案例 30｜考研考公招录信息采集

一、案例背景与采集目标

大三大四这两年，绕不开两件大事：考研和考公。这两条路的起点都不是刷题，而是先把「我能报什么」搞清楚——考研要看目标院校的专业目录里有没有你的专业、考哪几门；考公要把招考公告里的职位表摊开，按自己的专业、学历、政治面貌一条条筛。

这一篇的示范站点有两个：中国研究生招生信息网，https://yz.chsi.com.cn/zsml/ ，其中的硕士专业目录查询是考研择校的第一入口；中央机关及其直属机构考试录用公务员专题网站（国家公务员局主办），http://bm.scs.gov.cn/pp/gkweb/core/web/ui/business/home/gkhome.html ，每年国考的招考公告与职位表都发在这里。延伸站点还有中国教育考试网，https://www.neea.edu.cn/ 。

这两类信息的共同特点是：权威、公开、但结构很乱。公告是网页，职位表却塞在一个又一个 Excel 或 PDF 附件里；同一份职位表里，专业写的是「计算机类」这种大类名称，而你的专业是「软件工程」——到底能不能报，得对着官方的专业参考目录去比。这个案例要解决的，正是这种「我到底能报哪些岗位」的真实问题。

1.1 这个案例要拿到什么

• 从国家公务员局的招考页面取回招考公告、职位表附件的下载地址；
• 把下载下来的职位表（Excel 或 PDF）解析成一张带表头的岗位清单；
• 取回每个岗位的招录单位、岗位代码、招录人数、专业与学历学位要求、政治面貌、基层工作年限、工作地点；
• 取回报名时间与笔试时间，并转换成统一格式；
• 按自己的专业与学历做一次筛选，得到一份「我能报的岗位」清单。

1.2 这个案例的难点在哪里

招录信息看着都是公开的，但真正动手时，下面这三处最容易卡住。

目标站点与交付产物

下表是本篇用到的真实站点。绿色是课堂可稳定复现的示范站点；橙色是延伸站点，多数有登录墙或风控，课堂上只讲结构、原理与合规边界，不教绕过。

二、数据源与字段设计

示范站点固定为国家公务员局的招考公告与职位表，另用中国研究生招生信息网的硕士专业目录作为补充。注意：职位表以 Excel 或 PDF 附件形式发布，采集前要先确认附件能下载、能解析。

2.1 目标站点信息

2.2 完整字段表（15 个字段）

2.3 三条字段口径要点

1. 「计算机类」是专业大类，不是某个专业。岗位写「计算机类」，说明它按大类招；你的专业「软件工程」属于计算机类下面的专业，可以报。判断依据是官方的《专业参考目录》，不是字面像不像。要让助手把这一条判断逻辑写清楚，再逐条核对。
2. 学历与学位要分开看。「本科及以上」说的是学历，「学士」说的是学位，两者不是一回事。有的岗位允许「学历本科、学位不限」，这种细节最容易漏。
3. 时间一律转成「YYYY-MM-DD」。职位表里可能写「2026年10月15日」，也可能写「10.15」。统一成年-月-日，后面按报名截止日排序、做倒计时才不会错。

三、零代码操作步骤

本案例的操作主线是「先找到公告、再下载职位表、然后解析筛选」。全部动作都在 WorkBuddy 对话里完成，你只需把公告页网址和自己的专业、学历讲清楚。

1. 打开考试录用公务员专题网站 http://bm.scs.gov.cn/pp/gkweb/core/web/ui/business/home/gkhome.html，找到当年的招考公告，把公告页的网址复制下来。
2. 在 WorkBuddy 里新建对话，把公告页地址给它，先让它列出「这份公告里有哪些附件、分别是什么文件名和格式」，先不要下载。
3. 确认附件清单。挑出岗位明细那份（通常是「职位表」的 Excel 或 PDF），确认名称与格式，再进入下一步。
4. 下载并解析职位表。让它把附件下载到本地，读取表头行，报告一共有多少行、多少列、列名分别是什么。
5. 对齐字段表。把职位表的列名与你设计的 15 个字段一一对照；对不上的先说明，不要硬塞。
6. 小批筛查。先按你的专业（例如「软件工程」）和学历（例如「本科」）筛一遍，把能报的岗位挑出来，看看有多少条。
7. 放开到全量并导出。确认口径无误后，导出为 guokao_职位表_2027_20261008.xlsx。
8. 打开文件最终验收。数行数、看列序，抽查 3 个岗位到官网核对岗位代码是否真实存在。

