LinkedIn 数据助手

1. 简介

LinkedIn 数据查询工具，通过 MaxHub API 接入领英职业社交平台，覆盖用户资料、公司情报、内容动态、职位搜索四大领域，并提供 Web 与 Web V2 双版本接口。专注服务于 B2B 营销、招聘市场分析、海外人才画像、企业竞调与商业情报场景，帮助用户高效采集 LinkedIn 用户画像、公司经营数据、岗位需求与内容互动，构建跨地域人脉与商业洞察。

2. 详细功能

用户画像

• 拉取用户基础资料、个人简介、顶部卡片与概览信息，快速锁定关键身份与头衔
• 完整还原用户工作经历、教育背景、技能、出版物、证书、荣誉、志愿经历等履历切片
• 采集用户的关注关系、人脉连接数量、关联学校、关联公司、互动记录与近期活动
• 抓取用户发布的帖子、评论、视频、图片与推荐信，构建对外表达与口碑画像
• 获取联系信息与可见的对外联系方式，支撑商务触达与背调线索

公司情报

• 查询公司主页、企业简介、定位区域、员工规模区间与多地办公点分布
• 拉取公司员工列表、关联页面、附属公司、相似公司与竞品公司，输出竞争图谱
• 获取公司发布的帖子动态、对外行动号召与员工互动洞察，跟踪企业内容策略
• 查询岗位总数、岗位列表与上市公司股价行情，辅助招聘景气度与经营状况判断

内容互动

• 查询帖子详情、转发链路、表情反馈分布与互动量级，还原传播路径
• 拉取帖子评论与评论下的二级回复，挖掘用户真实声量与讨论焦点
• 通过 Hashtag 信息流拉取话题相关帖子，跟踪话题在领英生态的扩散
• 采集群组主页信息与群组内的帖子内容，进入垂类社群的封闭讨论

搜索矩阵

• 按关键词、行业、地区、公司、学校等条件搜索人脉，批量发现目标人选
• 全文搜索帖子内容，定位话题、品牌、人物在领英平台的相关讨论
• 搜索学校、地点与行业建议，作为画像与筛选时的标准化字典输入
• 搜索领英广告库内的活跃广告，按广告主、投放国家与日期范围筛选

职位筛选

• 按关键词、城市、经验等级、远程类型、雇佣形式与简易投递等多维条件搜索岗位
• 拉取岗位详情，含 JD、技能要求、薪资区间（如有）、招聘公司与发布时间
• 关联岗位 → 公司主页 → 员工分布，构建一条完整的招聘机会洞察链路

广告库

• 按关键词或广告主名称检索领英广告库，识别同行业品牌的活跃投放
• 拉取单条广告的素材、文案、投放国家与触达时间，分析创意与策略
• 结合公司画像与广告数据，沉淀对手在领英平台的内容投放图谱

Web 与 V2 双版本

• 同一份用户、公司、帖子资源同时提供两种接口契约，可按字段稳定性自由切换
• 新版接口以稳定的人类可读标识取代易变的内部 ID，降低长期采集中的失效风险
• 当主推接口字段缺失或暂不可用时，可降级到旧接口兜底完成同等数据采集

> ### 📋 数据传输与隐私声明（请认真阅读）

>

> 1. 第三方传输：您提供的所有 ID、关键词、链接、cookie 等参数都会通过 HTTPS 发送到 https://www.aconfig.cn（MaxHub 数据服务）进行处理。

> 2. UGC 隐私：拉回的评论 / 弹幕 / 动态 / 私信 / 联系人等内容可能包含个人信息或敏感 UGC，请勿写入未授权的数据库或公开发布。

> 3. 凭证保护：建议使用独立测试账号、定期轮换 API Key；禁止传入主力生产账号的 cookie 或 session 凭证。

> 4. 合规责任：使用方需自行确保符合所在地区的数据保护法律（《个人信息保护法》/ GDPR / 平台 ToS 等），平台账号的合规性由使用方承担。

3. 一键安装

鉴权

获取 API Key

请前往 MaxHub 控制台 注册账号并获取 API Key。

配置 API Key

方案 1：OpenClaw 配置

将 MAXHUB_API_KEY 添加到 ~/.openclaw/openclaw.json 中：

{ "env": { "MAXHUB_API_KEY": "ak_xxxx..." } }

方案 2：终端环境变量

export MAXHUB_API_KEY="ak_xxxx..."

