找 AI 工作不用爬蟲、不用金鑰：20 行程式加一個免費介面，每週自動給你一份摘要 找工作的自動化通常死在兩件事上：爬蟲被擋，和不知道哪些職缺真的和 AI … · @swordBluesy · TwKit

@swordBluesy

找 AI 工作不用爬蟲、不用金鑰：20 行程式加一個免費介面，每週自動給你一份摘要 找工作的自動化通常死在兩件事上：爬蟲被擋，和不知道哪些職缺真的和 AI 有關。Level 的職缺目錄把這兩件事都拿掉了：它可以用免費、唯讀的 REST 介面查，也可以用遠端 MCP 伺服器查，而且每個職缺都帶一個 AI 分數，「這份工作是不是真的 AI 工作」變成一個查詢參數，而不是人工判斷。 注意：原文數據取自 2026 年 10 月 16 日，已超出 7 天、仍在 14 天放寬範圍內，特此註明日期。 一、一次請求，用 AI 等級過濾 介面是 https://jobsbylevel.com/api/v1/jobs，關鍵參數是 query、ai_level_min、ai_level_max、remote、city、company、posted_within_hours（1 到 168）、sort=recent、page，每頁回 20 條： import json, urllib.parse, urllib.request BASE = "https://jobsbylevel.com/api/v1/jobs" def fetch(**params): url = BASE + "?" + urllib.parse.urlencode(params) req = urllib.request.Request(url, headers={"User-Agent": "weekly-digest/0.1"}) with urllib.request.urlopen(req, timeout=30) as r: return json.load(r) data = fetch(query="machine learning", ai_level_min=3, remote=1, posted_within_hours=168, sort="recent") print(f"{data['total']} matching jobs in the last 7 days") for job in data["items"][:5]: print(f"L{job['ai_level']} ({job['ai_score']}) {job['title']} @ {job['company']}") print(" ", job["url"].split("?")[0]) 作者在 2026 年 10 月 16 日實跑，過去 7 天符合條件的有 110 份。前 5 份分別是 Block 的安全工程職缺（分數 65）、Databricks 的生成式 AI 解決方案架構師（70）、Natera 的首席 AI 工程師（90）、Fetch 的資深機器學習工程師（90）、NVIDIA 的基礎模型實習（90）。 第一個結果就是教訓：用 machine learning 當關鍵字查，會出現安全工程師，因為文字查詢比對的是職缺全文，不只是標題。AI 等級過濾的作用就在這裡：加上 ai_level_min=3，只留 AI 是工作核心的職缺，但標題還是要自己看一眼，不要全信關鍵字。 二、摘要機器人的三個決定，對應三個欄位 是不是新的：把每個職缺的 id 存下來，見過的跳過。 AI 夠不夠重：直接用 ai_score，80 分以上就是 Level 4，你可以自己定門檻，不用只看等級標籤。 值不值得人花時間：把標題、公司、工具、薪資欄位丟給語言模型，請它給一句申請或跳過的理由。薪資欄位只有雇主公開時才有，沒有時是空值，程式要同時處理兩種情況。 還有一條使用條件：每個結果都帶一個 Level 網站上的標準連結，展示給別人時要保留那個連結。 三、不想寫程式，就用 MCP 如果你已經在 Claude、Cursor 或其他 MCP 客戶端裡工作，不用寫腳本。加一個伺服器，它是 Streamable HTTP、無狀態、唯讀、不用鑑權： claude mcp add --transport http level-jobs https://jobsbylevel.com/mcp 伺服器提供的工具包括 search_jobs、latest_ai_jobs、get_job、market_stats、list_companies_by_ai_level、get_level_definitions。直接問它「過去 48 小時內遠端 Level 3 或 4 的職缺，按公司分組」，它會自己組合呼叫。 先做一個 sanity check：market_stats 在 2026 年 10 月 16 日回報 140530 份在線職缺，其中 Level 1 有 116494 份、Level 2 有 5446 份、Level 3 有 11769 份、Level 4 有 6821 份，遠端佔 17.7%。如果你的摘要一週回幾百份，對照這個總量就知道自己撈的是哪一層。 四、四個坑，寫程式前先知道 帶查詢字串的總數有上限：文字查詢會讓 total 停在 1000，並標 total_capped；不帶查詢字串的總數才是精確的。 速率限制客氣但不慷慨：兩個介面每分鐘每 IP 約 60 次請求。每週跑一次完全沒問題，但 naive 的翻頁迴圈很容易撞上限。 職缺會變：Level 每 6 小時重讀雇主系統，文字一變就重新評分，不要把分數快取幾週。 分數是針對文字的：描述寫得薄，等級就低，因為文字薄。不要把等級讀成對這份工作的判決。 往下一步走：加 city 做本地摘要，加 company 盯一家雇主，或者用 ai_level_max=2 找「用 AI 工具」而不是「造 AI」的工作。參數可以組合，全部不用註冊。 S1哥觀點 找工作自動化的聰明之處，不在於爬得多快，而在於不爬。一個免費唯讀介面加一個 AI 分數，就把兩個最髒的活省掉了。問題留給你：你每週花在刷職缺上的時間，到底是在找工作，還是在用刷職缺假裝自己在找工作？ 原文連結：https://dev.to/jobsbylevel/build-a-weekly-ai-jobs-digest-agent-in-20-lines-of-python-no-api-key-2lim 原文：@jobsbylevel（由 S1哥 編譯

曝光 117 · 评论 1 · 点赞 1 · 书签 0