jd-sweep-valig

name: jd-sweep-valig description: 正式共用 JD sweep 入口。用 run-valig-title-sweep.mjs 以 preset 抓取 LinkedIn 職缺產生 receipt，依 .specify/conventions/jd-shortlist-ranking.md + lane delta 判斷，只把討論後確認要投的 winners 用 import-slate 寫進 DB（不 bulk 倒未判斷 raw）。當用戶說「跑一輪 valig」「掃 SDR/BDR」「掃 GTM/RevOps/Marketing Ops/CS/Implementation」「廣挖全美 JD」「抓新中文職缺」「中文加分」「掃一輪 LinkedIn」「掃 intern」「掃 B-tier intern」「高層行政助理」「Executive Assistant」「Administrative Partner」時使用；若用戶明確重啟「掃 supply chain intern」或「用 AI-wave 方向抓供應鏈」，只按 historical / explicit-only guidance 執行。

jd-sweep-valig

意圖與邊界

這是唯一正式 sweep 入口。它只負責：

• 用同一套抓取器跑 preset 或客製 query
• 產生一致 receipt（options / searches / jobs）
• 判斷後只把確認要投的 winners 寫進 DB（不 bulk 倒未判斷的 raw）

這個入口涵蓋兩條結構性互補的抓取管道，不是只有 Apify：

• Apify valig（title × location）：廣度基線，可重跑、可寫回 DB、job_id 去重。但結構性漏掉開頭非標準的 title（enablement / intern / 長標題 / 詞序不同），即使 contractType=I 也抓不到——它只命中 preset 列的精確 title。
• LinkedIn 語意搜尋（authenticated read）：召回 Apify title-search 漏掉的非標準黃金（實證：Smartly "Sales Enablement & Competitive Intelligence Intern"、Skydio "GTM Enablement Associate"、TikTok Strategy Intern 都這樣來）。代價是噪音高、~1000 筆上限、目前需人工翻頁（非自動 receipt）。

兩條並存：Apify 做標準廣度，語意搜尋補非標準長尾。MCP 不改變這點（interface layer，同 Actor 同輸出，換呼叫方式不換抓取結果）。語意補網的適用 lane 見「1b) LinkedIn 語意補網」——主要對 B，不是 BCD 平均做。

共用 vs 獨立（防 drift 邊界）

所有 preset（主攻與支線、含中文）共用同一棵樹，差異只在三樣。改東西前先看這張表，免得同一件事在兩處各維護一份而 drift：

一句話：title / location 各自獨立是對的（問的維度不同——title 問角色、location 問地理）；公司品質判斷一律收斂到 AI-wave thesis 一份，誰要判「這是不是好公司」都讀它、不另立第二份標準，否則 drift。

它不做最終 ranking。判斷層一律走 .specify/conventions/jd-shortlist-ranking.md，輸出一律走 .specify/formats/jd-shortlist-slate.md，依 lane 注入很薄的 Lane Decision Delta：

• SDR / BDR：交給 .specify/prompts/jd-lane-delta-sdr-bdr.md
• GTM-adjacent（Sales Ops / RevOps / Marketing Ops / CS / Implementation）：交給 .specify/prompts/jd-lane-delta-gtm-ops.md
• marketing-analysis（行銷/市場/消費者分析，B 分析 tier 入口）：交給 .specify/prompts/jd-lane-delta-marketing-analysis.md（預設 cluster:B，少數 campaign/ops 味判 C）
• Mandarin（中文當門票）：中文是擠進好公司的篩選器、不是獨立 lane。判斷層套 .specify/conventions/jd-shortlist-ranking.md + gtm-ops Lane Decision Delta（不是 location profile——抓取仍走 mandarin_bilingual location profile，見「Location rotation」），但判斷順序是「先判公司、後判角色」：先讀 shared/references/market/ai-wave-domain-thesis.md 判公司是不是 AI-wave 好公司 → 好公司就放行、進去再圖轉 B → 角色本身對到 B = 黃金。完整 gate 見「Lane 精簡 gate」的 mandarin
• 其他 lane：用對應正式流程判斷

