Linkedin Posts Job Radar

在 LinkedIn 上发现真正的职位空缺，远离噪音

让 AI 助手帮你搜索 LinkedIn。Linkedin Posts Job Radar 会抓取搜索结果，剔除所有并非来自你关注市场中雇主的招聘内容，并提供一个仪表盘，让你将剩余内容分为 Ok、Maybe 和 Not interested。

所有内容都保留在你的机器上。无需账户、无需服务器、数据不会离开你的笔记本电脑。

为什么

在 LinkedIn 上搜索“Senior Data Scientist”，你会看到开放职位中混杂着人们宣布自己正在求职的帖子、课程广告、资讯汇总，以及同一家招聘机构重复转发二十遍的帖子——其中大部分来自你无法工作的国家。

Linkedin Posts Job Radar 会在每条帖子保存之前进行筛选，因此你只需分拣一份简短列表，而无需在数百条内容中翻找：

Harvest complete: 9 new posts added, 3 duplicates skipped,
12 rejected as outside allowed markets,
18 rejected as non-vacancy or agency posts

Related MCP server: LinkedIn-Posts-Hunter-MCP-Server

安装

你需要 Node.js 18+ 以及一个 MCP 客户端，如 Claude Code、Claude Desktop 或 Cursor。Chromium 会在首次使用时自动下载。

最快捷：无需克隆

直接将你的客户端指向仓库——npm 会为你获取并构建。

claude mcp add job-radar -- npx -y github:MaryemeBay/linkedin-posts-job-radar

{
  "mcpServers": {
    "job-radar": {
      "command": "npx",
      "args": ["-y", "github:MaryemeBay/linkedin-posts-job-radar"]
    }
  }
}

{
  "mcpServers": {
    "job-radar": {
      "command": "npx",
      "args": ["-y", "github:MaryemeBay/linkedin-posts-job-radar"]
    }
  }
}

首次启动需要几分钟时间构建并获取 Chromium；之后的启动会立即完成。

更改筛选规则需要源代码，因此如果你想调整允许的市场，请进行克隆。

克隆，以自定义规则

git clone https://github.com/MaryemeBay/linkedin-posts-job-radar.git
cd linkedin-posts-job-radar
npm run setup
npm run build

使用你克隆位置的绝对路径进行注册：

claude mcp add job-radar -- node /absolute/path/to/linkedin-posts-job-radar/build/main.js

对于 Claude Desktop 或 Cursor，使用上面的 JSON，其中 "command": "node" 和 "args": ["/absolute/path/.../build/main.js"]。

作为捆绑包

npm run bundle 会生成一个 .mcpb 文件，支持 MCP 捆绑包的客户端可以直接安装，安装机器上无需任何 Node 工具。

设置你的市场

打开 src/intake/market-policy.ts，列出你真正愿意去工作的地方：

export const ALLOWED_COUNTRIES = [
  'France',
  'United Kingdom',
  'Remote (Europe)',
  'Remote (Worldwide)',
]

仅在你克隆后需要。编辑后运行 npm run build——此列表之外的任何内容都不会进入你的数据库。

使用方法

用自然语言与你的助手对话：

“登录我的 LinkedIn 账户” 会打开一个浏览器窗口。只需登录一次——会话保存在本地，之后不会再要求你登录。

“在 LinkedIn 上搜索伦敦的 Senior Data Scientist 职位” 抓取结果，并报告保留了哪些内容、筛除了哪些内容。

“打开仪表盘” 打开 localhost:7391。将帖子评为 Ok / Maybe / Not interested。

“显示所有我标记为 Ok 且提到薪资的帖子” 从对话中过滤仪表盘。

“删除所有我标记为 Not interested 的帖子”

仪表盘

为帖子评分后，其侧边强调色条会变为相应颜色，因此长列表也能一目了然。“Not interested”卡片在悬停之前会变暗。点击帖子已有的评分会清除该评分，因此误点只需再点一次，而不需要第四个按钮。

Applied 单独跟踪——评分是你对职位的看法，Applied 表示你是否采取了行动。

每条帖子都会显示国家和任何薪资信息，两者都会自动从帖子文本中提取。

会被筛除的内容

三道关卡，在帖子到达时依次应用：

相关性会广泛识别招聘意图，因为许多真实职位列表从不写“hiring”——Lead Data Analyst opportunity at HelloFresh in London 就是一条招聘帖子。