依赖安装

本 Skill 不需要额外脚本依赖，所有调用通过 curl 完成 HTTP 请求即可，无第三方库依赖。

环境变量配置

4. 使用指南

🤖 Agent Decision Tree（必读 · 决定调用顺序）

> 此小节定义 agent 在每次接到用户请求时的标准决策流程。严格按此顺序执行可大幅提升命中率与减少误调用。

1️⃣ 文档加载顺序（按需 · 不要一次性全读）

2️⃣ Recipe 匹配规则（核心）

1. 加载 references/recipes/_index.md，扫 trigger_keywords 列
2. 最长匹配优先：若用户输入同时命中多个 recipe 的 trigger，选最长 trigger 命中的那个（最具体）
3. 平局询问：若两个 trigger 长度相同且都命中 → 主动询问用户："您是想看 A 还是 B？"
4. 无命中：先查 §0.1 不支持清单 → 不在则进入"自定义链路"流程（步骤 3）

3️⃣ 自定义链路（无现成 Recipe）

1. 读 references/atoms/_index.md，按 chain_role 列定位起点（starter）和终点（terminal）
2. 优先用 ⭐⭐⭐ 首选 标记的端点；不到必要不用 ⭐ 条件 端点
3. 字段流（上游 OUT → 下游 IN）由 param-mappings.md § 字段流字典 决定，禁止自行猜 json_path
4. 链路完成后，可向维护方建议把它编排成新 recipe

4️⃣ 调用前自检（按 risk 分级 · 节省 token）

> 旧 SKILL 强制所有调用都做 4 步——现按 risk 等级简化。low 端点（占绝大多数）只校验路径即可。

5️⃣ 错误处理快速决策

6️⃣ 输出契约（与用户对话时）

1. 数据来源声明：每次输出明确告知数据来自 https://www.aconfig.cn 三方接口
2. 缺失字段处理：如某字段链路降级后缺失，显式说明"X 暂不可取"，不要静默省略
3. 不要伪造：用户问的字段若不在响应里 → 说"未返回"，禁止用其他端点拼凑模拟

核心约束（强制遵守）

基础使用（4 步完成调用）

Step 1 — 检查 API Key

[ -n "${MAXHUB_API_KEY:-}" ] && echo "ok" || echo "missing"

若返回 missing，停止并提示用户配置 MAXHUB_API_KEY。

Step 2 — 匹配意图 → 选择 reference

按用户目标从下表选择对应 reference 文件，每个文件自包含其领域的全部端点定义：

Step 3 — 构建最小调用计划

• ✅ 优先使用最少端点完成任务，能用一个端点就不用两个
• ✅ V2 接口字段更稳定，优先 V2；V2 缺字段时再降级 Web
• ❌ 禁止"先 head/tail 试运行"或"先调一个看看"等探索性调用

Step 4 — 执行并验证

• 调用前比对 endpoints_whitelist.yaml 完成 4 步 Pre-call 自检（路径 → method → 必填 → 写入确认）
• 收到 404 → 必须先做防路径臆造自检（5 步），尤其确认 web vs web_v2 段是否写错
• 收到 400 / 422 → 必须先做防参数臆造自检（6 步），重点检查 urn / username / universal_name 是否混用
• 收到 业务 code != 0 → 读 message_zh 报告用户，不重试

高级使用

链式调用图谱（Chain Recipes）

防臆造自检清单（强制前置步骤）

收到 404 时（A）：

1. 路径白名单逐字符比对 → 不在清单中 STOP
2. Method 比对 → 不等 STOP
3. 参数键名比对 → 有清单外参数 STOP
4. 资源 ID 来源溯源 → Agent 编造的 STOP
5. web / web_v2 段是否混用 → 错段 STOP
6. 全通过才判定"上游资源不存在"

收到 400 / 422 时（B）：

1. 参数名严格比对（urn / username / universal_name / post_urn / comment_urn 不可混用）
2. 必填项齐全
3. 类型与格式严格匹配（pattern / enum）
4. 传参方式正确（query vs body / POST vs GET）
5. 没有 IN 表外的臆造参数
6. 全通过才按 message_zh 排查

Web ↔ V2 替换矩阵

SKILL 版本更新

常用命令速查表

📌 端到端使用示例（agent 快速上手）

用户输入：「帮我看 某个 LinkedIn 公司主页的员工列表」

Agent 执行步骤：

1. 匹配 recipe：读 references/recipes/_index.md → 找到 trigger 命中 → 选最长匹配的 recipe
2. 加载 recipe 详情：读 references/recipes/.md 中对应段落，拿到 Inputs / Atomic Steps / Output
3. 路径校验：对每个 atom 的 endpoint_id，grep 一下 endpoints_whitelist.yaml 确认存在
4. risk: low 的端点直接调用，risk: medium+ 先与用户确认
5. 链式传递：上游响应的 json_path 字段（如 $.data.bvid）按 recipe 的 extract 列绑定为变量，传给下游端点
6. 错误处理：按 §错误处理决策表行动；不要自改路径或瞎加参数
7. 输出：组装结果给用户，标明数据来自三方接口；缺失字段显式说"未取到"