主要流程

1. 抓取

# 主攻池 + GTM 入口都吃 broad_recall（national + 35 個全美 metro 全放 core、每輪都打、不輪替；coverage-first）
node scripts/run-valig-title-sweep.mjs --preset marketing-analysis  # 近期主攻召回
node scripts/run-valig-title-sweep.mjs --preset gtm-ops             # B 中心 + C/D 橋接（已抽掉 SDR/BDR）
# A lane 已降為機會型支線：sdr-bdr 不進 daily 主攻，只在想看 AI-wave SDR 機會時手動跑
node scripts/run-valig-title-sweep.mjs --preset sdr-bdr             # 機會型支線（非 daily 主攻）
# B-tier intern 用薄殼 /intern-sweep 拉出跨 lane receipt；LinkedIn keyword 搜尋忽略 "Intern" 字尾，
# 實習靠 contractType=I + 短 stem title 撈，且要 --intern-only 後處理 + 7 天窗（見下方 contractType 寬鬆 filter 註）
node scripts/run-valig-title-sweep.mjs \
  --title "Marketing Analyst" --title "Market Research" \
  --title "Business Analyst" --title "Revenue Operations" \
  --title "Sales Operations" --title "Operations Analyst" \
  --title "Customer Success" --title "Implementation" \
  --location-profile broad_recall --date-posted r604800 \
  --remote 1,3 --contract-type I --intern-only --out-prefix intern-sweep
# 支線 lane 仍用各自地理輪替 profile
node scripts/run-valig-title-sweep.mjs --preset mandarin --rotation-batch auto
node scripts/run-valig-title-sweep.mjs --preset supply-chain-intern --market-mode ai_wave --rotation-batch auto  # historical / explicit-only：只有使用者明確重啟供應鏈搜尋才跑
node scripts/run-valig-title-sweep.mjs --preset executive-admin --rotation-batch auto

gtm-ops / marketing-analysis（以及機會型支線 sdr-bdr）用 broad_recall profile：每輪打滿 United States + 35 個全美目標 metro（primary tech hubs + secondary tech markets + 非科技 national metros，含候選人 base Portland）、不輪替。設計是 coverage-first：LinkedIn 的 United States 只是地理偏斜切片、不是全國超集（US@200 仍漏掉某 metro 94% 的缺），要全美覆蓋就得逐 metro 打；每輪 query 數 ＝ preset title 數 × metro 數（title 數以 run-valig-title-sweep.mjs 的 PRESETS 為準，會隨校準增減），只是 valig 抓取時間/額度，不是瓶頸（瓶頸是判斷/投遞頻寬）。刻意不用 rotation：把 metro 輪到 1/N 輪會讓那城的短命缺漏掉，正好破壞全美覆蓋。靠窄 date 窗 + 定期重跑保持新鮮（valig ~40% 洗牌），job_id 去重讓重疊很便宜。broad_recall 不吃 --rotation-batch（rotation 為空）；抓取量若是硬限制，調 cadence／拉長間隔，而不是砍 coverage。

--date-posted 對齊重跑頻率：預設 r604800（近 7 天）。窗 ≈ 重跑間隔 + 1 天 buffer，否則兩次的日期窗重疊段會把同一批仍在線的舊缺重抓一次。valig actor 只接受四個合法值：""（不限）、r86400（24h）、r604800（7 天）、r2592000（30 天）——傳其他值（如 r259200）actor 會回 HTTP 400、整輪抓 0 筆。 所以每日掃用 r86400、每 2–3 天掃用 r604800（沒有合法的 3 天值，往上取 7 天）、跨週/跨月校準用 r604800 或 r2592000。但不必追求零重疊：valig 寫入（import-slate / import-valig-fetch）靠 job_id（valig id＝PRIMARY KEY）去重、且只寫確認要投的 winners，所以重複抓只花 valig 抓取額度、DB 端重疊本來就小、不污染 pool；且因 ~40% 洗牌 + United States 是地理切片，帶重疊的定期重跑本身就是廣召回的手段，單輪新缺通常遠多於重疊舊缺。（注意：dedup_hash 是 company-board / ATS fetcher 那條路在用、hash 的是 apply_link；valig row 為 NULL、且 LinkedIn 換 id 重貼時 URL 會變，所以它不在 valig 去重這條路上。）所以「平常隔幾天掃新缺來投」才縮窗；「跨週重新校準整體供給」要用寬窗看滿整週。

