job_radar
给 AI 助手的求职搜索技能:中国校招、实习、社招与招聘日历。自然语言提问,获取岗位要求、来源链接与投递入口;支持 Skill / MCP。
Install / Use
claude mcp add lijiaqi-AI-Product-Manager -- npx -y github:lijiaqi-AI-Product-Manager/job_radarIf the server publishes to npm under a different name, use that package instead — check the repo README.
MCP Server
Model Context Protocol server
Quality Score
Category
Data & AnalyticsSupported Platforms
Our assessment of job_radar
job_radar scores 84/100 on our quality scale, 470th of 598 Data & Analytics skills we index.
Its MCP Server is 12 KB long, well organised into 14 sections with 7 code examples: a thorough specification that gives an agent plenty to work with.
It has 46 GitHub stars, so there is little community track record yet; judge it on its content.
Maintenance, license and trust
- The repository was last updated today, so job_radar is actively maintained.
- It is released under the MIT license, a permissive license that allows use, modification and commercial use with attribution.
- Its trust signals score 92/100, with 1 caution from licensing, adoption, age or documentation. These come from repository metadata, not a code audit — read the skill file before letting an agent act on it.
job_radar compared with similar skills
All 4 of these similar skills score higher than job_radar; compare them before choosing.
| Skill | Score | Stars | Updated | Format |
|---|---|---|---|---|
| job_radar (this skill)by lijiaqi-AI-Product-Manager | 84 | 46 | today | MCP Server |
| claude-memby thedotmack | 100 | 113.9k | today | CLAUDE.md |
| Agent-Reachby Panniantong | 100 | 109.6k | today | CLAUDE.md |
| headroomby headroomlabs-ai | 100 | 79.0k | today | CLAUDE.md |
| CowAgentby zhayujie | 100 | 47.8k | today | CLAUDE.md |
Frequently asked questions
- How do I install job_radar?
- Run
claude mcp add lijiaqi-AI-Product-Manager -- npx -y github:lijiaqi-AI-Product-Manager/job_radar. The install tabs above show the steps for each supported agent. - Which AI agents does job_radar work with?
- It is written for Claude Code and Claude Desktop, as a MCP Server file. Other agents that read the same format can often use it too.
- Is job_radar safe to use?
- It is MIT-licensed and scores 92/100 on trust signals. Skills are instructions an agent will follow, so read the file before installing it and do not approve commands you do not understand.
- Is job_radar still maintained?
- The repository was last updated today, so job_radar is actively maintained.
Skill content
View source on GitHub

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。
<p align="center"> <a href="#快速开始">快速开始</a> · <a href="#查询示例">查询示例</a> · <a href="#数据与覆盖">数据与覆盖</a> · <a href="https://github.com/lijiaqi-AI-Product-Manager/job_radar/blob/main/docs/README.md">使用文档</a> · <a href="https://github.com/lijiaqi-AI-Product-Manager/job_radar/blob/main/CONTRIBUTING.md">参与贡献</a> </p>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。”

<sub>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。</sub>
为什么用 job_radar
| 你想做的事 | 项目提供的能力 | | :--- | :--- | | 找到适合自己的岗位 | 多城市并集,排除城市、公司和标题词;按招聘类型、职类与毕业年份组合筛选 | | 阅读真正的岗位要求 | 搜索标题与 JD 原文,保留原始招聘链接 | | 跟上招聘节奏 | 招聘日历、网申窗口,以及开岗 / 变更 / 下架历史 | | 沿用熟悉的助手 | 完成首次接入后,用自然语言提问、补充条件和比较候选 | | 减少重复翻找 | 在同一工作流中查询岗位、原始要求、近期变化与招聘日历 | | 判断信息是否可靠 | 官方与聚合来源分开标注,提示字段缺失与学历冲突,统计可复算 |
快速开始
代码包与招聘数据分开下载。正文采用无损精简存储,默认自动清理无读者的旧快照;全部岗位关联和观测时间保留。下载与空间说明。
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。
<details> <summary><strong>手动安装与本地 MCP 配置(给负责配置的人或助手)</strong></summary>需要 Python 3.11+,支持 Windows、macOS 和 Linux:
python -m pip install --upgrade "jobsearchradar[mcp]"
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。
