选人少于 5 位：**通知用户，建议将地点范围扩大至远程，或放宽资历要求，然后询问是否要使用调整后的参数重新运行。
• **平台搜索返回 500 错误：**使用简化查询重试一次；如果仍然失败，则跳过该平台并在报告标题中注明。
• **非技术职位跳过 GitHub 搜索：**在报告标题中注明“此职位类型未搜索 GitHub”。