奇绩Mapping爬论文与人才触达工作流

AI/ML 人才搜索、论文作者发现、实验室成员爬取、GitHub 研究者挖掘与个性化招聘邮件生成 skill。只要用户提到查找 AI/ML PhD、研究员、工程师，抓取实验室成员、OpenReview/CVF 会议作者、GitHub 网络研究者，提取主页/Scholar/GitHub/邮箱/研究方向，识别华人、分...

Security Scan

The skill's code and runtime instructions match its stated recruitment/scraping purpose, but it asks the agent to perform sensitive scraping and credentialed API calls (GitHub, BrightData, Feishu, OpenReview) without declaring or justifying required credentials and includes ethnicity-targeting logic — these mismatches and the broad automatic-trigger guidance are concerning.

Purpose & Capability

The scripts (OpenReview, CVF PDF parsing, GitHub network, lab scraping, Cloudflare email decoding, async httpx) are coherent with the declared purpose of discovering researchers and generating outreach. However, many capabilities implicitly require external credentials/services (GitHub PAT, BrightData MCP token, Feishu app_token/credentials, possibly OpenReview credentials) even though requires.env declares none. That omission is a meaningful inconsistency.

Instruction Scope

SKILL.md instructs the agent to run local scripts, download PDFs, extract and aggregate personal contact data (emails, homepages), create and update Feishu (飞书) multi-dimensional tables, and even '识别华人' (identify people of Chinese ethnicity) using surname lists. The instructions also say the skill should auto-trigger whenever the user's request matches a broad set of recruitment tasks (scope creep). These instructions enable mass collection and writing of personal data and require external API usage and credentials that go beyond a simple helper.

Install Mechanism

There is no install spec (instruction-only in registry), which reduces installer risk. But the package includes multiple non-trivial Python scripts that will be executed by the agent/environment if invoked. No remote downloads/install steps are present, so supply-chain risk is lower, but the presence of many runnable scripts increases runtime risk (network I/O, file writes) compared to a pure-doc skill.

Credentials

The skill's examples and scripts require sensitive credentials: GitHub Personal Access Token (explicit in github_network_scraper), BrightData MCP token (recommended for anti-scrape bypass), Feishu app_token / API credentials (for reading/updating tables), and possibly OpenReview credentials. None of these required env vars or primary credential fields are declared in the registry metadata — a mismatch that can lead to surprising requests for secrets. Additionally, the skill performs ethnicity identification (Chinese surname heuristics), which is a privacy/ethical concern and increases sensitivity of the data being collected.

Persistence & Privilege

always:false and no explicit system-wide modifications are requested — good. The SKILL.md encourages the skill to be prioritized/auto-triggered when relevant user intents appear; while not an OS privilege, that broad auto-triggering policy combined with the credential/ scraping concerns increases the potential blast radius if allowed to run autonomously. The skill does not request permanent presence or modify other skills.

What to consider before installing

This skill is functionally coherent for research candidate discovery but has several issues you should resolve before installing: (1) Ask the publisher which exact environment variables/credentials are required and why (GitHub token, BrightData token, Feishu app_token, OpenReview creds). Do not provide high-privilege or org-wide tokens; use least-privilege, short-lived tokens in a test account. (2) Review the scripts locally before running — they perform network requests, download PDFs, and will extract and write personal contact data and emails. (3) Be aware of privacy and legal risks: automated scraping of emails, mass outreach, and ethnicity classification may violate site ToS, data-protection laws, or internal policies. (4) Test in a sandboxed environment with a limited dataset and audit logs, and restrict the skill's ability to run autonomously until you confirm behavior. (5) If you need Feishu integration, verify required scopes and prefer a dedicated service account rather than personal credentials. If the publisher cannot justify the undeclared credentials or provide safer operation guidance, treat the skill with caution or avoid installing.