作者通过两种方式拦截招聘机构：像 our client、on behalf of、C2C 或 Outside IR35 这样的措辞，以及像 Recruitment Consultant 或 Executive Recruiter 这样的职位头衔。机构和企业内部都会使用的头衔——普通的 “Recruiter”、“Talent Acquisition”——永远不会单独作为拒绝依据，而 Corporate Recruiter 被视为企业内部招聘。雇主的内部招聘人员正是你最希望收到消息的人。

市场接受任何提到允许国家名称的帖子。提到不想要的国家并不会被淘汰——一条提到其他地区申请人签证规定的巴黎职位仍然是巴黎职位。没有检测到地点的帖子也会保留，因为许多真实职位列表并不注明地点。

想要合同制职位？ umbrella、Outside IR35 和 C2C 被视为招聘机构信号。将它们从 src/intake/relevance.ts 的 AGENCY_BODY 中移除，即可让合同制职位通过。

位置检测

按国家和城市名称识别约 105 个国家，支持英语、法语、德语、西班牙语和葡萄牙语，以及 Remote EU (CZ/EE/FI/PL/ES/SE) 这样的代码列表。

明确的地址行拥有最终决定权。当帖子写有 📍 Location: London, UK 或 Lieu : Paris 时，由该行决定——因此标题为 📍 Islamabad, Pakistan 的帖子即使下方提到伦敦，也会被正确判定为伊斯兰堡的职位，而非伦敦的职位。

薪资检测

每个货币数字都会按薪资周期分类，只有在该周期内金额合理时才会保留。这正是区分真实薪资与 $2,000 welcome bonus 或 €12.50/day 餐补的方法，也是保留 $100/hour 而拒绝单个 $100 的原因。

支持 $128,470 - $208,770、96k€、£75k-£115k、110000USD-135000USD、60,4K GBP/yr（法语十进制逗号）、£830/day 和 $7,000/month。

你的数据

两者都位于此仓库之外，永远不会被提交。数据不会发送到任何地方——仪表盘是本地服务器，唯一的网络流量是 Playwright 像你自己的浏览器一样与 LinkedIn 通信。

要清除所有数据：rm -rf ~/.linkedin-mcp

你的助手可以调用的工具

命令

npm run viewer      # dashboard on :7391, without going through your assistant
npm run rederive    # recompute country and pay for stored posts
npm run seed        # import posts from a JSON export
npm run build       # rebuild after changing any rule
npm run typecheck

npm run rederive -- --all 会重新推断每条帖子，而不仅仅是空白项——在编辑检测器后运行它。

要将仪表盘移出端口 7391：

JOB_RADAR_PORT=9090 npm run viewer

当你的 MCP 客户端启动服务器时，将 JOB_RADAR_PORT 放入该服务器的 env 块中，这样 open_dashboard 就会使用相同的端口。

代码结构

src/
  main.ts               MCP server: tool schemas and dispatch
  commands/             One module per tool
  linkedin/
    session/            Playwright login, credential storage
    harvest/            Search crawler, URL building, post parsing
  intake/               The screening pipeline
    ingest.ts             Applies every gate, then writes
    relevance.ts          Vacancy vs commentary vs agency
    market-policy.ts      Country allowlist  <- edit this
    location.ts           Country inference
    compensation.ts       Pay parsing
  store/                SQLite handle, schema, queries
  viewer/               Dashboard API and React app
  platform/             Paths, persisted filter state
scripts/                Maintenance scripts

存储使用 sql.js，它将整个数据库保存在内存中，并在保存时整体写回。当两个进程同时运行——MCP 服务器和仪表盘——如果不这样做，每个进程都会提供一份过期的快照，并在下次保存时覆盖对方的行。

store/connection.ts 通过文件大小和修改时间对文件进行指纹识别，在其他进程写入时重新加载，并记录自身的保存以避免不必要的重新加载。移除该检查会静默丢失数据。

致谢

衍生自 Kevin Weitgenant 的 LinkedIn-Posts-Hunter-MCP-Server，依据 ISC 许可证使用。

本分支围绕 intake 流水线重新组织了代码库，添加了上述的相关性、招聘机构和市场筛选，增加了国家和薪资推断，用分拣评分取代了已保存标记，重命名了 MCP 工具，重建了仪表盘，并修复了跨进程数据库覆盖问题。

以 ISC 许可证发布——请参阅 LICENSE，其中包含两行版权信息。