如何用 scan-ats-full --seeds 把 YC 与 a16z 投资组合公司作为种子做 ATS 扫描

如何用 scan-ats-full --seeds 把 YC 与 a16z 投资组合公司作为种子做 ATS 扫描

【免费下载链接】career-opsOpen-source AI job search: scan job portals, evaluate listings into a structured A-H report with a global 1-5 score, tailor your CV, track applications — runs locally in your AI coding CLI (Claude Code, Codex, OpenCode, Antigravity…)项目地址: https://gitcode.com/GitHub_Trending/ca/career-ops

career-ops 里的scan-ats-full.mjs默认是"反向 ATS 扫描"：它遍历 Greenhouse、Lever、Ashby、Workday、iCIMS 的公开公司目录，找出符合你portals.yml过滤条件的新职位。但目录遍历慢、且只覆盖"已经在这些目录里"的公司。--seeds参数提供了另一条发现路径：直接从 Y Combinator 和 Andreessen Horowitz (a16z) 的公开投资组合拉出公司清单，逐家探测它们的 ATS 招聘页，把命中的新职位写入data/pipeline.md。这条路径由 seeds/vc-portfolios.mjs 实现，全程不需要登录、API key 或 LLM token，只依赖两个公开数据源。

读完本文，你能完成一次"以 VC 投资组合为种子的 ATS 扫描"，知道结果写到哪里、如何验证，以及哪些公司会被静默跳过。

扫描链路：从投资组合到 pipeline

整条链路在 seeds/README.md 中描述如下：

VC portfolio API/page ↓ seeds/vc-portfolios.mjs SeedCompany[] ↓ toPortalEntry() PortalEntry (careers_url set to best-guess ATS URL) ↓ provider.detect() (same as portals.yml companies) ATS provider fetches jobs ↓ title_filter / location_filter / dedup data/pipeline.md

几个关键环节的实际行为（来自 scan-ats-full.mjs 源码）：

• 两个数据源，均无鉴权：YC 走公开 JSON APIhttps://api.ycombinator.com/v0.1/companies；a16z 解析公开页面https://a16z.com/portfolio/的 HTML，页面结构变化时会优雅降级而不是报错。
• ATS 探测顺序固定：每个种子公司经toPortalEntry()转成PortalEntry后，按 greenhouse → lever → ashby 的顺序调用各 provider 的detect()，第一个命中者胜出。没有命中任何 provider 的公司被静默跳过。Workday 不在探测列表里，因为它需要tenant|instance|site三元组，无法从投资组合 slug 推导。
• 过滤与去重和常规扫描一致：portals.yml里的title_filter（本扫描器可用title_filter_full覆盖）、location_filter、content_filter同样生效；职位 URL 先在本轮内去重，再与data/scan-history.tsv的历史记录去重，所以重复运行不会灌入重复条目。

前提条件：portals.yml 必须已存在

scan-ats-full.mjs启动时会检查portals.yml，找不到则直接退出：

Error: portals.yml not found. Run onboarding first — the reverse scan reuses its title_filter/location_filter.

也就是说，种子扫描并不独立于 onboarding——它复用 onboarding 生成的过滤条件。如果你的portals.yml还没有title_filter（或title_filter_full）的positive关键词，脚本会打印警告"every fresh posting on every board will match"，扫描本身会继续，但你大概率会被无关职位淹没。建议先按 templates/portals.example.yml 的样子补齐关键词再跑。

另外注意日期门控：反向扫描只针对新职位，默认窗口是--since 3（最近 3 天）。带日期但早于窗口的职位直接丢弃；没有发布日期的职位默认丢弃（计入Undated dropped），加--include-undated才会保留。

执行种子扫描

在仓库根目录执行。最短主路径是先 dry-run 预览，确认命中符合预期后再正式写入：

# 预览：只打印匹配，不写任何文件 node scan-ats-full.mjs --seeds yc,a16z --dry-run # 正式运行：YC + a16z 两个种子源 node scan-ats-full.mjs --seeds yc,a16z

--seeds的值是逗号分隔的小写源 id，目前SEED_SOURCES注册表只登记了yc和a16z两个；传入其他值会报错退出：

Error: unknown seed source(s): xxx. Valid: yc, a16z

package.json 提供了两个 npm 快捷方式，等价于上面两条命令：

npm run scan:seeds # 即 node scan-ats-full.mjs --seeds yc,a16z npm run scan:yc # 即 node scan-ats-full.mjs --seeds yc

一个值得注意的行为：当--seeds是唯一的发现参数（没有--ats）时，--ats默认为空，即不会顺带遍历完整的 ATS 目录——这是源码中显式避免的"意外全量扫描"。所以--seeds yc,a16z只探测投资组合公司，扫描范围就是这两份组合。

