/linkedin-search — LinkedIn 候选人搜索
根据用户的搜索要求，使用 Chrome DevTools MCP 自动搜索 LinkedIn 候选人，保存档案到 ./linkedin-save/{role}/ 目录，防止重复扫描。
参数分层
用户的自然语言查询条件必须明确分为两层，在 PRE-CHECK 通过后、开始搜索前完成拆解：
第一层：搜索参数（硬嵌入搜索 query）
这两类条件直接决定 Google/LinkedIn 的搜索字符串，不满足则无法检索：
| 参数 | 说明 | 示例 |
|---|---|---|
| 职位关键词 | 必须出现在 query 中 | presales solution architect |
| 地点 | 城市或国家，必须出现在 query 中 | hanoi / vietnam |
构建搜索 query 时直接拼入：
site:linkedin.com/in/ ("presales" OR "pre-sales") "cloud" "hanoi"第二层：LLM 分析参数（获取 profile 内容后由 LLM 推断）
这类条件无法在搜索阶段过滤，必须等拿到 profile 文本后，由 LLM 阅读并推断：
| 参数 | 硬/软 | 推断方式 |
|---|---|---|
| 云经验年限（≥5年） | 硬性 | 累加各段 cloud 相关工作经历时长 |
| 总工作经验（≤15年） | 硬性 | 推算首份工作起始年份 → 至今年数 |
| 售前经历明确 | 硬性 | 职位名含 presales/pre-sales/solution consultant 或 bio 有描述 |
| 公有云经验 | 软性 | 工作经历提及 AWS/Azure/GCP/OCI/VNG/Viettel Cloud 等 |
| 私有云经验 | 软性 | 工作经历提及 OpenStack/VMware/私有化部署/on-premise cloud |
LLM 推断规则：
- 时长不足以判断时，标注
unknown，match_level 降为 B 或 C - 所有硬性条件均满足 → A；部分满足或有一项 unknown → B；仅 URL，内容极少 → C
运行时环境要求
执行本 skill 前，必须满足以下所有条件。在正式开始搜索前，依次完成 PRE-CHECK 检查；任一条件不满足时，立即输出修复提示并停止执行。
条件一：Chrome 调试会话已启动
Chrome 必须以远程调试模式运行在 端口 9222，且使用带有 LinkedIn 登录态的用户配置文件。
验证方法： 调用 mcp__chrome-devtools__list_pages，若返回页面列表则通过。
不满足时的提示：
❌ Chrome 调试会话未就绪
请在终端执行以下步骤：
1. 关闭当前所有 Chrome 窗口（或强制退出）：
pkill -9 -f "Google Chrome"
2. 复制登录态配置文件（首次使用时执行）：
mkdir -p /tmp/chrome_debug_profile
cp -r ~/Library/Application\ Support/Google/Chrome/Default/{Cookies,"Login Data","Web Data",Preferences,"Local State"} \
/tmp/chrome_debug_profile/ 2>/dev/null
3. 以调试模式启动 Chrome：
nohup "/Applications/Google Chrome.app/Contents/MacOS/Google Chrome" \
--remote-debugging-port=9222 \
--user-data-dir="/tmp/chrome_debug_profile" \
--no-first-run --disable-sync \
> /tmp/chrome_debug.log 2>&1 &
4. 等待 3 秒后重新执行 /linkedin-search条件二：LinkedIn 已登录
浏览器中必须有已登录 LinkedIn 的会话（用于访问个人档案和内部搜索）。
验证方法： 导航至 https://www.linkedin.com/feed/，执行脚本检查：
() => document.querySelector('.global-nav__me-photo') !== null ||
document.querySelector('[data-control-name="nav.homepage"]') !== null ||
!document.URL.includes('/login')返回 true 则通过。
不满足时的提示：
❌ LinkedIn 未登录
请在 Chrome 浏览器中手动登录 LinkedIn：
1. 在已打开的 Chrome 窗口中访问 https://www.linkedin.com
2. 完成登录（账号/密码或验证码）
3. 确认进入 LinkedIn 主页 feed 后，重新执行 /linkedin-search条件三：linkedin-save 目录存在
./linkedin-save/ 目录必须存在于当前工作目录下。
验证方法：
ls ./linkedin-save/ 2>/dev/null || echo "MISSING"不满足时的提示：
❌ linkedin-save 目录不存在
正在自动创建...（执行 mkdir -p ./linkedin-save）此条件由 skill 自动修复，无需用户干预。
条件四：当前工作目录正确
Skill 在 /Users/junye/project/test-case/linkedin-zp 下执行，档案相对路径才正确。
验证方法：
pwd不满足时的提示：
❌ 当前工作目录不匹配
当前目录：{实际pwd结果}
期望目录：/Users/junye/project/test-case/linkedin-zp
请在正确目录下重新打开会话，或确认 linkedin-save 目录的实际位置。PRE-CHECK 执行顺序
