核心功能
Mapping-Skill 是一套面向 AI/ML 招聘场景的专业人才发现与触达工具链，主要解决以下痛点：
1. 多源人才发现
- OpenReview/CVF 会议论文作者抓取（优先 API，支持 PDF 邮箱提取）
- 实验室成员主页结构化爬取（支持 Hugo Academic 模板、两阶段模式、邮箱反向定位）
- GitHub following/followers 网络研究者挖掘
- 任意给定 URL 的全量学者信息抽取
2. 智能信息处理
- 结构化字段抽取：中英文姓名、机构、研究方向、教育背景、多平台链接（Scholar/GitHub/LinkedIn 等）、邮箱
- 华人候选人识别（基于姓氏概率模型）
- 自动分类、去重与研究方向标准化
- Cloudflare XOR 邮箱解密等反爬对抗能力
3. 个性化触达
- 基于真实论文/主页内容生成
technical_hook - 22 个研究领域对应的邮件模板与 talk track 体系
- 批量生成非空泛的个性化招聘邮件
4. 飞书生态集成
- 多维表格自动创建字段、批量导入
- 表格内批量生成并回写「推荐邮件」字段
- 支持分页读取、批量更新（每批 500 条上限）
显著优点
- 场景覆盖完整：从学术会议、实验室主页到 GitHub 社交网络，覆盖 AI/ML 人才主要聚集地
- 反爬策略成熟：内置 BrightData MCP 集成、多种邮箱提取 fallback、中国高校站点特殊处理
- 输出高度结构化：标准化 Schema 支持后续自动化流程
- 邮件质量可控：强制关联候选人真实研究成果，避免模板化垃圾邮件
潜在局限
- 依赖外部平台 API 稳定性（OpenReview、飞书 API 变更需适配）
- 部分高防站点（LinkedIn）需降级至 BrightData，成本与延迟增加
- 邮箱提取成功率受 PDF 解析质量、网页混淆策略影响
- 飞书批量操作有频率限制，大规模数据集需分批次处理
适合人群
- AI 公司招聘团队 / 猎头（技术岗位 sourcing）
- 学术实验室（寻找合作者、博士后、博士生）
- 投资机构的 AI/ML 赛道研究员（人才mapping）
- 需将人才库沉淀为结构化数据并持续运营的组织
常规风险
- 合规风险：需遵守目标网站的 ToS，学术平台通常允许合理抓取但商业平台限制较严
- 隐私风险：邮箱等联系方式的使用需符合 GDPR、中国个人信息保护法
- 误识别风险：华人识别基于姓氏概率，存在误判；研究方向标准化依赖关键词映射，需人工抽检
- 飞书权限：需确保 API Token 有足够的数据读写权限，字段创建需管理员权限