每天自动筛招聘网站并把匹配岗位推到Telegram

原文要点

这是n8n.io上的免费模板（作者Oleksii Vasyliev）：定时器每天09:00触发，读取配置节点里的目标地区、个人简介、关键词、Telegram聊天ID；抓取用户配置的Ashby、Greenhouse、Lever公司招聘页，可选叠加Jobicy和Himalayas关键词搜索；统一格式、合并去重后按地区、职位名、排除初级岗位做低成本过滤，只保留历史未见过的新岗位并限制单次处理数量；再经LangChain LLM链调用Anthropic Claude输出fit、1至10分和一句理由，调用失败时标记unjudged；最后向Telegram发运行摘要并逐条推送达标岗位，Jobicy和Himalayas条目必须附via来源链接。

这次做成什么

在本站照做搭好这条招聘筛选流水线：定时触发→抓取多个ATS招聘页与聚合站→去重过滤→Claude打分→Telegram推送，并准备好可直接粘贴的配置对象、打分提示词和一条测试岗位数据。模板本身免费，Anthropic模型调用另计费。

准备什么

• 一个可登录的n8n实例（云端或自托管均可），并能从模板页导入该工作流
• Anthropic API密钥，在n8n凭据中新建Anthropic类型凭据
• 用@BotFather创建的Telegram机器人token，以及你本人账号的chat ID（可先发一条消息再用getUpdates查到）
• 一段100至300字的个人求职简介，写清硬性条件如地区、年限、技术栈

具体怎么做

1. 导入模板并挂凭据

   在n8n工作流列表用模板页导入该工作流。打开调用Claude的LangChain LLM链节点，把模型凭据切到你新建的Anthropic凭据；打开Telegram发送节点，新建Telegram凭据并填入机器人token。此时先不要激活定时器。

2. 填写Configure me配置节点

   找到名为Configure me的配置节点，替换：telegramChatId填你的chat ID；profile粘贴个人简介；minScore设首次建议7；maxPerRun建议先设5避免刷屏；allowedRegion填目标地区字符串；companies数组按{company, ats, slug}逐行填公司，ats只能是ashby、greenhouse或lever，slug是公司招聘页URL里的标识；useAggregators为true时再填Jobicy/Himalayas关键词。本站示例配置见下方材料，需整段替换。

3. 手动跑一次验证抓取与去重

   点手动执行。确认抓取节点能从你填的slug拉到岗位JSON，规范化节点把不同来源统一成同一字段结构（标题、公司、地区、链接、描述、来源名），合并去重后每个岗位只出现一次。若某公司slug拉不到数据，先单独修这一行再继续。

4. 验证过滤分支

   检查低成本过滤节点：地区不匹配、职位名不匹配过滤正则、标题含junior/intern的岗位应被分流丢弃；之前执行见过的岗位不再进入后续；本轮处理数量不超过maxPerRun。用下方测试数据核对分流结果。

5. 验证Claude打分与unjudged兜底

   确认LLM链对每个通过过滤的岗位输出结构化结果：fit布尔值、1至10分score、一句理由。故意把凭据改错跑一次，应看到岗位被标记为unjudged而不是整条流报错中断，验证后改回正确凭据。

6. 确认Telegram输出并激活定时

   确认先收到一条运行摘要，再逐条收到达标（含unjudged）岗位消息，Jobicy和Himalayas条目带via来源链接。全部通过后激活Schedule Trigger（默认每天09:00，可改时间）。

可直接复制的材料

{
  "telegramChatId": "123456789",
  "profile": "5年后端工程师，主用Go和PostgreSQL，只考虑远程或上海岗位，年薪期望45万以上，不接受外包和初级岗位。",
  "minScore": 7,
  "maxPerRun": 5,
  "allowedRegion": "Remote",
  "useAggregators": true,
  "feedKeywords": ["backend engineer", "golang"],
  "companies": [
    { "company": "Example Robotics", "ats": "ashby", "slug": "examplerobotics" },
    { "company": "Demo Cloud", "ats": "greenhouse", "slug": "democloud" },
    { "company": "Sample Labs", "ats": "lever", "slug": "samplelabs" }
  ]
}

你是招聘匹配评估员。根据下面的求职者简介和岗位信息，判断该岗位是否值得投递。

求职者简介：
{{profile}}

岗位信息：
公司：{{company}}
职位：{{title}}
地区：{{location}}
描述：{{description}}

只输出JSON，不要输出其他文字，格式严格为：
{"fit": true或false, "score": 1到10的整数, "reason": "一句话中文理由"}

评分规则：满足简介中全部硬性条件（地区、年限、技术栈、薪资下限）才给7分以上；任一硬性条件不满足给4分以下；信息不足以判断的给5分并在reason里说明缺什么。

[
  {"title": "Senior Backend Engineer", "company": "Example Robotics", "location": "Remote", "url": "https://jobs.example.com/1", "source": "ashby", "description": "Go microservices, 5+ years"},
  {"title": "Junior Backend Engineer", "company": "Demo Cloud", "location": "Remote", "url": "https://jobs.example.com/2", "source": "greenhouse", "description": "entry level Go"},
  {"title": "Staff Go Engineer", "company": "Sample Labs", "location": "Berlin onsite only", "url": "https://jobs.example.com/3", "source": "lever", "description": "Go, distributed systems"}
]

输入与输出示例

本站虚构演示，未真实调用Claude或发送Telegram；实际分数与理由由模型现场生成，可能不同。

输入

用上方测试数据三条岗位手动执行一次，profile为示例配置里的5年Go后端、只要远程、minScore=7。

对应输出

过滤后仅第1条进入LLM链。Claude返回{"fit": true, "score": 8, "reason": "满足远程、5年Go经验和技术栈要求，描述未提薪资故未给满分"}。Telegram先收到摘要“本轮抓取3条，过滤后1条，达标推送1条”，再收到一条岗位消息：Senior Backend Engineer @ Example Robotics，匹配8/10，附岗位链接。第2条因junior被丢弃，第3条因onsite被丢弃。

做完检查这些

• 手动执行后三个ATS来源各能拉到岗位并被规范化为统一字段，合并后同一岗位只出现一次
• 故意改错Anthropic凭据重跑，岗位被标记为unjudged且流程不中断，Telegram仍能收到兜底消息
• minScore设为7时只有score大于等于7或unjudged的岗位逐条推送到Telegram，且先收到一条运行摘要
• Jobicy或Himalayas来源的推送消息里带有via来源链接，激活定时器后次日09:00自动运行一次

容易卡住的地方

• slug必须取自公司招聘页URL且ats类型填错（ashby/greenhouse/lever三者之一）会抓不到数据，先逐行验证再加新公司
• Anthropic模型调用按量计费，maxPerRun设大或公司清单很长会显著增加每次运行成本，模板免费不代表模型免费
• 过滤依赖地区字符串与职位名正则，岗位写Remote - EU这类变体可能误杀，需要按实际数据调整过滤模式
• 未先手动跑通就激活定时器，会把大量不匹配岗位在09:00一次性推到Telegram