[1] 检查 Chrome 调试会话 → 失败则输出提示，停止
[2] 检查 LinkedIn 登录态 → 失败则输出提示，停止
[3] 检查/创建 linkedin-save → 自动修复
[4] 检查当前工作目录 → 不匹配则警告（不强制停止）
[5] 拆解用户查询 → 分层输出第一层/第二层参数
[6] 读取已扫描 URL 集合 → 正常继续
✅ 全部通过 → 开始搜索[5] 拆解输出示例：
🔍 搜索参数拆解结果：
【第一层 — 搜索 Query（硬嵌入）】
职位关键词：presales solution architect / pre-sales / solution consultant
地点：hanoi, vietnam
【第二层 — LLM 分析条件（profile 获取后推断）】
硬性：云经验 ≥ 5年 / 总经验 ≤ 15年 / 售前明确
软性：公有云经验优先 / 私有云经验加分
目标候选人数：20人
保存目录：./linkedin-save/presales-architect/执行步骤
执行前必须完成上方 PRE-CHECK（含参数分层），全部通过后再执行以下步骤。
STEP 0 — 确定保存目录，读取已扫描 URL（防重复）
根据职位关键词确定子目录：
| 职位类型 | 目录 |
|---|---|
| 售前架构师 / Presales Architect | ./linkedin-save/presales-architect/ |
| 解决方案架构师 / Solution Architect | ./linkedin-save/solution-architect/ |
| 云销售 / Cloud Sales | ./linkedin-save/cloud-sales/ |
| 其他 | ./linkedin-save/general/ |
读取已扫描 URL（用于后续去重跳过）：
grep -h "^url:" ./linkedin-save/{role_dir}/*.md 2>/dev/null | awk '{print $2}'STEP 1 — 搜索候选人 URL（Google → LinkedIn 内部）
使用第一层参数（职位关键词 + 地点）直接构建搜索 query。
优先：Google site 搜索
搜索策略依次尝试（将 {职位} 和 {地点} 替换为实际第一层参数）：
# A: 精确职位
site:linkedin.com/in/ ("presales" OR "pre-sales") "cloud" "{地点}"
# B: 扩展职位变体
site:linkedin.com/in/ "solution architect" "cloud" "presales" "{地点}"
# C: 按目标公司
site:linkedin.com/in/ ("presales" OR "solution architect") "cloud" ("FPT" OR "Viettel" OR "VNPT" OR "CMC" OR "AWS" OR "Oracle") "{地点}"翻页：URL 加 &start=10、&start=20。
提取 Google 结果 JS：
() => {
const out = [];
document.querySelectorAll('h3').forEach(h3 => {
const block = h3.closest('.g') || h3.closest('[data-hveid]') || h3.closest('[jscontroller]');
const a = block && block.querySelector('a[href*="linkedin.com/in/"]');
if (a) out.push({
url: a.href.split('?')[0].replace(/^https?:\/\/[a-z]+\.linkedin\.com/, 'https://www.linkedin.com'),
title: h3.innerText,
snippet: block ? block.innerText.slice(0, 300) : ''
});
});
return out;
}备用：LinkedIn 内部搜索（当 Google 结果不足时）
将第一层参数拼入 URL（{keywords} = 职位关键词，{geoUrn} = 地点对应 ID）：
https://www.linkedin.com/search/results/people/?keywords={keywords}&geoUrn=%5B%22{geoUrn}%22%5D&origin=FACETED_SEARCH&page=N常用 geoUrn：
- 越南 Vietnam：
104195383 - 河内 Hanoi：
104195383（越南范围，无单城市 ID） - 胡志明市 HCM：
104195383
提取 LinkedIn 搜索结果 JS：
async () => {
const sleep = ms => new Promise(r => setTimeout(r, ms));
for (let y = 0; y <= 5000; y += 300) { window.scrollTo(0, y); await sleep(150); }
await sleep(2000);
return Array.from(document.querySelectorAll('a[href*="/in/"]'))
.map(a => ({ href: a.href.split('?')[0], text: a.innerText.trim().slice(0, 200) }))
.filter(l => /linkedin\.com\/in\/[^/]+\/?$/.test(l.href) && l.text.length > 3)
.filter((v, i, a) => a.findIndex(x => x.href === v.href) === i);