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。
</details>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。
<details> <summary><strong>查看命令与参数示例</strong></summary>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 · 2026-11-05
| 指标 | 当前值 | 含义 | | :--- | ---: | :--- | | 启用数据源 | 2,230 | 启用的源配置 | | 配置公司 | 2,199 | 启用源对应的去重公司 | | 采集适配器 | 27 | 共享平台与自研站适配器 | | 核心目标覆盖 | 944 / 1,655 · 57.04% | 固定目标池中的配置覆盖 | | 其中官方 / 聚合 | 598 / 346 | 优先按官方归类,不重复计数 |
已核验发布快照 · 2026-11-05T08:58:42Z
共 346,273 条岗位记录,其中 320,353 条可见记录;对应 JD 正文覆盖率 97.6%。招聘日历样本共 5,612 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。
<details> <summary><strong>数据文件与更新机制</strong></summary>| 文件 | 内容 |
| :--- | :--- |
| jobs.db | 结构化岗位、状态与变更事件 |
| jd_text.db | 岗位职责与任职要求原文 |
| calendar.db | 招聘项目、届次、方向、窗口与来源 |
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。
<!-- project-growth:start -->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。
<a href="https://github.com/lijiaqi-AI-Product-Manager/job_radar/stargazers"> <picture> <source media="(max-width: 600px) and (prefers-color-scheme: dark)" srcset="https://raw.githubusercontent.com/lijiaqi-AI-Product-Manager/lijiaqi-AI-Product-Manager/main/assets/growth/job_radar/stars-mobile-dark.svg"> <source media="(max-width: 600px)" srcset="https://raw.githubusercontent.com/lijiaqi-AI-Product-Manager/lijiaqi-AI-Product-Manager/main/assets/growth/job_radar/stars-mobile-light.svg"> <source media="(prefers-color-scheme: dark)" srcset="https://raw.githubusercontent.com/lijiaqi-AI-Product-Manager/lijiaqi-AI-Product-Manager/main/assets/growth/job_radar/stars-dark.svg"> <img src="https://raw.githubusercontent.com/lijiaqi-AI-Product-Manager/lijiaqi-AI-Product-Manager/main/assets/growth/job_radar/stars-light.svg" width="960" alt="job_radar · GitHub Star 历史"> </picture> </a> <a href="https://pypistats.org/packages/jobsearchradar"> <picture> <source media="(max-width: 600px) and (prefers-color-scheme: dark)" srcset="https://raw.githubusercontent.com/lijiaqi-AI-Product-Manager/lijiaqi-AI-Product-Manager/main/assets/growth/job_radar/downloads-mobile-dark.svg"> <source media="(max-width: 600px)" srcset="https://raw.githubusercontent.com/lijiaqi-AI-Product-Manager/lijiaqi-AI-Product-Manager/main/assets/growth/job_radar/downloads-mobile-light.svg"> <source media="(prefers-color-scheme: dark)" srcset="https://raw.githubusercontent.com/lijiaqi-AI-Product-Manager/lijiaqi-AI-Product-Manager/main/assets/growth/job_radar/downloads-dark.svg"> <img src="https://raw.githubusercontent.comTruncated for display — read the full file on GitHub.
Related Skills
claude-mem
113.9kPersistent Context Across Sessions for Every Agent – Captures everything your agent does during sessions, compresses it with AI, and injects relevant context back into future sessions. Works with Claude Code, OpenClaw, Codex, Gemini, Hermes, Copilot, OpenCode + More
Agent-Reach
109.6kGive your AI agent eyes to see the entire internet. Read & search Twitter, Reddit, YouTube, GitHub, Bilibili, XiaoHongShu — one CLI, zero API fees.
headroom
79.0kCompress tool outputs, logs, files, and RAG chunks before they reach the LLM. 20% fewer tokens for coding agents, 60-95% fewer tokens for JSON, same answers. Library, proxy, MCP server.
CowAgent
47.8kOpen-source personal AI assistant & Agent Harness. Plans tasks, runs tools and skills, self-evolves with memory and knowledge. Multi-agent, multi-model, multi-channel. Lightweight, extensible, one-line install.
Languages
Trust signals
From repository metadata: license, adoption, age and documentation. Not a code audit — see the Safety scan above for what the skill file itself contains.
