让数据开口，照亮前途。
看看工资 是一个面向年轻人的公司工资、专业去向和岗位匹配小程序原型。它不再把人生选择简单塞进“专业分类”“行业分类”“岗位分类”这些静态格子里，而是直接把企业官网岗位、薪资区间、高校优势和专业路径关联起来。
当前产品要解决的第一问题是：刚高考完的学生和家长，能在 3 分钟内知道“这个专业未来大概挣多少钱、大厂到底要什么、我该怎么继续查学校和岗位”。因此首页按这个顺序组织：
- 三步决策路径：先筛专业薪资，再看大厂需求，最后回到具体学校和专业核验。
- 专业薪资速览：按专业群展示毕业初期和成熟阶段薪资区间、可去岗位、大厂常看能力、适合人群、大一验证动作、作品/实习信号和风险等级。
- 大厂需求矩阵：把企业官网入口聚合成“公司需要什么岗位族群、偏好哪些专业、校招切入点、应该去官网搜索什么关键词”。
- 学校专业去向：输入学校，展示该校可选专业；点击专业后展示毕业生去向、就业率、平均工资、年度到校企业、官方就业证据和企业官网反查入口。校级证据和专业级指标分开展示；未接入官方就业质量报告或就业中心宣讲会日历前，指标会显示为“待接入”，不伪造统计。
- 职业雷达：输入一个岗位，雷达图从内到外展示专业关联强度排名，并给出可跳转的企业官方招聘入口。
- 职业信号：把官网岗位、专业薪资代理、学校就业证据和企业官方入口统一成 CareerSignal，展示来源、原因、风险、相关专业、相关能力和置信度。
过去的职业规划常常从一个固定分类开始：
- 你适合文科还是理科
- 你要选什么专业
- 你未来进什么行业
- 你应该找什么岗位
但当下的问题是，社会需求变化太快。AI、机器人、低空经济、智能医疗、新能源、AIGC 内容和企业自动化都在重新拆分岗位能力。一个专业名已经不足以说明未来路径，一个行业名也不足以判断机会质量。
看看工资 的思路是反过来：
- 先知道自己是谁：学科优势、兴趣、学习方式、风险偏好、家庭约束、城市偏好、作品能力。
- 再知道社会需要什么：大厂招聘、创业赛道、政策方向、新专业目录、融资与产品动态、真实岗位技能要求。
- 最后把两者连接起来：专业群、技能路线、作品项目、实习方向、创业验证路径。
看看工资 借鉴 AI HOT 的信息流机制：多信源抓取、AI 降噪、精选与全量分层、按分类和时间窗检索、给出推荐理由、保留原始来源、开放 Agent / API / RSS 接入。
映射到职业规划场景后，看看工资 的信息机制是：
- 信源层：招聘官网、政策文件、本科专业目录、创业赛道、融资新闻、竞赛项目、开源趋势、学校培养方案。
- 归并层：把重复岗位、同类赛道、相近技能、同一政策事件合并成“职业信号”。
- 评分层：用热度、增长、可信度、稳定性、门槛、迁移性、适配人群给信号打分。
- 精选层：不是展示所有信息，而是留下对年轻人决策真正有价值的信号。
- 解释层：每条推荐必须告诉用户为什么重要、适合谁、不适合谁、下一步该验证什么。
- 接入层：小程序给普通用户看，API / Agent 给老师、咨询师、学校和内容团队做二次分析。
当前仓库已经实现两个模式：
- 高考选专业：以就业和创业终局倒推专业群选择。
- 技能勋章墙：根据学生已有技能匹配大厂岗位能力要求。
当前数据仍是种子数据，不是全量实时抓取。产品结构已经为后续真实抓取、ClaudeCode 标签、职业信号流和 Agent 接入留出位置。
npm install
npm run dev默认本地地址：
http://127.0.0.1:5174npm run scrape:jobs
npm run search:official -- 算法
npm run analyze:jobs
npm run update:salaries
npm run verify:career-signals当前 scrape:jobs 从 ByteDance、Tencent、Alibaba、Baidu、Meituan、JD、Huawei、Kuaishou、Bilibili、Xiaomi、PDD 和 Midea 官方招聘站抓取并归一化岗位，输出到 data/jobs.normalized.json、data/jobs.seed.json 和 src/data/jobs.generated.ts。update:salaries 会重跑岗位采集和分析，让薪资字段每日刷新；官方站未公开薪资时会以市场估算标记输出。每日实际可用样本以 jobDataMeta.sources[].normalizedCount 为准，避免把官网当前返回 0 的入口误当成有岗位。