--contract-type 是寬鬆 filter，不是嚴格篩（2026-06-21 actor 探測實證）：valig 的 contractType（合法值 F/P/C/T/I/V）只把對應類型排前/加權，不嚴格排除其他——送 ['I'] 會回 Internship 為主、仍混 Full-time（單 title 乾淨探測：15 intern / 10 full-time），且窄窗（r86400）下 intern 供給稀疏時會被 full-time 大量稀釋（3 intern / 73 full-time）。所以各 preset 設的 ['F','C','T','I'] 是「讓這些類型都進召回池」，不是嚴格只要這幾類。唯一需要嚴格只留某類型時（intern-sweep 只要 intern），用 --intern-only：它用 actor 回傳的精確 contractType 標記（output 標記是準的，即使 input filter 寬鬆）做確定性後處理，只留 Internship（實證 68/68 純淨）。注意第二層雜訊：LinkedIn 的 "Internship" 標記本身偶有 senior/manager 缺被錯標，--intern-only 擋不掉，要靠 ranking win 閘讀完整 JD 判 level。

1b) LinkedIn 語意補網（撈 Apify 漏的非標準黃金）

Apify 標準 sweep 跑完後，對「title 開頭非標準」的黃金做語意補網。可重跑 runner 已就位：run-linkedin-semantic-sweep.mjs，用使用者自己的 authenticated persistent session 就地抓取（點 card → 從 currentJobId 取 id + anchor-slice 取乾淨 JD），產 receipt 到 data/sweeps/linkedin-semantic-*.json/.md，欄位對齊 valig receipt。它只產 receipt——不 ranking、不寫 DB；判斷與寫 DB 仍走下面的「流程」與既有 import-slate。

# query 模式（自動翻頁到 limit、跨頁去重）
node scripts/run-linkedin-semantic-sweep.mjs --query "GTM Enablement" --limit 75
# seed URL 模式（吃你貼的 LinkedIn search-results URL）
node scripts/run-linkedin-semantic-sweep.mjs --url "<LinkedIn search-results URL>"
# 只讀貼的那一頁（驗證用）
node scripts/run-linkedin-semantic-sweep.mjs --url "<URL>" --keep-start

--query vs --url（別混用）：--query 是裸 semantic 關鍵字，只送 keywords、不帶任何 filter。要沿用你在 LinkedIn 上存好的 alert / saved-search 條件（geoId / savedSearchId / f_* / salary / distance），必須整段貼成 --url——--query 不會幫你還原那些。--url 也會 pre-capture URL 上預選的 currentJobId（見下）。

抓取細節封裝在 lib/linkedin-job-search-reader.mjs（beta /jobs/search-results/ 與 classic /jobs/search/ 兩面都實測通過）；它是語意補網的正式入口。舊的 linkedin-job-search-authed.mjs 與 linkedin-scraper.mjs 只算 legacy / fallback，不要當語意補網入口跑。receipt 已做 job-id 去重 + 同 company/title 去重（砍 beta 語意翻頁常見的同職缺 repost / 多地點分身）。

已知限制與現況（看 receipt 前先讀）：

• beta 翻頁重疊高：每頁約一半 card 與前頁重複（receipt 的 duplicateIds 如實記錄），開大 limit 可能抓不滿。這是 beta 排序本質、非 reader bug；要更高召回就多跑幾組 seed，別把單一 limit 開很大。
• 每頁讀前 25 張 card + seed pre-capture：beta DOM 一次露出約 48–50 張，但 reader 每頁只點前 25（之後靠 start+=25 翻頁）。所以單頁不保證讀完所有可見 card——相關度高的排前面、會被讀到；尾部冷門 card 可能要靠翻頁或換 seed 才撈到。但你 --url 指定的那筆 currentJobId 一定先被 pre-capture（即使它不在可點 card list 裡），不會漏。
• cards seen ≠ collected：summary 的 collected 是「去重後值得人讀的不同職缺」，遠少於 cards seen，不代表 LinkedIn 只有這麼少。
• auth 失敗 / 被擋標 blocked、選不到 card 標 partial，不靜默回 0。

適用 lane：主要對 B，以及 B-adjacent 的 people-ops，不是 BCD 平均做。 語意補網存在的唯一理由是「Apify title-search 結構性漏黃金」，所以只對會被漏的 lane 做（people-ops 的 seed/gate 見下方獨立小節）：

