Mapping-Skill
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、分类去重，或把结果导入飞书多维表格并批量生成邮件，就应该优先使用这个 skill；即使用户没有明确说“使用 Mapping-Skill”，只要任务属于这些复合工作流，也应触发。
Install via CLI (Recommended)
clawhub install openclaw/skills/skills/16miku/mapping-skillMapping-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
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：
- 搜索 AI/ML PhD、研究员、工程师
- 抓取实验室成员主页并提取结构化信息
- 抓取 OpenReview / CVF 论文作者信息
- 从 GitHub following/followers 网络中发现研究者
- 对给定 URL 执行全量学者信息抽取
- 识别华人候选人、分类、去重、标准化研究方向
- 基于候选人信息生成个性化招聘邮件
- 将 CSV 或爬取结果导入飞书多维表格
- 在飞书表格中批量生成并回写推荐邮件
执行原则
-
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
-
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。 -
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
-
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。
-
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。 -
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
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.mdreferences/talk-tracks.md
生成邮件时必须填充： -...
Metadata
Not sure this is the right skill?
Describe what you want to build — we'll match you to the best skill from 16,000+ options.
Find the right skillPaste this into your clawhub.json to enable this plugin.
{
"plugins": {
"official-16miku-mapping-skill": {
"enabled": true,
"auto_update": true
}
}
}Related Skills
image-downloader
当用户需要按关键词批量下载图片、从 Bing 或多个图片来源收集候选、保存图片到本地目录、避免重复下载，或希望复用当前仓库里的现成图片下载流程时使用。遇到类似“帮我按关键词下载 10 张图片”“批量抓取 Bing 图片并保存到本地”“从多个来源收集图片候选再下载”“需要下载摘要和保存目录”这类请求时，应主动使用这个 skill。
auto-remotion
从已有录屏/产品演示视频生成官网宣传片的工作流。 当用户提到以下场景时触发： - "把录屏转成宣传片"、"用录屏做产品视频" - "把演示视频做成官网介绍" - "Remotion 切片"、"视频分镜" - "产品宣传视频生成"、"screen recording to promo video" - "多个视频合并成宣传片"、"产品视频剪辑" - 用户想用 Remotion 把长视频切成短片段做宣传片 本技能覆盖从原始录屏素材到完整 Remotion 宣传片的完整流程： 环境准备 → 目标确认 → 素材识别（人工/自动）→ 分镜策划 → 结构化规格 → Remotion 实现 → 字幕轨 → 中文配音（edge-tts）→ BGM → 渲染出片 每个阶段都有具体检查清单、常见问题和决策框架。 **本 skill 不适用的情况**（见"不适用场景"章节）： - 从技术文档/幻灯片生成视频（无源视频素材） - 需要 AI 生成视频画面本身（仅处理已有素材的剪辑组合）
arxiv-paper-writer
Use this skill whenever the user wants Claude Code to write, scaffold, compile, debug, or review an arXiv-style academic paper, especially survey papers with LaTeX, BibTeX citations, TikZ figures, tables, and PDF output. This skill should trigger for requests like writing a full paper, creating an arXiv paper project, turning a research topic into a LaTeX manuscript, reproducing the Paper-Write-Skill-Test agent-survey workflow, or setting up a Windows/Linux Claude Code paper-writing loop.
Wechat Auto Publishing
Skill by 16miku
brightdata-research
Use when the user asks to batch-search candidates, verify public web evidence, dedupe results, and organize them into Feishu/Lark docs. Use especially for requests like "继续搜更多并追加到飞书", "帮我批量找一批候选并整理到飞书", "搜索+抓取+汇总+落文档/落表", "帮我调研一批XX平台", "扩展候选池", even if the user does not explicitly name this skill. Also use when the user says "检查飞书文档里有没有重复" or "去重" in the context of a research document — this skill covers dedup-and-cleanup as a sub-workflow. Do NOT use for: single-page summaries, one-off Q&A, pure code tasks, or tasks that don't involve batch research + structured output.