反例（agent 不要这么做）：

• ❌ 全文加载 endpoints_whitelist.yaml（大文件，浪费上下文）
• ❌ 看到 404 就改路径段重试（会被防臆造规则阻断）
• ❌ 把没在响应里的字段编一个值返回给用户
• ❌ 链式调用时忽略 recipe 的 extract 列，自己猜 json_path

5. 使用场景

场景一：B2B 营销团队挖掘潜在客户

• 角色：B2B SaaS 销售
• 需求：按行业 + 职位 + 地区批量挖掘目标公司的决策层联系信息
• 使用方式：v2_search_users（按 title + industry + geo_urn）→ 取 username → 链式调 v2_get_user_profile + v2_get_user_top_card 提取头衔与联系方式线索
• 预期收益：批量构建精准客户名单，替代 Sales Navigator 高昂订阅，营销线索成本下降 60%+

场景二：招聘市场分析师追踪行业岗位需求

• 角色：HRBP / 招聘市场研究员
• 需求：监控竞争对手公司近期发布的岗位、JD 关键词与薪资范围
• 使用方式：v2_get_company_profile 锁定公司 → v2_get_company_jobs 拉取岗位列表 → 链式调 v2_get_job_detail 提取 JD 与技能要求
• 预期收益：竞品招聘动态可日级追踪，识别人才争夺热点与组织扩张方向

场景三：海外人才画像与背景调查

• 角色：跨境招聘 / 人才合伙人
• 需求：根据候选人 LinkedIn URL 完整还原其经历、技能、推荐与人脉网络
• 使用方式：v2_get_user_profile → v2_get_user_experiences + v2_get_user_educations + v2_get_user_skills + v2_get_user_recommendations 全维度并行采集
• 预期收益：候选人画像构建效率提升 5 倍，人脉网络可视化辅助内推决策

场景四：企业竞调与情报采集

• 角色：战略分析师 / 投研
• 需求：跟踪某海外标的公司的员工增长、岗位动向、内容传播与竞品图谱
• 使用方式：v2_get_company_profile → v2_get_company_employee_count_ranges → v2_get_company_competitors → v2_get_company_posts → web_search_ads（advertiser_name）补齐广告投放数据
• 预期收益：完整的公司经营画像 + 竞品图谱 + 广告策略一站式输出，为投研决策提供高质量原始数据

6. 项目架构

目录结构

maxhub-linkedin/
├── SKILL.md                            # Skill 定义与使用文档（本文件）
├── README.md                           # 英文项目说明
├── README_CN.md                        # 中文项目说明
├── _meta.json                          # 版本元信息（version: 3.7.2）
└── references/
    ├── endpoints_whitelist.yaml        # 85 端点路径硬白名单 + Pre-call 4 步自检协议
    ├── param-mappings.md               # 中枢索引（全局红线 + 字段流字典 + 错误处理 + Web↔V2 替换矩阵）
    ├── user.md                         # 用户域：资料/经历/技能/教育/关系/搜索（Web + V2）
    ├── company.md                      # 公司域：主页/员工/岗位/竞品/股价（Web + V2）
    ├── content.md                      # 内容域：帖子/评论/回复/反馈/广告/群组（Web + V2）
    ├── jobs.md                         # 职位域：岗位详情/岗位搜索（Web + V2）
    └── update.md                       # SKILL 更新机制（SkillHub / ClawHub / GitHub）

技术栈

API 覆盖范围

关键设计理念

• 防臆造四道闸：白名单（endpoints_whitelist.yaml）→ 强标记（Full path）→ 禁止规则（Forbidden）→ 错误反馈（STOP）
• Web / V2 双版本契约：V2 优先策略 + 替换矩阵兜底，规避单接口字段空洞或 410 失效风险
• 链式调用图谱：字段流字典（username / urn / universal_name / post_urn / comment_urn）+ Chain Recipes + 跨 reference 链路三层联动
• 错误处理契约：HTTP 状态码权威定义 + 防臆造自检清单（A: 5 步 / B: 6 步）+ Web↔V2 替换矩阵