长期方向不是把所有搜索结果永久存进仓库，而是在服务端用官方企业招聘站 adapter 做即时搜索/短期缓存，再把返回结果聚合给前端。search:official 会返回官方入口、入口关注方向、搜索提示和当前 live adapter 样本。前端的官方源列表已包含 ByteDance、Tencent、Alibaba、Meituan、Baidu、JD、Huawei、Xiaomi、Kuaishou、PDD、Ant、NetEase Games、Bilibili、Midea、BYD、HoYoverse；其中 ByteDance、Tencent、Alibaba、Baidu、Meituan、JD、Huawei、Kuaishou、Bilibili、Xiaomi、PDD 和 Midea 已接 live adapter，其余先作为官方入口等待 adapter 接入。Alibaba adapter 使用阿里巴巴校园招聘官网的批次与岗位搜索接口，Huawei adapter 使用华为招聘官网公开岗位接口，Xiaomi adapter 使用小米中文招聘官网跳转的官方职位域 xiaomi.jobs.f.mioffice.cn，PDD adapter 使用拼多多校园招聘官网的应届与实习岗位接口。
学校数据策略是先展示官方证据层，再展示专业级字段。当前清华大学、郑州轻工业大学、浙江大学、电子科技大学、西安电子科技大学已有官方或半官方证据样本；同时接入了 laofeijio2020ojbk2022/gaokaoweb 的 Apache-2.0 开源历史就业去向数据，已补充 20 所学校的总体去向、升学、出国和主要去向单位。MIT 的 PotoYang/UniversityCareerWebPage 已解析为 286 个高校就业网入口，并在学校详情页作为“就业网入口候选”展示，其中 13 个重点学校入口已记录一次访问健康状态。本轮继续接入 MIT 的 Jsoneft/gaokao-zhiyuan 湖北 2024 本科批聚合信号：18,430 条院校-专业记录、1,032 所院校、663 个专业名称和 1,067 个物理/历史一分一段分数段；接入 CC-BY-4.0 的 scottli139/beijing-gaokao-scores 北京 2023-2025 本科普通批投档线聚合信号：3,950 条记录、638 所院校、83 种选科要求；接入 CC0 的 scottli139/beijing-gaokao-score-segments 北京 2023-2025 一分一段聚合信号：1,005 行分数分布、176,571 名三年累计考生和 650/600/500 分典型位次点；把 MIT 的 shengdabai/college-major-selector 聚合为全国院校专业索引：2,756 所院校、860 个本科专业、31 省志愿规则及院校/专业分布桶；继续把 iChipOwO/shandong-admission-history-query 聚合为山东 2023-2025 投档元数据：1,165 所学校元数据、26 个专业方向组、426 所学科评估覆盖；新增 Apache-2.0 的 ZhixinZhang-12/ShandongGaokao-admin-data 山东 2020-2024 管理数据聚合信号：45 个 Excel/CSV、41 个 sheet、约 50.9 万行一分一段/录取/招生计划/报考要求统计；新增 MIT 的 EvanYao826/china-university-admission 全国高校招生 SQLite 聚合：1,167 所高校、6,392 条 2023-2025 本科录取、31 省、279 城市和 6,209 条 source_url 覆盖；新增 MIT 的 GTdim7/xuefeng-skill 历史录取 SQLite 聚合：248,766 条 2024-2025 录取记录、14 省、18,802 个学校名、27,051 个专业名和 rank/score 字段覆盖；新增 MIT 的 maliangone/zhangxuefeng-skill-ultimate-version 专业就业蓝皮书与 2025 分数线参考聚合：2024 届本科毕业半年后平均月收入 6,199 元、6 个绿牌专业、5 个红牌专业、31 省分数线覆盖和 10 个首年新高考省份提醒；把 shengdabai/gaokao-assistant 聚合为青海 2025 计划标签库：2,875 条院校标签和公民办/211/双一流统计；接入 fjx13038033078/ruoyi-CERS 的推荐系统 SQL 样本聚合：377 所高校、64 条专业投档线、29 个省份分布行；再接入 firmianay/gaokao 云南历史分段样本：488 行 2014-2017 分数段统计、64 条专业分数线、25 个专业名；新增 sgblizzard/gaokao-advisor 审计覆盖信号：2,360 所高校、488,152 行分数段、377,962 行院校录取线、3,298,297 行专业分数线和 4,951,513 行招生计划的质量审计指标；新增 MIT 的 liuxusummer/gaokao-advisor 数据中心聚合：2,919 所高校、875 个本科专业目录、10 省市 2023-2025 投档线 139,843 条、位次表 9,478 条和 2024 选科要求 515,684 条；新增 Rafael-Luo/spider-college 高校覆盖参考：README 标注 2,651 条高校基本信息、31 个城市和 199 条历年高考分数线。spider-college 只接覆盖量，不复制爬虫日志或采集结果。同时登记但暂不导入 ziqihe10-droid/xuefeng-agent 的 AGPLv3 大库候选和 bbhzyq-dotcom/hngaokazhiyuan 的无许可证 JSON 数据候选。首页 Source Radar 区分已接样本、数据候选、决策参考和合规阻断。没有专业级就业率或平均工资来源时，继续显示待接入。
