Recruitment Aggregator — 高校思政教师 / 辅导员 / 国企党建行政 招聘信息汇总

用户画像（默认匹配目标）

本技能已针对以下用户画像进行定制，所有查询默认按此画像筛选匹配度：

> 详细背景档案见 references/profile.md。

三类目标岗位说明

岗位一：高校思政课教师（最优匹配）

• 对口专业：马克思主义理论、思想政治教育、马克思主义哲学等
• 硬性条件：中共党员、硕士及以上、马理论相关专业
• 需关注的风险点：部分高校要求本硕专业一致，需逐条检查招聘简章
• 搜索关键词：思政课专任教师 马克思主义学院教师 马理论教师 思政教师

岗位二：高校辅导员

• 硬性条件：中共党员、硕士及以上
• 专业限制：辅导员岗位对专业通常较宽松，马理论专业有加分优势
• 搜索关键词：辅导员 专职辅导员 思政辅导员 学生工作

岗位三：国企/央企党建行政岗（国企最优）

• 对口岗位：党群工作部、党委办公室、党建专员、纪检监察、行政管理
• 硬性条件：中共党员（党建岗普遍要求）、硕士优先
• 搜索关键词：党建 党群 党务 纪检监察 行政管理 综合文秘 党委办公室
• 成都国企资源丰富：四川发展、成都城投、中国东方电气集团、四川航空、中铁二院等

Workflow Decision Tree

用户请求
├── "帮我查最新的招聘" → 执行「按画像快速查询」
├── "只看成都的思政教师岗位" → 执行「单岗分类查询」
├── "只看国企党建行政岗" → 执行「单岗分类查询」
├── "搭建自动监控系统" → 执行「自动化部署」
├── "汇总这周的成都招聘" → 执行「批量汇总（含匹配度评分）」
└── "帮我爬取某个招聘页面" → 执行「单页面提取」

一、按画像快速查询（默认流程：混合爬虫 + 实时网页补搜）

由于各大招聘网站（如高校人才网）的默认列表页行数有限，且部分检索和搜索页面（如 /search）采用客户端 JS (Vue SPA) 渲染，基本的爬虫脚本适合作为“基线抓取”（获取基础和历史大纲），但必须通过主动网页补搜（使用 web_search 结合关键词模板）来进行实时检索，形成完整的混检索。

当用户需要查询招聘信息时，必须严格执行以下三步：

1.1 步骤一：基线脚本抓取 (Baseline Scraper)

运行 Python 聚合脚本抓取当前的分类索引列表（数据源含：高校人才网×3 频道翻页、人社部/国家大学生就业平台、川/蓉人社与人事考试网、应届生求职网、成都人才网、26 所成都高校人事处定向扫描，全部由 assets/sources.json + assets/university_hr_pages.json 配置驱动）：

python3 scripts/aggregate.py --days 30 --location 成都 --format json --output /tmp/baseline_results.json

运行后，读取该 /tmp/baseline_results.json 中的结果作为基础数据集。

脚本内置增量监控（状态存于 assets/job_store.jsonl，自动维护）：
- 每条结果带 is_new 标记：本次新发现的岗位为 true，历史已见为 false；
- 下线推断：连续 3 次抓取未再出现的岗位自动剔除；
- 数据源健康度（assets/source_health.json）：连续 3 次失败的源会在结尾告警，meta.source_health 中可查每源状态；
- 只想看增量时加 --only-new 参数。

agent-browser 渲染兜底（默认开启，--no-browser 关闭）：requests 失败的源（403/UA 拦截、SSL、JS 渲染等）自动改用 agent-browser CLI（CDP 常驻浏览器）渲染抓取；源配置 browser: true 可强制走浏览器（须配 parser: generic_list）。兜底含错误页标题检测（403/502/WAF challenge 页不误判为成功）。若未安装 agent-browser 则静默禁用兜底。注意：agent-browser 浏览器实例为常驻 daemon，跑完不自动关闭，可用 agent-browser close 手动清理。