• B（RevOps/Strategy/Analytics）= 主場：唯一被實證 Apify 結構性漏黃金的 lane，因為 B 黃金特別愛用 enablement / strategy / intern 這種非標準開頭 title。B 也是 entry 供給最稀薄、最該複利的 lane（見 career-positioning.md），值得多花這道工。
• A（SDR/BDR）：title 高度標準化（SDR/BDR/ADR），Apify 抓得好、供給最多，補網 ROI 低，預設不做。
• D（CS/Impl）：變體可窮舉，用「receipt 差集 → 加 preset title」補（2026-06-02 已補 Customer Success Specialist 等 6 個），比手動語意翻頁省力。預設走加 title，不走語意補網。
• C（MarTech）：問題是泛 marketing 噪音、不是漏；語意搜尋只會撈回更多 marketing 噪音、幫倒忙。不做。

C/D 只有在實際發現「某類黃金確實被 title 法系統性漏掉、且加 preset title 補不了」時，才臨時補網——不預設常態做。

B 的 seed query 配方：GTM strategy analyst、GTM Enablement、Strategy & Operations、GTM intern（藏過 Smartly）；enablement / 競品情報入口（2026-06-15 lane 驗證升級，experimental-jd-sweep-lane-validation plan）：Sales Enablement Coordinator、Sales Enablement Associate、Revenue Enablement Coordinator、Revenue Enablement Associate、Competitive Intelligence Analyst、Market Intelligence Analyst、Market Intelligence Associate、Market Intelligence Intern。這組是 L1 實證 GOLD 率最高（19%）、但 Apify title-search 對 enablement / market-intelligence 長標題結構性 0 命中的那類，只能語意補網、不入 Apify preset。

帶偏詞黑名單（實證會把語意搜尋帶歪、單用會撈錯池）：

• revenue → 帶偏 finance / billing / 會計
• sales（單用）→ 帶偏 quota sales 池
• 裸 Analyst → 帶偏 senior（3–6+ yrs）
• business operations（單用）→ 帶偏 Management Trainee / 泛 ops 噪音
• 裸 Competitive Intelligence / Market Intelligence → 帶偏 senior CI owner（要 PhD / quant，2026-06-15 L1 sweep 實證：Meta CI 要 6yr+PhD、Rippling Senior CI Manager）。seed 一律綁 entry/coordinator/associate/intern/analyst-tier 限定詞，不放裸詞。

流程：每組 seed 用 runner 跑一輪（--query "<seed>" --limit 30~50；LinkedIn relevance 把相關排前，limit 控制翻幾頁、後面多是噪音）→ 讀 receipt 的 title/公司/JD 全文 → 對撈到的非標準黃金驗 level + sponsorship（B intern 多可 CPT 繞 sponsorship；entry full-time 留意 "no sponsorship" 硬條款）→ 確認黃金才用 import-slate 進 DB。receipt 已含乾淨 JD，不必再逐筆 live 讀。

B-adjacent people-ops 語意補網（2026-06-15 L2 lane 驗證新增）

People / Talent Ops 的真黃金與 B 同病——L2 GOLD 全是 Apify title-search 結構性漏抓的非標準長標題（WEX Talent Acquisition Operations Specialist、TikTok Mobility Operation Specialist (AI & Automation)、Tarte Coordinator, CX Reporting & Fraud Operations、Grocery Outlet Recruiting Operations Coordinator 接 Salesforce/reporting），所以它走語意補網、不入 Apify preset（泛 People/Recruiting coordinator title 只會撈回純面試排程 + 政府臨床 admin 噪音）。它正中候選人的 applicant-workflow / records-migration 證據（Changing The Present 的 PostgreSQL/Retool applicant 記錄遷移）。

• seed：Talent Acquisition Operations、HR Operations Analyst、Recruiting Operations、People Systems、HRIS analyst。
• gate（硬性，只收）：JD 內文要有 ATS / HRIS / applicant tracking / HR data quality / recruiting-ops reporting / workflow documentation / process-system optimization 其中之一。
• 黑名單（明確擋，即使 title 像也排除）：純 People Operations Coordinator / Recruiting Coordinator / interview-scheduling coordinator / 一般 HR admin / 政府·臨床 coordinator（involuntary commitment、ER unit coordinator）/ FAANG admin business partner 無 sponsor。
• 進 DB 時 cluster tag 用 cluster:B（people-ops 黃金接 records→reporting→handoff，歸 B 中心的 work object，不另立新 cluster）。