自我认知层新增 MIT 的 Zylcyl/gaokao-advisor ADI 专业路径评估模型：8 道素质问卷、31 个选项、paths/reach/correct/recover 四维乘法、3 个资源层级、4 个专业标杆和 4 个风险分档。它只作为“先知道自己是谁”的模型参考，不当作高校事实库或录取数据。
BOSS 直聘方向已经检索到 MIT/Apache 项目和历史分析数据，包括 radishT/Job_Analysis、AnHuanAo/Python-DataScience-Final-AI_IT_Analysis、DavidHLP/BossAnalyze、Yuzhii0718/boozp-neo、xiewangzhenyan/python-recruitment-analysis、poboll/bosszhipin_spider、linxkon/BossZhiPin_Spyder、lxm909055383/bosszhipin、jhcoco/bosszp、My0sot1s/boss-crawler、maimaigptlink9/boss-career-ops 和 XBuilderLAB/cheat-on-skill，但不把原始 BOSS 岗位明细直接并入前端事实库。本轮已把 radishT/Job_Analysis 中 60,033 条历史能力词映射聚合成 7 类技术方向和能力词 Top 列表，作为“岗位能力偏好”的历史信号展示；新增 AnHuanAo/Python-DataScience-Final-AI_IT_Analysis 的 AI/IT 市场聚合洞察：2025-2026 全球 AI 薪资、2024-2026 国内岗位画像、架构/AI 工程/基础设施等高壁垒方向；新增 poboll/bosszhipin_spider 合并工作簿去标识化统计：15,897 行历史样本、3 个岗位族、18 个城市、182 个区县、16 类学历、14 类经验和 15 个能力词 Top；新增 linxkon/BossZhiPin_Spyder 上海 CSV 去标识化聚合：4,197 行 2024-05-02 历史样本、16 个区、207 个地点、4,178 条可解析薪资、30K 薪资中位、6 个岗位族和 12 个关键词桶；jhcoco/bosszp 登记为真实 CSV 候选但因无许可证阻断，My0sot1s/boss-crawler 登记为 MIT 本地导入器风险边界但因登录/验证码/全城批量采集阻断，maimaigptlink9/boss-career-ops 登记为 5 维评分与 Pipeline 架构参考；python-recruitment-analysis 登记为薪资预测、岗位匹配和本地导入器字段参考；XBuilderLAB/cheat-on-skill 登记为 BOSS human-in-the-loop 本地 adapter、可学性闸门和反诈规则参考。lxm909055383/bosszhipin README 描述约 25 万 BOSS 历史样本并带 CSV，但仓库无许可证，当前只登记为待授权候选，不导入 CSV 或 README 结论。poboll/bosszhipin_spider 和 BossZhiPin_Spyder README 明确是 BOSS 页面自动化采集，因此只保留聚合统计，不提交 Excel/CSV 原表、公司名、详情网址、岗位明细或采集脚本。后续明细数据只做用户本地导入自己有权使用的导出文件。无许可证的投档线/学校信息仓库先列为待授权候选，不直接复制数据。数据源筛选记录见 docs/data-sources.md。
analyze:jobs 输出 data/analysis.json，后续可替换为 ClaudeCode 或 Claude API 生成的标签与分析结果。
产品需求文档见：
- docs/PRD.md
- docs/DEVELOPMENT_ARCHITECTURE.md
- docs/data-sources.md
- docs/signal-system.md
- docs/ITERATION_PLAN.md
- 不给年轻人制造焦虑，要给可验证的下一步。
- 不把推荐伪装成命运预测，要展示依据、置信度和风险。
- 不只说“热门”，要说明“为什么热、需要谁、门槛在哪里”。
- 不只推荐专业名，要推荐专业群、能力栈和作品路线。
- 不只服务高考生，也要延展到大学生、转专业、实习、求职和早期创业。
本项目遵循 MIT License 开源。