}STEP 2 — 逐一访问档案（跳过已扫描），LLM 分析第二层条件
对每个新 URL：
navigate_page（允许超时，继续执行）- 执行滚动+提取脚本获取原始文本：
async () => {
const sleep = ms => new Promise(r => setTimeout(r, ms));
for (let y = 0; y <= 8000; y += 300) { window.scrollTo(0, y); await sleep(200); }
await sleep(2000);
const t = document.body.innerText;
const ei = t.indexOf('工作经历');
return {
header: t.slice(0, 2500),
exp: ei > -1 ? t.slice(ei, Math.min(ei + 4000, t.length)) : '',
url: location.href.split('?')[0]
};
}- LLM 分析第二层条件（根据 header + exp 文本推断）：
分析目标（逐项推断，无法判断则填 unknown）：
- cloud_years：累加含 AWS/Azure/GCP/OCI/云 字样的工作段时长
- total_years：推算最早工作年份 → 至今
- presales：职位名或 bio 是否含 presales/pre-sales/solution consultant/售前
- public_cloud：是否有 AWS/Azure/GCP/OCI/公有云 经历
- private_cloud：是否有 OpenStack/VMware/私有化/on-premise 经历
- match_level：
A = 地点✅ + cloud_years≥目标 + total_years≤上限 + presales✅
B = 上述条件部分可验证 / 有一项 unknown
C = 仅 URL 或内容极少，需人工核实- 立即保存档案 → STEP 3
STEP 3 — 保存档案（URL 必存，内容尽力）
文件路径：./linkedin-save/{role_dir}/{linkedin_id}.md 其中 linkedin_id = URL 最后一段，例如 nguyen-the-hung-70725b1b
档案格式（最小化版，仅 URL 时）：
---
name: unknown
url: {完整LinkedIn URL}
location: unknown
current_role: unknown
cloud_years: unknown
total_years: unknown
public_cloud: unknown
private_cloud: unknown
presales: unknown
match_level: C
scanned_date: {YYYY-MM-DD}
---档案格式（有内容时，LLM 推断填充）：
---
name: Nguyen The Hung
url: https://www.linkedin.com/in/nguyen-the-hung-70725b1b/
location: Hanoi, Vietnam
current_role: Customer Solution Consultant – GCP @ Google
cloud_years: 8
total_years: 15
public_cloud: true
private_cloud: true
presales: true
match_level: A
scanned_date: 2026-04-28
---
## 摘要
{LLM 对第二层条件的2-3句评估说明}
## 工作经历
{从页面提取的工作经历文本}STEP 4 — 循环直到达标
统计 match_level 为 A 或 B 的档案数量：
grep -l "match_level: [AB]" ./linkedin-save/{role_dir}/*.md 2>/dev/null | wc -l未达目标则切换搜索词继续（仍只改第一层参数变体，第二层条件不变）：
- 职位变体：
"technical presales"/"pre-sales engineer"/"solution consultant" - 地点不变，但可加公司名替换地点做补充：
FPT/Viettel/CMC/VNPT/Noventiq
输出汇总
完成后输出：
## 候选人汇总 — {职位}，{地点}
【搜索条件】职位: presales solution architect | 地点: hanoi
【分析条件】云经验≥5年 | 总经验≤15年 | 售前明确 | 公有云优先
| # | 姓名 | 职位@公司 | 云年限 | 总年限 | 公有云 | 私有云 | 售前 | 级别 | 链接 |
|---|------|-----------|--------|--------|--------|--------|------|------|------|
| 1 | Nguyen The Hung | GCP Consultant @ Google | 8yr | 15yr | ✅ | ✅ | ✅ | A | [🔗](url) |
...
A级: N人 | B级: N人 | C级: N人（待核实）
已保存至 ./linkedin-save/presales-architect/（共 N 个档案）注意事项
- URL 必存：哪怕页面完全空白，也要保存含 URL 的最小档案
- 3度墙：3度好友工作经历节不可见，LLM 仅凭 header/bio 推断，标记 C 级，
exp字段留空 - 导航超时：超时后继续执行滚动脚本（页面可能已部分加载）
- 重复检测：每次保存前 grep 检查 URL 是否已存在，跳过已扫描
- 速率：每个档案访问后自然等待（滚动脚本本身约需4秒）
- 第一层不可协商：地点和职位关键词必须进 query，不能只靠 LLM 事后过滤