agent/docs/05-collection-workflow.md

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：

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

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

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：

Job requirement -> Paper evidence -> Experiment validation -> Project practice -> Docs conclusion

例子：

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。