job_radar

简体中文 · English · 日本語 · 한국어 · Español · Français · Deutsch · Русский

给你常用的 AI 助手，加一个找工作的技能。

你说想去哪里、做什么、有什么条件，助手帮你查中国校招、实习、社招与招聘日历，读岗位要求，再把候选和来源链接整理给你。适合应届生、在校实习生和寻找社招机会的求职者。

推荐通过 Agent 平台的技能或 MCP 接入，日常使用直接聊需求。 WorkBuddy、千问办公可从技能导入开始；Kimi 的本地 Agent 模式、Claude Desktop、ChatGPT 等按客户端能力选择接入路径。扣子、智谱清言等平台的适用条件见平台说明。首次按平台提示准备工具和数据，之后不用记命令或参数。

快速开始 · 查询示例 · 数据与覆盖 · 使用文档 · 参与贡献

你可以这样问

“苏州、无锡都可以，帮我找财务校招；排除上海，把2027届明确匹配和届次没写的分开。”

“帮我比较这几个岗位的学历要求，字段与正文有冲突的请指出依据。”

“看看招聘日历里哪些项目有明确网申窗口，哪些还需要去官网确认。”

_{流程示意采用实际工具返回的结果节选，非第三方客户端录屏。原始数据时间与演示范围见素材说明；播放节奏不代表查询耗时，候选不等于资格已确认。}

为什么用 job_radar

快速开始

1. 打开你常用助手中支持技能或本地工具的 Agent 工作模式。 不确定选哪个？先看平台接入说明。

2. 把这段话发给它，跟随平台提示完成首次接入。

请帮我接入这个仓库里的 jobradar 求职搜索技能：
https://github.com/lijiaqi-AI-Product-Manager/job_radar
先阅读接入说明，检查当前平台是否支持；完成后，帮我找上海的产品实习，列
出岗位要求、来源链接和已注明的截止日期，没写清的信息单独说明。

需要上传文件时，从当前代码 Release下载 jobradar-skill.zip，或导入仓库的 skill/jobradar 文件夹。技能包内有助手需要的准备步骤；导入说明后仍需安装查询工具和下载数据。

3. 之后直接说需求，也可以继续追问。

“换成深圳，还是产品实习。把没写截止日期的单独列出来。”

成功接入后，助手应实际查询并给出候选、来源链接和数据时间。普通网页聊天或只接受远程服务地址的模式可能需要换用兼容入口；不能只凭读过仓库介绍就当作已经接入。完整首次使用指南中有说明。

Skill 是助手的求职查询说明，MCP 是它调用工具的连接方式，选平台支持的一种即可。查询工具不需要单独的 API key；你使用的助手可能按其套餐收费。项目不要求上传简历，不代投。

需要 Python 3.11+，支持 Windows、macOS 和 Linux：

python -m pip install --upgrade "jobsearchradar[mcp]==2.2.2"
jobradar update
jobradar doctor

在兼容客户端添加本地 stdio 服务，具体顶层字段以客户端界面为准：

{
  "mcpServers": {
    "jobradar": {
      "command": "jobradar-mcp"
    }
  }
}

客户端需能找到安装环境里的可执行文件，找不到时使用其绝对路径。自定义数据目录时，在服务 env 中设置同一 JOBRADAR_HOME。技能路径也可按查询工作流直接调用本地工具，无需同时配置 MCP。

包名为 jobsearchradar，命令为 jobradar / jobradar-mcp。首次更新需联网下载岗位、正文与日历三库，需预留下载和解压空间；下载后本地查询可离线使用。后续让助手检查并更新快照；默认目录为 ~/.cache/jobradar。只用终端可安装 jobsearchradar==2.2.2。

当前推荐默认的 GitHub 数据渠道；Gitee 与 npm 的核查状态见安装渠道。安装与排错提供环境检查和固定源码备用方式。

查询示例

日常使用可直接说“找上海算法实习”“看看这周新开的岗位”“对比这几家公司的要求”。下面的命令供助手和终端使用者参考。

按条件找岗位

# 公司 + 招聘类型 + 届次
jobradar search --company 复星医药 --type campus --grad-year 2027 --limit 3 --table

# 搜索标题与 JD 正文，多个词共同匹配
jobradar search --text "PyTorch 大模型" --type campus --limit 3 --table

# 城市、职类与去重
jobradar search --city 上海 --category 算法 --type intern --dedupe --table

# 可选城市取并集，排除含上海的多城市记录
jobradar search --cities 苏州 无锡 --exclude-city 上海 --category 财务 --table

查看日历与最近变化

jobradar calendar --group 阿里巴巴 --grad-year 2027 --table
jobradar diff --days 7 --types open --table
jobradar diff --days 7 --by category --company 腾讯
jobradar trends 美团 --step-days 7