不入 Apify preset 的已驗證泛 title（2026-06-15 lane 驗證，加了會污染 pool，不再重議）：Research Operations Coordinator、Training Operations Coordinator、Learning Operations Coordinator（L3/L4 噪音 70–90% 醫療/學術/LMS admin）、People Operations Coordinator、Recruiting Coordinator 泛版（純排程）、Supply Chain Coordinator / Procurement Coordinator 泛版（warehouse/staffing/senior 噪音；供應鏈已退 active search，只有使用者明確重啟時才回看 historical supply-chain-intern --market-mode ai_wave）。

進 DB 格式（比照 networking 手動單筆）：用 db.insertJobRuntime 建 row，discovery_source='networking'、status_code='visa_uncertain'（intern/CPT）或依實際 visa 判斷，tag = ['cluster:<X>', 'slate:manual', 'manual-cluster', '<label>', '<status_code>']。slate:manual + manual-cluster 標示這是人工判 cluster、與 valig ranking 統計隔離，不污染「哪個 cluster 轉面試」的 feedback loop。

2. 判斷（套共用 ranking，不在 skill 另立判斷哲學）

抓取只產 receipt；最終推薦判斷一律走 .specify/conventions/jd-shortlist-ranking.md，輸出一律走 .specify/formats/jd-shortlist-slate.md。本 skill 只補 sweep 實作差異：

• 進場去重：在 convention 階段 1 之前，先做 job_id 去重，再做「同公司 + 同 title」跨 metro 去重；這是 sweep receipt 特有前處理，不改 ranking 階段定義。
• 便宜讀全文：階段 2 讀 receipt 內的 description，不 live 抓；因此數量收斂只發生在完整 JD 判斷之後，不用 title / LinkedIn level / 人為 Top-N 提前砍。
• 昂貴 live 只給 keeper：LinkedIn live open/closed、live applicants、sponsor 精查只對快動手那批做；提早囤 live 驗證常因 JD 過期失效。
• sponsor 與 DB tag：照 jd-shortlist-ranking.md 的 Sponsor Compound 與 db-status-conventions.md 的 visa:* tag，不在 skill 另寫 sponsor 規則。

依 lane 注入 profile：

• SDR / BDR 批次：.specify/conventions/jd-shortlist-ranking.md + .specify/prompts/jd-lane-delta-sdr-bdr.md
• GTM-adjacent 批次（Sales Ops / RevOps / Marketing Ops / CS / Implementation）：.specify/prompts/jd-lane-delta-gtm-ops.md
• marketing-analysis 批次（行銷/市場/消費者分析）：.specify/prompts/jd-lane-delta-marketing-analysis.md（B 分析 tier 入口，預設 cluster:B）
• Mandarin 批次（中文當門票）：.specify/conventions/jd-shortlist-ranking.md + gtm-ops Lane Decision Delta（不另寫 mandarin delta；location profile 仍是 mandarin_bilingual、不動）。判斷順序先公司後角色：先讀 shared/references/market/ai-wave-domain-thesis.md 判公司是不是 AI-wave 好公司，好公司才放行、進去再圖轉 B；角色對到 B = 黃金，角色能累積 product/business/data/market judgment 的優先，純低訊號客服/行政/翻譯只當低優先。中文剛需不是放行理由——非 AI-wave／說不清產品 buyer／純剝削零成長即使中文剛需也 OUT。
• supply-chain 批次：historical / explicit-only。供應鏈已退出 active search；只有使用者明確重啟時，才回看本 skill 的「AI-wave supply-chain recall」與「Lane 精簡 gate」。.specify/prompts/supply-chain-shortlist-ranking-prompt.md 沒有 live 版本，舊版只在 shared/archive/supply-chain-transition/references/ 供回顧。若 supply-chain ranking 要重新進主流程，先整理正式 Lane Decision Delta，再接回 .specify/conventions/jd-shortlist-ranking.md。
• 非上述 lane：走各自正式判斷流程

