Recruiting Source Hunting

Get the real application link and current JD. The failure mode isn't "can't find it" — it's finding something wrong and writing it down with confidence.

Rule 0: Take it from where the data already is

🔴 别绕远路去全网搜，先看手上的结构化数据里有没有现成字段。

真实教训：用户要「每家公司都能点开直达投递页」。我二话不说跑去全网搜，被骂「蠢猪 / 搜啥啊 / 这表里不是有吗」—— 原始表里 536/539 条自带 applyUrl 字段，一行都没用上。

# 先解析原始表，看有哪些字段
s = open('原始表.html', encoding='utf-8').read()
i = s.find('const COMPANIES'); j = s.find('[', i)
data, _ = json.JSONDecoder().raw_decode(s[j:])
print(len(data), list(data[0].keys()))

🔴 grep 零命中 ≠ 里面没有。 我曾 grep name: 一无所获就下结论「原始表里没有公司名称」—— 实际字段名是 company。先打印一条记录看结构，再下判断。

Source tiers

按可靠性排序，从高往低查：

层级	来源	特点
1	公司自建招聘站（hr.g-bits.com、campus.geely.com、u.4399.com/hr）	最准，且常能直接抓到 JD 正文
2	高校就业网（career.*.edu.cn、*bysjy.com.cn、*91job.org.cn、*91job.org.cn）	官方公告原文，专业/学历/流程最准，常带内推码
3	第三方职位库（watchjobs.net、nowcoder.com、niuqizp.com）	JD 全文、内推码、截止日期
4	搜索引擎兜底	只在前三层都查不到时用

高校就业网的额外价值

一条招聘公告通常覆盖：面向对象 / 毕业时间要求 / 岗位类别 / 工作地点 / 招聘流程 / 投递方式（含 PC 端直达链接） / 联系邮箱。 一份公告顶十次搜索。而且同一条链接在三所不同高校就业网上一致，可信度就够高了。

企业招聘系统的 URL 参数

搜到官方链接时先看 URL 参数，里面常藏着内推码：

系统	参数	例
Moka	recommendCode=	?recommendCode=DS76qFFH
飞书招聘	spread=	&spread=MYEW6ZE
北森 zhiye	?KeyWords=	该页面常被搜索引擎收录完整 JD

Cross-verification before writing

🔴 单一来源不落笔。 找到链接后至少确认两件事：

1. 可达性：curl -sI -A "Mozilla/5.0" -L <url> 看状态码
   • 200 = 正常；302 = 重定向（正常）；403/404 = 不能用，换一个
2. 交叉验证：同一链接/信息在两处以上独立来源一致（如两所不同高校就业网）

抽查样本要覆盖新填的链接，别只抽查顺手的几个。

Don't fake it with fallback

🚫 搜索兜底不是答案。 用户要「全部都能打开」，给 467 家塞百度搜索链接 = 没干活。

• 先穷尽 tier 1-3
• 只有确认查不到的才走兜底
• 兜底数量要作为指标报出来（551 直达 / 4 邮箱 / 1 兜底），让用户一眼看出还有多少没补全

Uncertain company names

用户手打的公司名可能是缩写/错字（fmg = FMG时尚动势集团，51word = 51WORLD，虾皮 = Shopee）。

处理：

1. 先按名字搜，用上下文缩小范围（前后相邻的公司、行业、城市）
2. 交叉验证（官网 / BOSS直聘公司介绍 / 高校就业网公告）
3. 🔴 确认不了就直接问用户，别猜。猜错公司 = 后面所有筛选和链接全错

Red flags

• 🚫 跳过手上的结构化数据直接全网搜
• 🚫 拿搜索兜底当答案交差
• 🚫 单一来源就落笔
• 🚫 拿「需求人数」当「岗位数」（高校就业网常混用，差好几倍）
• 🚫 用过期 JD（看 URL 里的日期戳、页面发布日期）
• 🚫 猜公司名