Mapping-Skill

面向 Claude Code 与 OpenClaw 的 AI/ML 人才搜索与触达执行手册。

项目链接

• GitHub: https://github.com/16Miku/Mapping-Skill
• ClawHub: https://clawhub.ai/16Miku/mapping-skill

这个 skill 具备的能力

当用户提出以下任务时，应优先启用本 skill：

1. 搜索 AI/ML PhD、研究员、工程师
2. 抓取实验室成员主页并提取结构化信息
3. 抓取 OpenReview / CVF 论文作者信息
4. 从 GitHub following/followers 网络中发现研究者
5. 对给定 URL 执行全量学者信息抽取
6. 识别华人候选人、分类、去重、标准化研究方向
7. 基于候选人信息生成个性化招聘邮件
8. 将 CSV 或爬取结果导入飞书多维表格
9. 在飞书表格中批量生成并回写推荐邮件

执行原则

1. 先判定任务类型，再选方法

   • Topic search
   • Lab search
   • Conference author search
   • GitHub network discovery
   • Given-URL extraction
   • Feishu email workflow

2. 优先复用已有 references 与 scripts 不要从零发明流程。先检查 references/ 与 scripts/ 是否已有成熟模式。

3. 优先选择最稳定的数据入口

   • OpenReview 会议优先 API
   • CVF 会议优先 HTML + PDF
   • Hugo Academic 页面优先模板化解析
   • 页面结构混乱但邮箱明显时，使用邮箱反向定位法

4. 抽取与清洗并重 结果必须尽量结构化，并在输出前做分类、去重与字段标准化。

5. 邮件必须基于真实信息个性化 technical_hook 和 talk_track_paragraph 不能空泛，必须和候选人论文、研究方向或主页内容关联。

6. 如用户涉及 OpenClaw / 飞书场景，要显式考虑导表和字段回写 对此类需求，结果不应只停留在本地 CSV。

平台使用说明

Claude Code

适用于：

• 本地脚本执行
• MCP 工具调用
• CSV 导出
• 以本地文件和结构化结果为主要交付物

安装方式通常是把 skill 放到 ~/.claude/skills/ 目录。

OpenClaw

适用于：

• skill 目录托管与刷新
• slash commands 调用
• ClawHub 分发
• 飞书、多工具联动工作流

OpenClaw 常见技能加载位置：

• <workspace>/skills
• ~/.openclaw/skills
• 内置 skills

也可通过 ClawHub 安装，并通过“刷新 skills”或重启网关重新索引。

工作流

Step 1：识别输入任务与目标输出

先明确：

• 搜索范围是 topic、lab、conference、GitHub network 还是给定 URL
• 输出要求是候选人列表、CSV、飞书入表、邮件生成，还是全流程都要
• 是否需要识别华人、是否需要邮箱、是否需要导入飞书

Step 2：选择数据源与抓取方式

方法选择矩阵

场景	首选方案	备用方案
OpenReview 会议	scripts/openreview_scraper.py + API	搜索 + 主页回补
CVF 会议	scripts/cvf_paper_scraper.py	补抓 PDF / 页面回退
Hugo Academic 单页卡片	lab_member_scraper.py 的 card 模式	BrightData
实验室列表页 + 个人页	lab_member_scraper.py 的两阶段模式	BrightData
无固定结构但含邮箱	邮箱反向定位法	BrightData / 手工规则
GitHub 研究者网络	scripts/github_network_scraper.py	网页搜索辅助
LinkedIn / 强反爬站点	BrightData MCP	降级到公开网页信息
给定任意 URL	BrightData MCP 或定制脚本	多源补充

Step 3：执行抽取

根据场景读取相应脚本或 reference：

• 搜索模板：references/search-templates.md
• Python 爬取：references/python-scraping-guide.md
• 反爬处理：references/anti-scraping-solutions.md
• URL 优先级：references/url-priority-rules.md
• 会议抓取：references/conference-paper-scraping.md

Step 4：结构化与标准化

至少尽量抽取这些字段：

• 中文名 / 英文名
• title / role
• affiliation
• research_interests / research_field
• education / experience
• publications
• homepage / Google Scholar / GitHub / LinkedIn / Zhihu / Bilibili
• email

然后继续做：

• 华人识别：references/chinese-surnames.md
• 候选人分类：references/candidate-classifier.md
• 去重：references/deduplication-rules.md
• 研究方向标准化：references/field-mappings.md