gtm-ops preset 的 title cluster 含 Tier A（乾淨 entry 門：Marketing Analyst、Demand Generation Coordinator、Marketing Operations Coordinator、Marketing Operations Specialist、Marketing Automation Specialist、Sales Operations Coordinator、CRM Coordinator、Implementation Coordinator、Customer Success Associate）與 Tier B（工作 fit 但偏 senior／噪音、靠 ranking gate 濾：Revenue Operations Analyst、Sales Operations Analyst、Business Analyst、Business Operations Analyst、Business Process Analyst、Growth Analyst、Operations Analyst）。SDR/BDR 已自 gtm-ops 抽出（A lane 降權，2026-06-14）、改只走機會型支線 sdr-bdr preset。Tier B 靠 GTM lane gate 濾掉 senior 與 off-pool；其中 Operations Analyst 噪音高但能撈非標題 RevOps（如 Deal / Commercial Operations Analyst），交給 gate 篩。完整清單以 scripts/run-valig-title-sweep.mjs 的 PRESETS 為準。刻意排除（2026-06-01 讀完整 JD 後）：Data Analyst（飽和）、Business Systems Analyst（IT＋無 sponsorship）、Process Improvement Analyst（工廠 CI／與 Business Process Analyst 冗餘）、Marketing Analytics（偏 senior／與 Marketing Analyst 冗餘）、Inside Sales Representative（科技 SDR 已被 sdr-bdr 抓、其餘非科技高量）。

3. 寫決定（只寫確認要投的 winners）

討論後，只把確認要投的 winners 用 import-slate 寫成 recommended；其餘留在 receipt，不進 DB。進 DB = 確定要投。

不再對 sweep 結果跑 bulk import-valig-fetch（會把未判斷 raw 全倒成 pending_analysis）。該腳本已無其他流程引用，僅保留為 legacy；company-board → /run-intake 自走 scan-company-*.mjs，不受影響。

Location rotation

run-valig-title-sweep.mjs 用共用 locationProfile 產生 locations。United States 會保留作為全國召回，再加上該 lane 的 core hubs 與一組 rotation bucket；--rotation-batch auto 會讀同 profile 最近一次 receipt，下一輪自動換桶。若要固定某組，用 --rotation-batch 2；若要全部探索桶，用 --rotation-batch all；若只要全國 + core，用 --rotation-batch none。

Preset 預設 profile：

• gtm-ops -> broad_recall（不輪替）
• sdr-bdr -> broad_recall（不輪替；機會型支線、非 daily 主攻；舊 sdr_bdr 保留為 fallback）
• mandarin -> mandarin_bilingual（location profile；判斷層套 gtm-ops ranking profile，兩者不同）
• supply-chain-intern --market-mode ai_wave -> supply_chain_ai_wave（historical / explicit-only；不進日常主攻）
• executive-admin -> executive_admin

broad_recall 是 coverage-first profile（United States + 35 個全美目標 metro 全放 core、每輪都打、rotation 空），用於「不在意地點、要廣挖全美好 JD」的主攻與 GTM 入口。地理輪替只適用仍用 rotation profile 的 active 支線 lane（mandarin / executive-admin）；supply-chain profile 只在使用者明確重啟供應鏈搜尋時作 historical / explicit-only 參考。

客製 title sweep 若要吃同一套 pool，明確加 --location-profile <name>；若已提供 --location，腳本會以 explicit locations 優先，不使用 profile。

Historical AI-wave supply-chain recall

供應鏈 / procurement / logistics 已退出 active search。只有使用者明確重啟 supply-chain intern / entry / contract 搜尋時，才回看這段 historical guidance；若重啟，仍用這個 skill，不新增新入口。做法是在 supply-chain-intern preset 上加 --market-mode ai_wave，目標只限能累積 systems / process / data / supply-chain judgment、且公司 domain 值得投入的職缺；rotation 預設 auto，會依最近一次 AI-wave supply-chain receipt 自動 1 → 2 → 3 → 1。

node scripts/run-valig-title-sweep.mjs --preset supply-chain-intern --market-mode ai_wave --dry-run
node scripts/run-valig-title-sweep.mjs --preset supply-chain-intern --market-mode ai_wave

腳本層的 market_mode=general 仍是 CLI 相容預設；skill 層只有在使用者明確重啟 supply-chain sweep 時才呼叫這組 guidance，且預設用 market_mode=ai_wave。只有當用戶明確說「不要 AI-wave」「一般供應鏈」「baseline / general sweep」時，才改用不帶 --market-mode ai_wave 的 general preset。

market_mode=ai_wave 會讀 00-job-bot.project/config/ai-wave-supply-chain-keywords.json，用 AI-wave domain + supply-chain role 產生 strict / entry 雙池 query；locations 則走共用 supply_chain_ai_wave profile。若用戶要固定某組，明確加 --rotation-batch 2；若要全部探索桶，明確加 --rotation-batch all；若只要全國 + core，明確加 --rotation-batch none。