1.2 步骤二：主动实时网页补搜 (Supplementary Web Search)

使用 web_search 工具，依照 references/profile.md 里的关键词模板，至少执行 2-3 次针对性的搜索引擎实时补搜：

1. 高校思政课教师检索：site:gaoxiaojob.com 成都 思政教师 2026 或者是 成都 高校 思政教师 招聘 2026
2. 辅导员检索：site:gaoxiaojob.com 成都 辅导员 2026 或者是 成都 高校 辅导员 招聘 2026
3. 国企党建岗检索：成都 国企 党建 招聘 应届生 2026 或者是 成都 央企 党群 招聘 2026

通过 web_search 获取最新的、长尾的、由搜索引擎索引到的活性网页详情（直接指向高校人事处或国企官网）。

补搜结果必须回流（避免下次重复报告同一条补搜岗位）：把本次补搜收录进报告的条目整理为 JSON（数组或 {"results": [...]}，每条至少含 title + detail_url/organization），保存为临时文件后执行：

python3 scripts/ingest.py /tmp/websearch_results.json --source-name "AI补搜-<岗位类型>"

1.3 步骤三：双源汇总、打分与去重 (Normalization, Grading & Deduplication)

将「基线脚本抓取」到的条目与「主动网页补搜」到的活性网页条目合并，按照以下规则清洗：
1. 去重：标题与链接高度相似者，保留最新、最完整的一条。
2. 过滤下线/过期：凡是脚本或搜索结果中标注"已下线"、"过期"或截止日期在今天之前的，一律归入“已过期或不活跃岗位”予以隐藏或单独陈列。
3. 匹配度评分：按以下维度打分：

1.4 步骤四：生成 HTML 报告（默认最终交付格式）

汇总结果必须默认以 HTML 报告的形式交付（除非用户明确要求 Markdown / JSON / CSV）。风格要求：科技感、简洁、纯白底板。

模板 assets/report-template.html 采用「纯 JSON 数据块 + 渲染引擎分离」设计：整套页面结构、CSS、渲染逻辑全部固化，你唯一要做的就是替换文件里那一段 <script id="page-data" type="application/json"> 中的 JSON，页面会在浏览器中自动渲染。不要改动 CSS 与渲染引擎脚本。

生成步骤：
1. 读取模板 assets/report-template.html。
2. 按下方 JSON Schema 组织本次汇总、评分、去重后的岗位数据，构造出完整的 JSON。
3. 用你构造的 JSON 整体替换 <script id="page-data" type="application/json"> ... </script> 之间的内容（其余部分原样保留）。
4. 将结果写入文件（如 ~/Desktop/招聘信息汇总_YYYY-MM-DD.html 或用户指定路径），并用 preview_url / 浏览器打开预览。

JSON 数据 Schema（填这一段即可）：

{
  "hero": {
    "eyebrow": "招聘可视化报告",
    "title": "报告标题，如：成都 · 27届马理论硕士 求职机会汇总",
    "description": "一句话总述：本次汇总的范围、口径与用途",
    "meta": ["更新时间：2026-07-23", "求职画像：27届马理论硕士 · 四川农大", "地点偏好：成都", "重点方向：思政教师 / 辅导员 / 国企党建"]
  },
  "stats": [
    { "label": "重点关注岗位", "value": "6", "desc": "当前最适合优先投递或重点跟进" },
    { "label": "国企党建岗位", "value": "3", "desc": "近期发布但需要另行判断经验门槛" },
    { "label": "已过期岗位", "value": "2", "desc": "保留作参考样本即可" },
    { "label": "当前主结论", "value": "优先投递3所高校", "desc": "一句话结论，便于一眼看懂" }
  ],
  "priorityIntro": "这里放最值得尽快行动的岗位。支持按类别筛选。",
  "priorityJobs": [
    {
      "title": "思政课专任教师",
      "org": "XX大学 马克思主义学院",
      "location": "成都",
      "score": 4.8,
      "categories": ["teacher"],
      "urgent": false,
      "tags": [
        { "text": "马理论对口", "tone": "good" },
        { "text": "党员要求", "tone": "info" },
        { "text": "本硕一致未提及", "tone": "warn" }
      ],
      "info": [
        { "key": "发布时间 / 截止", "value": "2026-07-01 / 2027-03-15" },
        { "key": "适配判断", "value": "专业与画像高度匹配" },
        { "key": "主要风险", "value": "未提及本硕一致，需核实简章" },
        { "key": "建议动作", "value": "重点投递，准备试讲" }
      ],
      "link": "https://example.com"
    }
  ],
  "watchIntro": "这些岗位可以关注，但不建议作为近期主投目标。",
  "watchJobs": [],
  "guoqiIntro": "国企党建/党务方向放这里；没有则留空数组。",
  "guoqiJobs": [],
  "insights": ["现实判断1", "现实判断2"],
  "notices": ["补充说明1（抓取口径/样本偏差/时间窗口）"],
  "advice": ["优先级1", "优先级2"],
  "summary": "一句话总判断",
  "footer": "本报告基于公开招聘信息汇总，仅供参考；请以各单位官方公告为准。"
}

