安装指南

1. ClawHub CLI 从源直接安装技能的最快方式。
   npx clawhub@latest install developer-talent-discovery
2. 手动安装 将技能文件夹复制到以下位置之一
   全局模式
   ~/.openclaw/skills/
   工作区
   /skills/
   优先级：工作区 > 本地 > 内置
3. 提示词安装 将此提示词复制到 OpenClaw 即可自动安装。
   请帮我使用 Clawhub 安装 developer-talent-discovery。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
   更倾向于下载？
   获取包含原生技能文件的ZIP压缩包。
   下载技能 (.zip)

什么是

开发者人才发现利用 Crawlora 的公开 GitHub 用户数据集及相关仓库证据，帮助建立技术人才候选名单并寻找开源协作者。它将个人资料发现与对仓库、编程语言、贡献者和公开活动的定向核查相结合，把职位要求与可观察到的工作联系起来，而不是依赖人气指标。
此 Openclaw Skills 工作流程强调证据质量和负责任的解读：GitHub 个人资料只是工作样本，并非完整履历或经验证的能力衡量。它保留来源和观察日期，区分事实与解读，记录未知信息，并排除联系候选人的行为。

应用场景

根据必需技术、领域经验和可见的公开作品，建立针对特定职位的候选名单。
发现拥有相关仓库或贡献记录的潜在开源协作者。
通过范围受限的个人资料搜索寻找候选人；可选的地点、公司或可用状态字段应视为可能过时的观察信息。
检查所选仓库、贡献者、编程语言和事件，验证候选人的公开作品。
根据与职位相关的标准比较证据，而不依赖关注者数量、影响力等级或不透明的人气排名。

工作原理

定义职位标准：必需技术、相关工作示例、领域、可选地域，以及明确的可用状态要求。
设置 CRAWLORA_API_KEY，并在可用时使用列出的 Crawlora MCP 工具，或使用附带的 scripts/crawlora.sh 客户端。
应用领域、公司或地点筛选条件前，先检查数据集的分类分面；然后在请求的范围和额度预算内，执行范围受限的搜索以获取候选人集合。
区分个人、组织、机器人和疑似自动化账号。将个人资料字段和数据集信号视为发现线索，而非经核实的事实或招聘评分。
解析每个返回的登录名，并使用确切的所有者/仓库名称检查相关公开仓库和贡献证据。
将每项职位标准与可观察到的工作和日期关联起来，同时考虑分叉仓库、生成代码和不完整事件流等局限。
提供去重后的候选名单，包含个人资料和证据链接、声明的可用状态字段、来源和观察日期，以及供后续跟进的未知信息。不要联系候选人。

配置指南

获取 Crawlora API 密钥，并将其导出为 CRAWLORA_API_KEY。
已连接时优先使用列出的 Crawlora MCP 工具。否则使用附带的 scripts/crawlora.sh 脚本，该脚本会将密钥发送至 Crawlora API。
查阅 reference/endpoints.md，了解支持的方法和参数。
先请求分类分面，然后在限定范围内搜索公开的 GitHub 用户。除了 HTTP 状态码，还要检查应用程序 code；响应内容位于 data 中。
遇到身份验证错误时停止；遇到 HTTP 429 时退避；上游出现暂时性故障时重试一次。
export CRAWLORA_API_KEY="YOUR_CRAWLORA_API_KEY"
scripts/crawlora.sh /datasets/github-users/facets facet=domains
scripts/crawlora.sh /datasets/github-users/search q="distributed systems" is_org=false is_bot=false page=1 page_size=10
scripts/crawlora.sh /github/search/repositories q="language:go distributed systems"

Replace LOGIN, OWNER, and REPO with values returned by the search.

scripts/crawlora.sh "/github/user/LOGIN/pinned"
scripts/crawlora.sh "/github/repo/OWNER/REPO/contributors"

数据架构

此技能使用 Crawlora 公开的 GitHub 用户数据集以及 GitHub 搜索或检查端点。应分别保留来源标识符和时间戳，避免将数据集快照与实时观察混淆。
数据元素 建议处理方式
候选人身份 保留返回的 login 和个人资料 URL；按登录名去重，并将名称相似的不同人员分别保留。
来源溯源 分别记录来源 ID、URL、来源日期、数据集抓取时间，以及实时检索或观察时间。
职位证据 将每项标准关联到相关仓库、贡献记录、可观察到的工作和日期。
个人资料观察信息 将地点、公司、hireable 和 active_90d 标注为存储字段或来源于个人资料的字段，这些信息可能已经过时。
候选名单评估 区分来源陈述、技术解读、声明的可用状态，以及未经核实的假设或未知信息。
实体信号 区分个人、组织、机器人和疑似自动化账号；疑似自动化标记并不能证明存在不当行为。
此技能未指定生成文件格式或自动报告路径。展示经过筛选的候选名单，并附上个人资料和证据链接、逐项标准的支持依据、日期、可用状态字段以及待跟进的未知信息。不要将语言构成、贡献者总数、事件数量或人气信号视为掌握程度、代码质量、资历或工作时长的证明。