AI-wave sweep 抓完後，固定先用報告校準 recall，不直接改 ranking 結果：

node scripts/analyze-ai-wave-recall.mjs --file "data/sweeps/<本輪 receipt>.json"
node scripts/suggest-ai-wave-feedback.mjs --ranking "data/sweeps/<ranking>.json" --sweep "data/sweeps/<本輪 receipt>.json"

有 ranking artifact 時再跑 feedback report；回補 keyword config 前要先看 feedback report，高可投率 keyword / bucket 可升權，高 needs_experience 或低貢獻項目才降權。不要自動覆寫 config。

Lane 精簡 gate

• sdr-bdr：只推 AI-wave / 技術型公司、能累積 buyer language、account research、qualification、CRM / pipeline discipline、AE-ready handoff 與 GTM motion 的 entry SDR / BDR；純 call volume、closing、territory ownership、commission-only、outsourced SDR program、remote-only 且無 coaching 降級。
• gtm-ops：只推能累積 customer/revenue signal、CRM/pipeline hygiene、follow-up、handoff、reporting 的 entry/coordinator/associate 角色；senior/manager/3+yr、HubSpot/Salesforce admin owner、AI/cloud solution architect、commission-only、remote-only 降級。Tier B 的 Analyst 字尾缺要特別看內文 seniority。
• marketing-analysis：只推接 funnel/conversion/campaign/consumer signal → analysis → reporting → recommendation 的 B 分析 tier entry 角色（含 customer/CX signal 黃金）；純 social/brand/content、paid media owner、generic data analyst、senior analytics、market research 純問卷執行、quota sales、remote-only 降級。Analyst 字尾常偏 senior，必讀內文判 level。Preset 含 I 以免漏；跨 lane intern 另走 /intern-sweep 拉出來看，重複職缺在 judgment 層收掉。
• mandarin：中文是擠進好公司的門票、不是 lane。先判公司（讀 shared/references/market/ai-wave-domain-thesis.md：賣什麼、buyer 痛點是否真實有預算、domain 未來 1–2 年會不會更值錢、進去能否接觸 customer signal/buyer pain/workflow knowledge）→ AI-wave 好公司就放行、進去再圖轉 B。判斷套框架 + gtm-ops ranking profile。三層：好公司＋角色對到 B＝黃金；好公司＋角色能累積 product/business/data/market judgment＝投；好公司但純低訊號客服/行政/翻譯＝低優先。下限（即使中文剛需也 OUT）：非 AI-wave、說不清產品 buyer pain、純剝削零成長。中文剛需從來不是放行理由，好公司才是。
• executive-admin：只推黃金公司 + 高層 operating cadence + Xin 有機會接住；成熟 career EA 或純庶務降級。
• supply-chain-intern：historical / explicit-only；只有使用者明確重啟時才推能累積 systems/process/data/supply-chain judgment 的 intern；純 warehouse labor / 現場低訊號不升級。

Preset

主攻：

• marketing-analysis（broad_recall；近期主攻召回；含 I，跨 lane intern 另用 /intern-sweep 單獨看）
• gtm-ops（broad_recall；B 中心 + C/D 橋接，已抽掉 SDR/BDR）

支線：

• sdr-bdr（broad_recall；機會型支線，A lane 已降權、不進 daily 主攻，只在想看 AI-wave SDR 機會時手動跑）
• mandarin（中文當門票，先判 AI-wave 好公司）
• supply-chain-intern（historical / explicit-only；供應鏈已退出日常主攻，只有使用者明確重啟時才跑）
• executive-admin

客製查詢

以下供應鏈 query 只作 historical / explicit-only 範例；不要在日常 Marketing / GTM 主攻 sweep 中主動建議。

node scripts/run-valig-title-sweep.mjs \
  --title "Supply Chain Intern" \
  --title "Procurement Intern" \
  --location-profile supply_chain_ai_wave \
  --rotation-batch auto \
  --date-posted r604800 \
  --remote 1,3 \
  --contract-type I \
  --experience-level 1 \
  --limit 30 \
  --out-prefix supply-chain-custom

注意事項

• run-valig-entry-ai-sweep.mjs 是 AI-signal scoring utility，不是正式 sweep 主入口。
• linkedin-scraper.mjs 是 legacy / fallback，不作主流程。
• DB 寫入只走 import-slate（寫確認要投的 winners = recommended），不建立 applications。import-valig-fetch（bulk → pending_analysis）已退出 sweep 流程、無其他引用，僅 legacy 保留。