自由职业任务雷达 jonah791/dsh-freelance-radar

dsh-freelance-radar

一句话：把公开远程任务源（电鸭 + RemoteOK / Remotive / WeWorkRemotely）按能力画像自动筛一遍——关键词命中打分、排除词硬过滤、指纹去重、状态留痕，最后给你一张「值得看」的高分清单和今日摘要。

为什么值得用：远程求职最贵的成本是信息噪音——平台上一半帖子是区块链/刷单/外派劳务，逐条读一遍等于白干。本插件把「AI / Agent / LLM 定制」画像写成可配置的 include/exclude 规则，自动砍掉噪音、按新鲜度与质量信号排序，并记住你看过的每一条（new → considered → applied / ignored），且绝不替你做决定：不自动投标、不自动推送、无定时器——推送与否由我拿到清单后自己判断。

能力

| 工具 | 用途 |
| radar_scan | 采集全部源最新任务 → 指纹去重入库 → 按画像打分排序 → 返回 top 15 高分清单（跳过 ignored 与已关闭任务）；不发送任何消息——推送由爱丽丝 telegram_send 执行（无 push 参数） |
| radar_list | 查看已收集任务：按状态（new/considered/applied/ignored）/ 来源 / minScore 过滤；limit 夹在 [1,100]（缺省 20）；render 每项带 id:（直接喂给 radar_mark） |
| radar_mark | 主人决策留痕：considered（考虑中）/ applied（已投递）/ ignored（忽略，不再推送），可附 note |
| radar_digest | 今日摘要：今天新增且达 minScore 的高分任务（前 5）+ considered 超 3 天未 applied 的待跟进项（前 5）+ 扫描新鲜度 lastScanAt/staleDays（取自自证轨迹的 scan/ 相位；≥7 天响亮告警，无记录 → -1） |

打分规则（scoring.ts）

| 维度 | 上限 | 规则 |
| keyword | 40 | 每个 includeKeyword：title 命中 +8 / summary 命中 +4 / tag 命中 +3（择优计入，不叠加） |
| tag | 20 | 命中任一 includeTag 标签 +6，合计封顶 20 |
| remote | 15 | 任一标签匹配 /远程\|兼职\|remote\|part-?time/i → 15 |
| freshness | 15 | ≤3 天 满分；≥14 天 归零；其间线性衰减 |
| quality | 10 | 未关闭 +3、正文 > 200 字 +4、摘要 > 50 字 +3（封顶 10） |
| 硬过滤 | — | 命中任一 excludeKeyword → 标记 excluded、分数归 0 |
| 弱信号 | — | 命中 mismatchSignals → 只记录 mismatch[]，不降分（供人工判断） |

快速开始

1) 装依赖（自研插件家园 self-plugins/，在目标 profile 的 package.json 加 link 依赖）：

"dsh-freelance-radar": "link:/self-plugins/dsh-freelance-radar"

2) 挂组合（web profile patch 行；默认画像即可用）：

- insert:
- id: agent-freelance-radar
name: dsh-freelance-radar
config（可选）： profile:
includeTags: [AI, LLM, 大模型, Agent, 远程, 线上兼职, 全栈]
includeKeywords: [ai, llm, agent, gpt, 大模型, 智能体, typescript, python, rag]
excludeKeywords: [区块链, web3, 币圈, 博彩, 刷单, 灰产]
minScore: 60
3) 30 秒验证：调 radar_scan → 应返回 {ok:true, ...} + 一份 top 15 清单（需要外网可达；单源挂掉不影响其他源，且会在轨迹里留一行 source/error）。若只是验证接线，可先调 radar_list（纯本地读 jobs.json，不触网）。

配置

| 项 | 默认 | 说明 |
| enabled | true | 被消费：4 个工具开头均判 enabled，关闭时返回 {ok:false, error:'freelance-radar disabled'} |
| dataDir | 无 | 空则用 /freelance-radar |
| eleduckApiBase | https://svc.eleduck.com/api/v1 | 电鸭 API 根 |
| profile | 无 | Partial，浅合并进内置默认画像（minScore=60、pages=5） |
| rssSources | 无 | ⚠ 声明但未被消费——RSS 源地址在代码里硬编码（语义文档 §4.1 如实记录） |

落盘与自证（出问题时先看这里）

| 产物 | 落点 | 形状 |
| 任务库（状态 + 去重） | /freelance-radar/jobs.json | {jobs:[...]}；每条约含 id/source/title/url/status/firstSeenAt/updatedAt/lastScore/note；JSON.stringify(state, null, 2) 覆盖写 |
| 自证轨迹 | /freelance-radar-trace.jsonl | 一行一阶段 {atMs, phase, build, pid, ...} |

阶段枚举（RadarTracePhase）：boot（挂载配置）→ scan/start → source/end / source/error（每源一行报告）→ scan/end（含 raw/kept/dropped 统计与丢弃原因计数）。

一条命令答五问：

tail -3 "$DSH_HOME/freelance-radar-trace.jsonl"
① 跑的是哪个构建 → build = "@" + pid ② 谁发起 / 扫什么 → phase=boot 记挂载配置（白名单字段，不含 profile 全文）；scan/start 记扫描开始 ③ 断在哪一段 → phase 枚举 + source/error 行的 failure 分类（按源定位，不是一句笼统 error） ④ 结果质量 → scan/end 的 raw/kept/dropped + 丢弃原因计数（去重/坏条/过滤各多少） ⑤ 耗时与预算 → durationMs（scan/end 全程；单源 20s 超时预算）

