elliottdehn/open-jobs

解决的问题

Open Jobs 解决了求职网站上“幽灵职位”和过期信息的问题。许多求职网站为了维持热度而保留已失效的职位，导致求职者难以判断哪些职位真正开放。本项目通过直接爬取公司职业网站，并根据职位的实际发布时间与行为进行评级，从而识别出真实且活跃的职位。

运作方式

该系统使用大规模爬虫（利用 Cloudflare Durable Objects）每日监控 65,000 个公司职业网站。它会记录职位首次出现的确切日期，以防止“重新盖章”（即公司声称职位比实际发布时间更新）。

每晚的批处理程序会训练薪资、资历和工作安排的估算模型，并建立搜索索引。该索引使用嵌入技术（1536 维向量）将 310 万个职位组织成相似职位群组。当用户搜索时，其请求会被嵌入，最接近的职位群组会被下载到用户的机器上进行本地排序与筛选，确保隐私。

目标对象

希望避免在过期或虚假职位上浪费时间的求职者，以及可用于自动化求职与筛选流程的 AI 代理（如 Claude Code 或 Cursor）。

特色亮点

• 职位评级： 根据实证数据将职位分类为“新鲜”、“过期”、“重新盖章”或“幽灵”。
• 隐私优先搜索： 排序与学习过程皆在用户机器上本地执行；简历与标签绝不会离开设备。
• 代理整合： 设计为 AI 代理的插件，可与用户进行访谈并生成精选的职位清单。
• 海量数据集： 从 65,000 个网站爬取了 310 万个职位，并提供包含全文与嵌入向量的可下载快照。