控制扫描范围

常用参数及在种子扫描中的实际作用：

# 扩大时间窗口到最近 7 天（--seeds yc 单源示例） node scan-ats-full.mjs --seeds yc --since 7 # 限制每个种子源探测的公司数上限 node scan-ats-full.mjs --seeds yc,a16z --limit 200 # 组合种子源与常规 ATS 目录 node scan-ats-full.mjs --seeds yc --ats greenhouse,lever --since 5

• --since <天数>：职位新鲜度窗口，缺省 3 天。
• --limit <N>：对种子源同样生效，按 slug 顺序截取前 N 家；配--shuffle则随机抽样 N 家。适合先用小样本试跑。
• --ats <list>：想同时走常规目录扫描时才加；种子源与目录源的结果汇到同一次运行的同一份输出去重。
• --verbose：打印每个公司的抓取失败原因（默认静默跳过）；--liveness：写入前用 Playwright 逐一验证职位 URL 存活；--md-out <dir>：额外写一份按日期命名的 Markdown 摘要；--json：stdout 只输出机器可读 JSON（进度信息走 stderr）。

结果验证：看哪里、看什么

正式运行（非 dry-run）结束时，stdout 会给出汇总段：

Companies scanned: <总数> Unreachable boards: <失败数> Undated dropped: <无日期丢弃数> （若有） New matches: <命中数> New offers: + [yc-seed] 2026-09-05 | Stripe | Senior Backend Engineer | Remote https://...

有命中时的落盘行为：

• 职位追加到data/pipeline.md的## Pendientes段，同时记录到data/scan-history.tsv；日志会打印Results saved to data/pipeline.md and data/scan-history.tsv。
• 最后提示下一步：→ Run /career-ops pipeline to evaluate new offers.（进入 career-ops 的评估流程，为这些新职位生成 A-H 报告）。

没有新命中时输出Nothing new.，这是正常结果——窗口内确实没有新职位，或全部被过滤/去重挡掉，而不是故障。dry-run 结尾则是(dry run — run without --dry-run to save results)，确认预览无误后去掉--dry-run重跑即可。

排查"为什么命中很少"时，先区分两种情况：某家公司没被探测到（ATS 探测未命中或拉取失败，后者计入Unreachable boards，加--verbose才能看到逐家原因），与探测到了但职位被title_filter/location_filter/日期窗口过滤掉（后者不会逐条打印）。--json输出里的postingsDroppedNoDate、unreachableBoards等字段可以把这两类分开。

边界与限制

• 只覆盖 Greenhouse / Lever / Ashby：种子探测的 provider 列表就是这三个（SEED_PROVIDERS）。用 Workday、iCIMS 或其他 ATS 的组合公司会被跳过。
• YC 抓取规模：代码按 API 返回的totalPages/nextPage逐页翻页，YC_MAX_PAGES = 500只作为防失控的硬上限（见 seeds/vc-portfolios.mjs）。seeds/README.md 中"最多 3 页 × 1000 家公司"的描述与这段实现不完全一致，实际抓取量以 API 分页信号和日志里的Companies scanned计数为准。
• 安全设计：所有 slug 在拼 URL 前都过SLUG_RE = /^[A-Za-z0-9._-]+$/校验，构造出的 ATS URL 还要过entryOnHost()的 SSRF 防护；全程无 auth token、无 headless 浏览器、无 LLM API 调用。
• 并发：探测以并发 20（CONCURRENCY）跑，单家公司整段抓取有 5 分钟超时，一家卡死不会拖住整个 worker。

下一步

扫描成功后按提示运行/career-ops pipeline，让 career-ops 对data/pipeline.md里的新职位做 A-H 评估与 1-5 分打分。如果你的过滤结果长期偏噪，回到portals.yml调整title_filter_full（该字段只影响本扫描器，不干扰scan.mjs的既有过滤）再跑一轮--dry-run验证。

程序化复用的话，seeds/README.md 给出了直接 import 的写法（文档示例）：

import { fetchYCCompanies, toPortalEntry } from './seeds/vc-portfolios.mjs'; const companies = await fetchYCCompanies(); const entry = toPortalEntry(companies[0]); // → { name: 'Stripe', careers_url: 'https://job-boards.greenhouse.io/stripe', source: 'yc' }

新增其他 VC 组合时，按 seeds/README.md 的"Adding more VC portfolios"一节：写纯函数解析器 +fetchXyzCompanies()，注册进SEED_SOURCES，--seeds即自动支持新 id。

【免费下载链接】career-opsOpen-source AI job search: scan job portals, evaluate listings into a structured A-H report with a global 1-5 score, tailor your CV, track applications — runs locally in your AI coding CLI (Claude Code, Codex, OpenCode, Antigravity…)项目地址: https://gitcode.com/GitHub_Trending/ca/career-ops