四、提示词模板与追问技巧

招录信息采集的提示词要把公告网址、附件类型、字段清单、专业匹配规则、时间格式五件事说透。下面这段可以直接复制，只需把专业和学历换成你自己的。

请帮我完成一个公务员招录信息采集任务。

【目标站点】考试录用公务员专题网站 http://bm.scs.gov.cn/pp/gkweb/core/web/ui/business/home/gkhome.html
【起点页面】当年招考公告页（网址我会贴在下一条消息里）
【采集方式】先找到公告里的职位表附件，下载后再解析成表格

【需要字段】按这个顺序：
  1. 招录单位（全称，不要简写）
  2. 招考年度（例如 2027）
  3. 岗位名称
  4. 岗位代码
  5. 招录人数（纯数字）
  6. 专业要求（多个用分号分隔）
  7. 学历要求（大专 / 本科 / 硕士 / 博士）
  8. 学位要求（学士 / 硕士 / 不限）
  9. 政治面貌
  10. 基层工作年限（单位：年，「无限制」记 0）
  11. 工作地点（统一成「省 + 市」）
  12. 报名时间（统一成 YYYY-MM-DD，保留起止区间）
  13. 笔试时间（统一成 YYYY-MM-DD）
  14. 其他条件（原文照录，没有就留空）
  15. 采集日期

【专业匹配规则】
  我的专业是「软件工程」，学历是「本科」。
  请对照官方专业参考目录判断：岗位写「计算机类」这种大类时，
  我的专业是否属于该大类；能报的标「可报」，不能报的标「不可报」，
  并在备注里写清判断依据。

【执行要求】
  1. 先只解析职位表的前 10 行给我看，确认列对齐后再解析全表
  2. 只采公开的招录信息，不碰任何考生个人信息
  3. 其他条件这一列不要截断，原文保留
  4. 结果先在对话里预览，我确认后导出 guokao_职位表_2027_20261008.xlsx

4.1 三条常用追问指令

追问一（列没对齐）：
解析出来的「专业要求」列里混进了「学历要求」的内容，
请重新按表头对齐，并告诉我表头在第几行。

追问二（专业匹配存疑）：
第 3 条岗位写「计算机类」，我的专业是「软件工程」，
你判断为可报，依据是什么？请把依据（大类名称、目录出处）写出来，
不要只给结论。

追问三（时间格式）：
请把「报名时间」列里所有写法（如「2026年10月15日」）统一成
YYYY-MM-DD，区间写法保留成「YYYY-MM-DD 至 YYYY-MM-DD」。

4.2 用这张清单一句话筛岗位

清单做出来之后，真正的用处是「按自己条件一键筛」。把筛选条件讲清楚，助手就能一口气帮你把能报的岗位挑出来。

请基于清洗后的清单，帮我筛出「我能报」的岗位，条件如下：
  学历要求：本科或本科及以上
  学位要求：学士或不限
  专业要求：包含「计算机类」或直接写「软件工程」
  基层工作年限：2 年以内或不限
把筛出的岗位按「招录人数」从多到少排列，并统计一共几个岗位、合计招多少人。

五、结果核对、清洗与保存

下面是 WorkBuddy 从国家公务员局职位表附件解析后返回的结果样例（节选，数据为示例）：

5.1 四步核对与清洗

① 行数体检：
   请报告解析出的岗位总数，并和职位表附件的原始行数对比，
   差值说明有几行被当成了标题或说明行跳过。

② 字段对齐：
   请逐列核对「专业要求」「学历要求」「学位要求」有没有串列，
   串列的单独标出来，不要直接改。

③ 时间统一：
   请把「报名时间」「笔试时间」列全部转成 YYYY-MM-DD，
   区间保留为「YYYY-MM-DD 至 YYYY-MM-DD」。

④ 专业匹配：
   请新增一列「是否符合我的专业」，按专业参考目录判断，
   填「可报 / 不可报 / 需确认」，并在备注里写出依据。

5.2 保存与归档

guokao_职位表_2027_20261008.xlsx   ← 岗位清单主表（含专业匹配列）
guokao_我能报_20261008.xlsx          ← 筛选后的「我能报的岗位」子表
guokao_附件_20261008/               ← 原始职位表附件（原样保留）
guokao_20261008_log.txt             ← 采集日志：公告网址、附件名、行数、跳过行数

六、常见问题与合规红线

6.1 五个高频问题

6.2 三条合规红线

1. 只采公开招录信息。公告、职位表、专业目录都是官方公开信息；报名系统里其他考生的个人信息、报名明细一律不碰。
2. 不接受「代报名」式的数据买卖。整理公开信息自己用完全合规；把收集到的职位表打包出售、或帮别人代报名，都超出了本课的范围。
3. 控制频率、注明来源。下载附件、翻页查询之间留出间隔；清单里的岗位代码、报名时间要注明来自哪一年的官方公告。

七、随堂自测（10 题）

点击选项即可判分，答错的题会立刻显示解析。