Add jobs and papers collection workflow

docs/05-collection-workflow.md

@@ -0,0 +1,216 @@
+# Collection Workflow
+
+这个文档定义我如何帮你持续收集 JD 和论文。
+
+核心原则：先让资料稳定进入知识库，再逐步自动化；不要一开始为了自动化牺牲判断质量。
+
+## Collection Modes
+
+### 1. User-provided Source
+
+你给我链接、截图、岗位描述、论文标题或 PDF，我负责：
+
+- 判断它应该进入 `jobs/`、`papers/` 还是 `references/`。
+- 提取结构化 metadata。
+- 建立 Markdown 笔记。
+- 打标签和关联已有知识。
+- 更新对应的 insight 文件。
+
+适合：
+
+- 你平时看到的单条 JD。
+- 朋友转来的内推信息。
+- 某篇你觉得重要的论文。
+- 临时想整理的一批资料。
+
+### 2. Live Web Sweep
+
+你给我一个范围，我联网收集并整理。
+
+例子：
+
+```text
+收集最近北京大厂 Agent 岗位
+找最近三个月 Agent evaluation 相关论文
+整理 DeepSeek 和腾讯的大模型应用岗位要求
+找 coding agent 方向值得读的 10 篇论文
+```
+
+我会做：
+
+1. 确认范围：时间、公司、地区、关键词、数量、优先级。
+2. 在线检索：优先官方来源，其次可信平台和社区线索。
+3. 去重：按标题、公司、岗位、URL、日期或论文 DOI/arXiv ID 去重。
+4. 记录来源：每条资料都保留 `source_url` 和 `collected_at`。
+5. 结构化：生成 `jobs/items/` 或 `papers/items/` 笔记。
+6. 提炼判断：更新 `market-insights.md` 或 `paper-insights.md`。
+7. 回流知识：标记需要更新的 `docs/`、`experiments/`、`projects/`。
+
+### 3. Batch Import
+
+你给我一批链接、CSV、Markdown、浏览器书签或网页导出，我批量处理。
+
+适合：
+
+- 招聘网站搜索结果。
+- arXiv 搜索结果。
+- 论文清单。
+- 朋友发来的岗位合集。
+
+批量导入会先生成候选清单，不急着全部写成完整笔记。优先级高的条目才进入深度整理。
+
+### 4. Future Automation
+
+当资料量足够大后，再加自动化。
+
+候选能力：
+
+- 从 Markdown frontmatter 生成 `index.json`。
+- 生成搜索、筛选、时间线和标签页。
+- 定期检查 JD 是否过期。
+- 定期拉取论文搜索结果。
+- 把 JD 技能和论文 topic 做关联图谱。
+
+## JD Collection
+
+### Scope
+
+默认范围：
+
+- location: 北京
+- companies: DeepSeek、腾讯、字节、阿里、百度、美团、快手、京东、小米、智谱、月之暗面
+- keywords: Agent、大模型、LLM、RAG、智能体、模型评估、AI Infra、代码智能、AI 产品
+
+### Source Priority
+
+1. 公司官方招聘站和官方发布。
+2. 主流招聘平台。
+3. 技术社区、社交平台和内推帖。
+4. 转载和聚合结果。
+
+### Output
+
+每轮 JD 收集输出三类东西：
+
+- raw items: `jobs/items/*.md`
+- trend update: `jobs/market-insights.md`
+- taxonomy update: `jobs/skill-taxonomy.md`
+
+### JD Extraction Focus
+
+我不会只复制岗位描述，而会重点抽取：
+
+- 硬性技能要求。
+- 高频加分项。
+- 业务方向。
+- 工程成熟度要求。
+- 对 Agent 能力的隐含定义。
+- 和论文、实验、项目的关联。
+- 我们知识库还缺什么。
+
+### Example Prompt
+
+```text
+收集本周北京 DeepSeek、腾讯、字节的 Agent / LLM 应用岗位，优先官方来源，每家公司至少 3 条，如果官方不足再补招聘平台。
+```
+
+## Paper Collection
+
+### Scope
+
+默认主题：
+
+- Agent architecture
+- Tool use
+- Memory
+- RAG
+- Evaluation
+- Multi-agent
+- Coding agent
+- Human-in-the-loop
+- Computer use
+
+### Source Priority
+
+1. 论文原始页面、arXiv、OpenReview、ACL Anthology。
+2. 会议 proceedings。
+3. 作者或项目官方 GitHub。
+4. Papers with Code 和研究博客。
+5. 二手解读文章。
+
+### Output
+
+每轮论文收集输出三类东西：
+
+- queue entries: `papers/reading-queue.md`
+- paper notes: `papers/items/*.md`
+- research update: `papers/paper-insights.md`
+
+### Paper Triage Focus
+
+我会优先判断：
+
+- 这篇论文是否解决 Agent 核心问题。
+- 有没有明确实验或 benchmark。
+- 有没有可复现代码或数据。
+- 是否和 JD 高频技能呼应。
+- 是否能转成实验。
+- 是否值得沉淀进 `docs/`。
+
+### Example Prompt
+
+```text
+找最近 6 个月 Agent evaluation 方向最值得读的论文，优先有 benchmark 或代码的，整理成 reading queue。
+```
+
+## Cross-linking
+
+JD 和论文必须互相打通。
+
+一个技能或概念最好能形成这样的链路：
+
+```text
+Job requirement -> Paper evidence -> Experiment validation -> Project practice -> Docs conclusion
+```
+
+例子：
+
+```text
+agent-evaluation
+  jobs: 哪些公司要求模型评估、Agent benchmark、线上观测
+  papers: 哪些论文定义评估方法和 benchmark
+  experiments: 我们能否复现实验或搭一个 eval harness
+  projects: 哪些项目需要这套评估能力
+  docs: 稳定结论沉淀到 Evaluation and Observability
+```
+
+## Quality Rules
+
+- 时效信息必须带 `collected_at`。
+- 重要事实必须带来源。
+- 资料摘要和个人判断分开写。
+- 不用一个目录决定归类，使用 metadata 多标签。
+- 不确定的内容标记为 `unknown` 或 `needs verification`。
+- 过期 JD 不删除，改状态并保留原因。
+- 论文没有读完时只进入 queue，不伪装成已总结。
+
+## Review Rhythm
+
+建议先用轻量节奏：
+
+| Rhythm | JD | Papers |
+| --- | --- | --- |
+| Weekly | 新增岗位、明显变化 | 新论文线索、阅读队列 |
+| Monthly | 市场技能趋势 | 主题研究洞察 |
+| Quarterly | 能力缺口和学习路线 | 成熟结论回流 `docs/` |
+
+## What I Need From You
+
+默认我可以直接开始收集，但如果你给出这些约束，结果会更准：
+
+- 优先公司名单。
+- 是否只看北京。
+- 是否看实习、校招、社招。
+- 岗位偏工程、研究、产品还是综合。
+- 论文偏最新趋势、经典必读，还是能直接指导项目实现。
+- 每轮希望收集多少条。