高级特性

已连接时使用 Crawlora MCP 工具，并提供附带的 shell 脚本 API 备用方案。
支持在筛选搜索前发现分类分面，并定向跟进检查置顶仓库、仓库详情、编程语言、贡献者和公开事件。
处理 API 响应时同时检查 HTTP 状态和应用程序
code
，并对身份验证失败、速率限制和暂时性上游错误采用明确的处理方式。
按请求范围和额度预算限制搜索，并在保留来源溯源信息的同时记录抓取时间和实时观察时间。
生成与证据链接关联的职位专属候选名单，明确保留不确定性并避免基于人气排名。
排除外联、招聘消息、私人信息补充，以及代替候选人提交申请等行为。

name: developer-talent-discovery description: Find developers through Crawlora public GitHub user datasets and verify relevant repository and contribution evidence. Use for role-specific technical shortlists or open-source collaborator discovery with public profile freshness and capability limits preserved; excludes outreach.

Developer talent discovery

Access and scope

Set CRAWLORA_API_KEY to your Crawlora key. Prefer the listed Crawlora MCP tools when connected; otherwise use the bundled scripts/crawlora.sh, which sends x-api-key to https://api.crawlora.net/api/v1. Read reference/endpoints.md for exact methods and parameters. Check application code as well as HTTP status; payloads are inside data. Stop on authentication errors, back off on 429, and retry a transient upstream failure once. Bound requests by the requested scope and credit budget. Preserve source IDs, URLs, source dates, and retrieval/crawl times separately.

Produce a role-specific shortlist supported by public technical work. Start with required technologies, work examples, domain, optional geography, and explicit availability criteria. A public GitHub profile is a sample of work, not a complete CV or a verified measure of professional capability.

Discover identities and validate work evidence

Discover dataset facet values before domain/company/location filters, then collect a bounded candidate set. q searches profile fields, not the full source code or a verified skill taxonomy. active_90d, location, company, and hireable are stored/profile-derived observations that may be stale.
Keep individuals, organizations, bots, and suspected automation separate. A suspected-automation flag is a dataset signal, not proof of misconduct. Followers, influence tiers, and rank scores are discovery signals, not skill or hiring scores. Avoid requiring popularity when the role needs technical fit.
Resolve returned login before stored item/live user routes. Inspect selected pinned/public repositories, repository details, languages, contributors, and public events as needed. Use exact owner/repo names rather than profile-name guesses. Forks, generated code, and a pinned project do not prove authorship.
Tie each criterion to visible contribution or repository evidence and dates. Repository language composition is not the developer's personal mastery; contributor totals and event volume do not establish code quality, role, seniority, or hours worked. A bounded events feed cannot prove inactivity.
Preserve dataset crawl time versus live observation time and profile-declared location/company. Dataset geocoding does not verify residence, timezone, work authorisation, or willingness to relocate. Public contact presence does not establish consent to outreach or current job availability.
scripts/crawlora.sh /datasets/github-users/facets facet=domains
scripts/crawlora.sh /datasets/github-users/search q="distributed systems" is_org=false is_bot=false page=1 page_size=10
scripts/crawlora.sh /github/search/repositories q="language:go distributed systems"

# Inspect returned candidate login and relevant owner/repo:
# scripts/crawlora.sh "/github/user/$LOGIN/pinned"
# scripts/crawlora.sh "/github/repo/$OWNER/$REPO/contributors"

Deliver a qualified evidence shortlist

Return login/profile URL, requested-role criterion, repository/contribution links, relevant observable work, dates, declared availability fields, and unknowns needing a conversation or work assessment. Deduplicate logins while keeping distinct people with similar names separate. Separate source statements, your technical interpretation, and unverified fit assumptions. Do not infer protected characteristics or personal circumstances from names, photos, or locations, or treat absent public work as evidence of low ability.

Use the user's job-related criteria rather than an opaque popularity ranking. Keep contact details to returned public professional channels relevant to the request. Do not contact candidates, send recruiting messages, enrich private information, or apply on their behalf without an explicit user request.

预测共识比较
连锁门店覆盖范围分析