轨迹默认开启，可用环境变量 DSH_RADAR_TRACE=0 关闭。观测不反噬主流程：轨迹 IO 失败吞错，DSH_HOME 不可写时扫描照常返回（有接线级尸体测试钉住）。

生效判据与回退

生效判据（三选一，按可靠性排序）：
1. 进程级：tail -1 "$DSH_HOME/freelance-radar-trace.jsonl" 里 build 的 mtime 等于 self-plugins/dsh-freelance-radar/lib/trace.js 的 mtime ⇒ 进程在跑当前构建；
2. 落盘产物：jobs.json 在 radar_scan / radar_mark 后 mtime 前进，且 radar_list 能看到刚入库的任务；
3. 行为级：工具列表里有 radar_scan / radar_list / radar_mark / radar_digest 四个工具。

注意：重新构建 ≠ 生效——lib/.js mtime 新只证明「构建过」，进程启动时间晚于产物 mtime 才算「在跑它」。改完源码必须 npm run build 并让预检看到新产物。

回退：
- 源码级：git -C self-plugins/dsh-freelance-radar revert → npm run build → preflight_check → 哨兵重启；
- 组合级：patch 里给 agent-freelance-radar 行加 disabled: true（或整体配置 enabled: false）→ 哨兵重启；后者更轻，工具会 fail-soft 返回 disabled 而不停用插件；
- 运行期：jobs.json 是纯本地状态，删掉只是丢失「已看过」记忆（下次扫描全部重新入库），不影响任何外部状态。

测试

npm run build && npm test # build = tsc；test = node --test "tests/.test.mjs"

62 例离线测试，tests/scoring.test.mjs / tests/sources.test.mjs / tests/trace.test.mjs，跑 lib/ 产物（与运行时同源）：

- scoring.test.mjs — 打分与排序：各维度上限与权重、freshness 衰减分段、排除词硬过滤、弱信号不降分、指纹去重（同源同标题前 80 字符归一化）、状态序排序
- sources.test.mjs — 源解析与降级：单源失败不拖垮整体（某源返回 null 元素 → 必有一行 source/error，旧实现会 allSettled 静默丢整源）、第二轮同数据 added=0（「今天没新任务」可解释）
- trace.test.mjs — 轨迹层：路径解析、DSH_RADAR_TRACE 开关、统计合并与钳位、构建自报、尸体测试（DSH_HOME 不可写时扫描照常返回）

网络与外部依赖：单测全部离线（HTTP 以桩替代），不需要电鸭 API、不需要任何 RSS 源在线。注意环境口径：
- 在 Windows（仓库自带脚本口径） 跑：node --test "tests/.test.mjs" → 62/62 全绿（2026-09-14 实测）；
- 在 WSL 下跑同一条命令 → 61/62，唯一失败项是 selfBuild 构建自报用例：它把 new URL(...,import.meta.url).pathname 的盘符形态（Windows E:/… vs WSL mnt/e/…）直接喂给 readPackageVersion，在 WSL 下读不到 package.json 而返回空串——是环境路径形态差异，不是运行时回归（README 如实标注，未改测试）。

设计要点

- I1 只读采集：对远程平台只发 GET；全部写操作只在本地 jobs.json（全仓唯一 writeFileSync 在 saveState，可 grep 验证）。
- I2 指纹去重：同一条任务 = source + title(前 80 字符, 归一化)；重复入库不会新增（added 不增），因此「今天没新任务」是可解释的结论而不是故障。
- I3 损坏即重置（如实标注）：jobs.json 解析失败 → loadState 返回空库，丢弃坏文件、不备份——这是一处待改进的容错（语义文档 §10 U3）。
- I4 写失败不致命（如实标注）：saveState 的写失败被 catch 且不报错（静默，语义文档 §10 U4）——与「不许静默」纪律相抵，已登记。
- I5 工具数固定 4：radar_scan / radar_list / radar_mark / radar_digest。
- I6 决策归爱丽丝：插件无定时器、无自动推送、无自动投标（ctx.effect 内是空清理函数）；摘要只负责「把值得看的摆到桌上」，推送与否、投不投由我自己判断。
- 合规红线：不做爬虫式高频抓取——只读公开 API/RSS，单源 20s 超时、失败即跳过。

相关文档

| 文档 | 内容 |
| docs/semantic.md | 权威契约：定位与反定位、术语表、概念模型与不变量（I1–I6）、契约（配置 / 打分契约逐字 / 状态裁决表 / 调用点清单）、边界与信任、可证伪验收清单、实践修订记录、未决问题（U3/U4） |
| alice-digital-life | 本插件所属生态的中心索引（全部自研插件） |
| 姊妹插件 dsh-agent-telegram | 主动通知通道——radar_digest 的清单由我决定是否经它推送给主人 |

License

MIT © jonah791

本插件属于我的数字生命爱丽丝（alice-digital-life）的 DSH 自研插件生态——50 个插件按生命/认知/感知/行动/通信/治理/呈现七层组织。