Step 5：邮件生成

读取：

• references/email-templates.md
• references/talk-tracks.md

生成邮件时必须填充：

• researcher_name
• context_affiliation
• research_field
• technical_hook
• talk_track_paragraph

Step 6：结果交付

根据用户要求输出为：

• Markdown 结构化表格
• CSV 文件
• 飞书多维表格
• 飞书表格中的“推荐邮件”字段

OpenClaw / 飞书工作流要点

如果用户明确提到 OpenClaw、飞书、多维表格、导表或批量写邮件，应把这些步骤视为本 skill 的标准能力，而不是额外加分项。

标准能力

1. 解析飞书多维表格链接
2. 提取 app_token / table_id
3. 批量读取记录
4. 依据论文标题或候选人关键词映射研究方向
5. 批量生成个性化邮件
6. 创建新字段并批量更新记录
7. 返回飞书链接、成功/失败统计与原因

最佳实践提示词

后续如果有新的实践文档，应继续沉淀到 references/prompt-best-practices.md。当前优先复用下面几类高价值提示词模式。

1. OpenReview 论文爬取 + 飞书入表

请执行 OpenReview 论文爬取任务：
1. 使用 Mapping-Skill skill 根目录下的 `scripts/openreview_scraper.py` 脚本
2. 初始化爬虫时使用 api2.openreview.net 端点：
   scraper = OpenReviewScraper(
       username='XXXXXXX',
       password='XXXXXXX',
       baseurl='https://api2.openreview.net'
   )
3. 爬取 ICLR2025 的 5 篇论文（测试）+ https://openreview.net/group?id=ICLR.cc/2025/Conference#tab-accept-oral（记着替换链接）
4. 保存 CSV 到 /tmp/ 目录
5. 创建新的飞书多维表格，按照 Mapping-Skill skill 根目录下的 `scripts/openreview_scraper.py` 脚本中爬取的数据来创建相应字段
6. 批量导入数据到多维表格
7. 返回多维表格链接和统计信息

2. CVF 论文爬取 + 邮箱提取 + 飞书入表

请执行 CVF 论文爬取任务：
1. 使用 Mapping-Skill skill 根目录下的 `scripts/cvf_paper_scraper.py` 脚本
2. 严格按照脚本中的 extract_emails_from_text() 函数提取邮箱
3. 爬取 ICCV2025 的 5 篇论文（测试）+ https://openaccess.thecvf.com/ICCV2025?day=all（记着替换链接）
4. 保存 CSV 到 /tmp/ 目录
5. 创建新的飞书多维表格，按照 Mapping-Skill skill 根目录下的 `scripts/cvf_paper_scraper.py` 脚本中爬取的数据来创建相应字段
6. 批量导入数据到多维表格
7. 返回多维表格链接和邮箱提取统计

3. 飞书表格批量写邮件

请执行论文作者邮件生成任务：
【数据源】
表格链接：
【第一步：解析表格链接】
1. 从链接中提取 app_token（格式：/base/{app_token}）
2. 调用 feishu_bitable_app_table 的 list 接口获取 table_id
3. 验证表格可访问性
【第二步：分批读取论文数据】
1. 使用 feishu_bitable_app_table_record 的 list 操作
2. 分批读取（每批50条），使用 page_token 分页
3. 只提取必要字段：记录ID、论文标题、作者、邮箱、机构
4. 过滤条件：只处理有邮箱的记录
【第三步：确定研究领域】
1. 读取 Mapping-Skill skill 根目录下的 `references/field-mappings.md`
2. 根据论文标题和关键词，使用映射规则确定研究领域
3. 示例：
   - "Symmetry Understanding of 3D Shapes" → Computer Vision
   - "Efficient Adaptation of Vision Transformer" → NLP
【第四步：生成个性化邮件】
1. 读取 Mapping-Skill skill 根目录下的 `references/email-templates.md`
2. 根据研究领域选择对应模板（共22个领域）
3. 填充占位符：
   - {{researcher_name}} → 第一作者姓名
   - {{context_affiliation}} → 机构
   - {{research_field}} → 研究领域
   - {{technical_hook}} → 基于论文标题生成
   - {{talk_track_paragraph}} → 从 talk-tracks.md 选择
【第五步：批量更新多维表格】
1. 在多维表格中创建新字段："推荐邮件"（多行文本）
2. 使用 batch_update 批量更新每条记录
3. 每批最多 500 条
【第六步：验证和统计】
1. 验证邮件内容个性化
2. 返回统计：总计 X 条 / 成功 Y 条 / 失败 Z 条
3. 列出失败原因
【输出】
- 多维表格链接
- 生成统计
- 失败原因列表

