# 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。