# Collection Workflow

这个文档定义我如何帮你持续收集 JD、论文和大公司 Agent 实践资料。

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/`、`industry/` 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。
- 大公司发布的 Agent 技术报告、工程博客、产品文档或代码仓库。
- 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 6 个月北京大厂 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
整理 OpenAI、Anthropic、Google DeepMind 最近的 Agent 技术报告和博客
```

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/`、`papers/items/` 或 `industry/items/` 笔记。
6. 提炼判断：更新 `market-insights.md`、`paper-insights.md` 或 `industry-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。
- 公司博客和技术报告链接合集。
- 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。
- 定期检查大公司 Agent 技术博客、报告和代码发布。
- 把 JD 技能、论文 topic 和行业实践做关联图谱。

## JD Collection

### Scope

默认范围：

- time window: 滚动最近 6 个月，优先全量收集范围内岗位
- 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

JD 收集的主要目标是观察需求变化，而不是只抓最新岗位。每轮收集都要尽量保留快照，后续用同公司、同岗位、同能力标签的变化来判断趋势。

### 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`
- change notes: 同类岗位在最近 6 个月内的技能、职责、级别和业务方向变化

### 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
收集最近 6 个月北京 DeepSeek、腾讯、字节的 Agent / LLM 应用岗位，优先官方来源；如果官方不足，再补招聘平台和社区线索，重点分析要求变化。
```

## 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 Policy

论文来源需要先确认，再进入持续收集。默认我会先提出候选来源清单，由你确认为 `approved` 后再做系统性 sweep。

### Candidate 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。
```

## Industry Collection

### Scope

默认收集大公司和重要 AI 团队的 Agent 工作：

- frontier labs: OpenAI、Anthropic、Google DeepMind、Microsoft、Meta、Amazon、NVIDIA
- China AI teams: DeepSeek、腾讯、字节 Seed、阿里 Qwen、百度、智谱、月之暗面
- material types: 技术报告、研究博客、工程博客、产品文档、代码仓库、benchmark、开发者大会材料

### Source Priority

1. 官方技术报告、官方研究页、官方工程博客、官方产品文档。
2. 官方 GitHub、Hugging Face、模型卡和 benchmark 页面。
3. 官方演讲、开发者大会、发布会文字稿。
4. 可信第三方深度分析，只作为线索或补充。

### Output

每轮行业资料收集输出三类东西：

- raw items: `industry/items/*.md`
- trend update: `industry/industry-insights.md`
- watchlist update: `industry/company-watchlist.md`

### Industry Extraction Focus

我会重点抽取：

- 公司正在把 Agent 用在哪些产品场景。
- 公开的架构、工具使用、记忆、评估、安全和部署信号。
- 是否有技术报告、代码、benchmark 或只是产品宣传。
- 和论文、JD、实验、项目之间的相互印证。
- 对我们知识库和项目规划的启发。

### Example Prompt

```text
收集最近 6 个月 OpenAI、Anthropic、Google DeepMind、Microsoft 的 Agent 技术报告和工程博客，按证据强度排序。
```

## Cross-linking

JD、论文和行业实践必须互相打通。

一个技能或概念最好能形成这样的链路：

```text
Job requirement -> Paper evidence -> Industry practice -> 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
  industry: 哪些公司公开了 Agent 评估、观测或安全实践
  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。
- 行业资料要区分技术证据和产品宣传。

## Review Rhythm

建议先用轻量节奏：

| Rhythm | JD | Papers | Industry |
| --- | --- | --- | --- |
| Weekly | 最近 6 个月窗口内新增和变化 | 新论文线索、阅读队列 | 大公司新发布和技术报告 |
| Monthly | 市场技能趋势和需求变化 | 主题研究洞察 | 公司实践趋势 |
| Quarterly | 能力缺口和学习路线 | 成熟结论回流 `docs/` | 行业实践和项目规划复盘 |

## 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。
- JD 是否只收北京，或是否包含远程/杭州/深圳等强相关岗位。
- 论文来源名单是否已经确认。
- 论文偏最新趋势、经典必读，还是能直接指导项目实现。
- 行业资料优先看哪些公司和哪些产品方向。
- 每轮希望收集多少条。