填写规范（必须严格遵守，否则页面渲染失败）：

> 若用户明确要求其他格式，则参考如下 Markdown 简版结构输出：
>
> markdown > ## 招聘信息汇总（成都 · 思政教师 / 辅导员 / 国企党建岗） > > 更新时间：YYYY-MM-DD | 画像：27届马理论硕士 · 四川农大 · 成都 > > | # | 匹配度 | 岗位 | 单位 | 岗位类型 | 截止 | 本硕一致要求 | 链接 | > |---|--------|------|------|---------|------|------------|------| > | 1 | ⭐⭐⭐⭐⭐ 4.6 | 思政专任教师 | XX大学 | 思政教师 | 2027-03-15 | 未提及 | [查看]() | >

二、单岗位分类查询

当用户只想看某一类岗位时（如只看思政教师、只看国企党建）：

1. 加载 references/profile.md 和 references/sources.md
2. 仅使用与该岗位类型对应的数据源和关键词
3. 仍然按匹配度评分排序
4. 输出只包含该类型的表格

三类岗位的数据源映射：

三、批量汇总（含匹配度评分）

当需要一次性汇总多个来源的招聘信息：

1. 加载 references/sources.md 确定成都相关的全部数据源
2. 对每个数据源使用 web_fetch 抓取内容
3. 按归一化 schema 提取 → 满匹配度评分 → 按评分降序输出
4. 单独列出「本硕一致硬性要求」的高风险岗位

归一化 schema 已扩展匹配度字段：

{
  "id": "唯一标识",
  "title": "岗位标题",
  "organization": "招聘单位",
  "job_type": "sizheng_teacher | fudaoyuan | guoqi_dangjian | other",
  "location": "工作地点",
  "is_chengdu": true,
  "deadline": "截止日期",
  "detail_url": "详情链接",
  "match_score": 4.2,
  "match_details": {
    "location_score": 5,
    "job_match_score": 5,
    "major_match_score": 5,
    "edu_match_score": 5,
    "major_consistency_risk": "not_required",
    "deadline_score": 3
  },
  "requirements": {
    "education": "硕士及以上",
    "major": "马克思主义理论",
    "political_status": "中共党员",
    "major_consistency_required": false
  },
  "risk_flags": ["major_consistency_required", "phd_preferred"]
}

四、自动化部署（长期监控）

搭建自动化招聘信息监控系统，按以下步骤执行：

4.1 方案选择

推荐组合：C（RSS 优先）→ A（API 爬取）→ B（兜底）→ D（部署）

4.2 使用 Python 爬虫脚本

执行 scripts/aggregate.py 进行批量聚合：

# 默认模式：成都 + 用户画像 + 全部三类岗位
python3 scripts/aggregate.py --profile --location 成都

# 只看思政教师岗
python3 scripts/aggregate.py --profile --location 成都 --type sizheng_teacher

# 只看国企党建行政岗
python3 scripts/aggregate.py --profile --location 成都 --type guoqi_dangjian

# 输出 Markdown 报

告
python3 scripts/aggregate.py --profile --location 成都 --format markdown --output report.md