省略 --table 即输出 JSON，便于脚本处理。用 jobradar show <job_id> 查看单岗详情与 JD；用 jobradar doctor 检查本地数据状态。更多参数见 jobradar --help 与 字段说明。

CLI / MCP 默认折叠相同展示分组，variants 保留原条数；查看全部记录用 --no-dedupe。
按届次或截止日筛选时，即使有结果也会提示未标注字段的范围。未知候选与明确匹配分别说明，不能把关键词命中当作资格保证。详见个人条件查询。

助手可以调用哪些能力

提供搜索、单岗详情、近期变化、职类新增、公司对比、趋势、数据状态、招聘日历和统计 9 个工具。技能与 MCP 两种接入方式共用查询规则；首次接入见快速开始。

薪资、经验、每周实习天数和远程等精细条件需要读取详情逐条核实，不能将全文词语命中直接写成“满足要求”。缺失日期和资格条件会保留未知。更多示例见个人条件查询。

数据与覆盖

配置统计 · 2026-11-03

已核验发布快照 · 2026-11-02T14:39:29Z

共 298,631 条岗位记录，其中 277,567 条在招记录；在招 JD 正文覆盖率 97.3%。招聘日历样本共 5,135 条，含 2,078 条人工整理条目。这是有日期的历史快照，实时规模以本地 jobradar stats 和最新 数据 Release 为准。

配置覆盖不等于当天在招；聚合招聘简章可能对应多个岗位，不能按单个职位理解。日期缺失保留为空，学校公告展示截止日与企业网申截止日分别处理。更多口径、可复算命令与已知限制见 覆盖说明。

GitHub Actions 定时采集并发布 data-latest，CLI 下载快照后在本地查询。失败抓取不会直接导致岗位下架。数据规模、源可用性和字段完整性随发布变化，使用时应核对 data_as_of 和原始链接。

2.1 默认直接查询兼容快照，已有 FTS5 trigram 索引时继续复用。需要反复全文检索时，可用 jobradar update --prepare-index 在新快照中准备索引，完成后再切换活动数据。详见 发布与兼容性。

项目如何运行

flowchart LR
    A["公开招聘来源"] --> B["合规检查 · 27 个适配器"]
    B --> C["归一化 · 去重 · 状态事件"]
    C --> D["GitHub Release / SQLite 快照"]
    E["人工核验的招聘日历"] --> D
    D --> F["本地 CLI"]
    D --> G["MCP"]
    F --> H["筛选 · 检索 · 分析"]
    G --> H

采集运行在 GitHub Actions，查询运行在你的电脑上。核心查询集中在一处，CLI 与 MCP 共享相同筛选规则。

一起把它做好

欢迎补充公开招聘源、修正公司归属与招聘日期、改进适配器、提交可复现的问题，或完善翻译。

git clone https://github.com/lijiaqi-AI-Product-Manager/job_radar.git
cd job_radar
uv sync --frozen --all-extras
uv run pytest
uv run ruff check .

从 贡献指南、开发规范 和 路线图 开始。问题反馈请附原始提问或操作步骤、数据时间与来源链接；如知道所用客户端，也请一并说明，帮助维护者快速定位。

如果它帮你少翻了几个招聘网站，欢迎 Star，也欢迎分享给正在找工作的朋友。

文档与许可

文档索引 · 常见问题 · 覆盖说明 · 更新日志 · 合规声明

代码采用 MIT License。招聘文本与来源站点内容的权利归原权利人；代码许可不构成对第三方内容的额外授权。项目只访问允许公开读取的内容，不绕过登录、验证码或访问限制。详见 数据使用说明。

项目增长

Star 历史每天自动更新。更新日期采用 UTC，Star 日期沿用 GitHub 聚合口径。 同时展示 PyPI 每日下载请求量。

下载请求包含重复与自动化访问，不等于独立用户或活跃用户。

数据来源与统计口径