4. 给定某 URL 全量抽取并入表

1、请你调用BrightData-MCP工具，或者编写爬虫脚本，爬取 <某网站URL> 页面中的所有人员信息。
2、提取信息包括中文名，英文名，个人介绍信息、学术方向、学校和专业信息、工作经历、近期论文著作信息（包含论文名和论文链接）、github链接、个人主页链接、谷歌学术链接、领英链接、知乎链接、B站链接、邮箱等。
3、当前页面缺少邮箱的话，需要进入学者主页或论文链接页面，从里面提取作者们的邮箱。
4、保存到csv文件，然后将csv导入飞书多维表格。

输出格式

候选人摘要表

Name	Type	Affiliation	Field	Chinese?	Email
Wei Zhang	PhD	Tsinghua	RL	Yes (0.92)	[e-mail]

单个候选人详细输出

## Candidate: Wei Zhang (张伟)

- Type: PhD Student
- Affiliation: Tsinghua University
- Research Field: Reinforcement Learning
- Chinese: Yes (0.92)
- Email: [e-mail]
- Homepage: ...
- Scholar: ...
- GitHub: ...

### Research Summary
- RLHF
- Reward modeling
- Policy optimization

### Publications
1. ...
2. ...

### Outreach Email
...

飞书工作流输出

至少返回：

• 飞书多维表格链接
• 总记录数 / 成功数 / 失败数
• 邮箱提取统计（如有）
• 失败原因摘要

References guide

按场景加载：

• 通用搜索：references/search-templates.md
• 候选人字段：references/profile-schema.md
• 分类：references/candidate-classifier.md
• 华人识别：references/chinese-surnames.md
• 去重：references/deduplication-rules.md
• 邮件模板：references/email-templates.md
• talk tracks：references/talk-tracks.md
• Python 抓取：references/python-scraping-guide.md
• 反爬处理：references/anti-scraping-solutions.md
• 会议抓取：references/conference-paper-scraping.md
• 后续实践复盘：references/practice-cases.md
• 后续最佳提示词：references/prompt-best-practices.md
• 后续用户反馈：references/user-feedback-notes.md

Scripts guide

• scripts/openreview_scraper.py：OpenReview 会议论文与作者抓取
• scripts/cvf_paper_scraper.py：CVF 论文页面 + PDF 邮箱提取
• scripts/lab_member_scraper.py：实验室成员抓取（两阶段 / Hugo Academic / 邮箱反向定位）
• scripts/github_network_scraper.py：GitHub 研究者网络抽取
• scripts/cloudflare_email_decoder.py：Cloudflare XOR 邮箱解密
• scripts/httpx_scraper.py：通用异步 HTTP 抓取
• scripts/serper_search.py：搜索入口模板

不要遗漏的经验

1. OpenReview 优先 API，不要一上来就网页搜索
2. CVF 邮箱提取优先 PDF 首页文本
3. Hugo Academic 要先判断是 card 模式还是两阶段模式
4. 中国高校站点要考虑 [at] 混淆和 SSL 问题
5. 页面结构混乱时，优先尝试邮箱反向定位法
6. GitHub README 往往能补齐 Scholar / Homepage / LinkedIn
7. 若用户要求飞书结果，必须考虑表字段创建与批量更新

后续迭代入口

后续收到新的实践文档后：

1. 把高价值提示词加入 references/prompt-best-practices.md
2. 在本 SKILL.md 的“最佳实践提示词”部分补充该功能已支持的明确说明
3. 将踩坑与修复沉淀到 references/user-feedback-notes.md
4. 必要时补充 evals/evals.json 做后续测试