参数说明：
- --type: sizheng_teacher（思政教师）| fudaoyuan（辅导员）| guoqi_dangjian（国企党建行政）| all（全部）
- --profile: 启用用户画像匹配度评分（默认开启）
- --location: 工作地点过滤（默认：成都），支持 成都 全国 等
- --output: 输出文件路径
- --days: 仅抓取最近 N 天（默认 14）
- --format: json | csv | markdown
- --only-new: 仅输出本次新发现的岗位（基于 assets/job_store.jsonl 增量库）
- --source: 指定数据源 key（可用源见 assets/sources.json，高校人事处源 key 形如 univ_scu）

脚本会自动：
1. 读取 references/sources.md 筛选成都相关数据源
2. 依次请求各数据源
3. 解析 HTML/JSON 提取结构化招聘信息
4. 按用户画像计算匹配度评分
5. 去重并检出本硕一致要求的风险岗位
6. 按评分降序输出

五、单页面提取

对于单个招聘页面的信息提取：

1. 使用 web_fetch 获取页面内容
2. 自动提取关键字段：岗位名称、单位、地点、学历要求、专业要求、政治面貌、本硕一致要求、截止日期、联系方式
3. 自动计算该岗位对用户画像的匹配度
4. 输出结构化 JSON + 匹配度评分

六、通知推送

汇总完成后，默认输出为科技·简洁·白底风格的 HTML 报告（见 1.4）；也可通过以下方式推送结果：

1. HTML 报告（默认） — 基于 assets/report-template.html 生成本地 .html，浏览器直接打开
2. 企业微信文档 — 使用 企业微信文档 MCP 将结果写入智能表格
3. 企业微信消息 — 通过 wecom-unified skill 发送汇总消息
4. Markdown / JSON / CSV 文件 — 用户明确要求时输出对应格式
5. 邮件 — 通过 SMTP 发送汇总报告

七、用户特别注意事项（每次查询必检）

对每条招聘信息，额外检查以下与用户画像相关的风险点：

Resources

assets/report-template.html

默认最终交付用的 HTML 报告模板，科技·简洁·纯白底板风格，内置全部 CSS 与渲染引擎、无外部依赖。采用「纯 JSON 数据块 + 渲染引擎分离」设计：只需替换文件中 <script id="page-data" type="application/json"> 内的一段 JSON，页面即自动渲染（勿改 CSS 与渲染脚本）。JSON Schema 与填写规范见 1.4。

scripts/aggregate.py

Python 批量聚合脚本，支持按用户画像、地点、岗位类型过滤。直接执行即可，无需加载到上下文。

scripts/store.py

增量状态层：job_store.jsonl（跨运行去重、is_new 标记、连续 3 次未出现判定下线）与 source_health.json（数据源健康度，连续 3 次失败告警）。由 aggregate.py / ingest.py 自动调用，无需手工执行。

scripts/ingest.py

AI 补搜结果回流脚本：把 web_search 收录的岗位写入增量库，下次不再重复标记为「新」。

assets/sources.json

数据源外置配置（扩充真源）：聚合平台 + gov 人社渠道 + 第三方平台。新增数据源只需在此追加条目，无需改代码。

assets/university_hr_pages.json

成都高校人事处招聘页清单（26 所），驱动定向抓取器逐校扫描（univ_<key> 虚拟源）。enabled=false 可临时停用某校。

assets/job_store.jsonl / assets/source_health.json

运行时状态文件，由脚本自动维护，禁止手工编辑；如需重置增量基线可直接删除（下次运行重新全量入库）。

references/sources.md

完整数据源清单（含成都本地高校、国企、人社渠道），包含各平台 URL、API 特征和搜索策略。

references/profile.md

用户个人背景档案，包含教育经历、求职偏好、硬性条件和注意事项。