@ha7ch/guoyang-pro
v0.1.0
Published
用 Claude Code 规划你的国央企求职 — 央企名录(国资委99家+金融27家+烟草铁路)按梯队/行业分类 + 招聘岗位库 + 招聘时间线,零依赖 CLI
Readme
guoyang-pro · 国央企 PRO
用 Claude Code 规划你的国央企求职(国企/央企)。 guoyang.ha7ch.com · 与 job-pro(大厂)、kaogong-pro(考公)同系列。
把下面这段 prompt 粘进 Claude Code / Codex / Cursor:
跑 `npx @ha7ch/guoyang-pro@latest help` 把命令摸清楚,帮我规划国央企求职。
先问我:学历、专业、院校层级(985/211/双一流/普通本科)、政治面貌、
意向城市、意向行业(电力/油气/金融/通信/烟草...)、校招还是社招。
然后用 CLI 拉真实数据:查央企名录与梯队、实时在招岗位、招聘时间线。
提醒我用工性质(在编/正式 vs 劳务派遣)与薪资口碑的差异。为什么是"混合架构"
国央企求职有两类数据,性质完全不同,所以分两条路存取:
| 数据 | 性质 | 路线 | |---|---|---| | 名录 / 梯队 / 行业 / 招聘日历 | 慢变参考数据 | 随包静态发布(像考公数据集) | | 在招岗位 | 时变数据(像大厂一样每天开/关) | 运行时实时拉取(像 job-pro 适配器) |
岗位不提前快照存死——否则发出去就过期;名录与时间线则打包进 npm 包,离线可用、稳定,是产品的护城河。
命令
npx @ha7ch/guoyang-pro@latest help
# 名录(静态,离线可用)
guoyang-pro enterprises --tier T0 # 顶级梯队企业
guoyang-pro enterprises --sector 金融银行 # 按行业
guoyang-pro enterprise 国家电网 # 单企业详情 + 在招岗位
# 岗位(实时,默认联网拉各源)
guoyang-pro search --sector 能源电力 --type 校招 --location 北京
guoyang-pro search --enterprise 中石油 --education 硕士
guoyang-pro search --sector 金融银行 --offline # 仅用本地快照(不联网)
guoyang-pro sources # 查实时数据源接通状态
# 规划
guoyang-pro recommend --education 本科 --school-tier 211 --sector 金融银行
guoyang-pro match --sector 电信运营 --location 上海 --keywords 数据,算法
guoyang-pro calendar --sector 金融银行 # 招聘时间线/投递日历
guoyang-pro stats数据来源
- 名录:国务院国资委央企名录(~99家)、财政部中央金融企业(~27家)、中国烟草、国铁集团、地方头部国企。
- 岗位(实时):国聘网 iguopin.com(国资委牵头聚合,覆盖 85%+ 央企国企岗)、国家大学生就业服务平台 24365、各大型央企招聘官网。
- 招聘日历:各行业校招/社招典型时间线规律(以各企业当年公告为准)。
诚实披露
- 岗位为各源实时聚合,命中量随当下在招情况变化;
sources可查每个源是否接通。 - 薪资国央企高度保密,仅以公开/口碑参考标注("仅供参考"),数据质量天然弱于大厂。
- 竞争度/冲稳保为启发式估算(企业梯队+学历门槛 vs 院校层级),非官方录取数据。
- 用工性质(在编/正式、合同制、劳务派遣)由岗位文本自动派生,识别不到标"未明确",不臆断。
开发
cd cli
npm install
npx tsx src/index.ts help # 跑源码
npx tsx src/ingest-enterprises.ts # 重建名录 raw/enterprises/*.json → data/enterprises/roster.json
npx tsx src/ingest-positions.ts # (可选)把抓取快照入库为离线分片
npm test # 冒烟测试
npm run build # tsc → dist/零运行时依赖(Node ≥18,用内置 fetch/zlib)。MIT。
