影片筆記：你還在手動刷104人力銀行找工作？Claude 10 分鐘幫你全自動化

一句話總結

影片示範如何利用 Clawcode 結合 Playwright、OpenRouter、Telegram 與 Model 等工具，建立一套全自動的 104 人力銀行職缺追蹤機器人，透過「70-20-10」開發原則，實現每日定時爬取、AI 分析匹配度與薪資，並將結果推送至手機 Telegram，解決手動刷職缺重複且耗時的痛點。

核心重點

1. 自動化職缺追蹤系統：

• 針對手動在 104 人力銀行刷職缺時，重複看到已看過的職缺、浪費時間，以及看到好職缺卻無時間細看是否值得投履歷的痛點。
• 解決方案是打造全自動職缺追蹤機器人，每日定時抓取、分析，直接推送到手機 Telegram，使用者只需開啟手機查看通知。

1. 技術架構與工具選擇：

• Playwright：微軟開發，用於操控真實瀏覽器（Chrome），模擬真人行為（點擊、填表單、抓資料），目的是繞過 104 的反爬蟲機制（如檢查 User Agent、滑鼠移動等），而非直接使用 API 或 HTTP Request。
• OpenRouter：作為 AI 模型 API 總部，提供 Cloud、GPT、Gemini 等模型，用於分析職缺數據。
• Telegram：作為通知頻道，接收並推送排版好的分析結果。
• Model：雲端運算平台，用於部署程式、設定排程，實現 24 小時全年無休運行。

1. 開發方法論：70-20-10 原則：

• 70% 規劃階段：整理流程、選擇工具、上下文規劃與檔案管理。讓 AI 反問（Ask Questions）以確認方向正確，建立 Cloud.md 作為專案上下文。
• 20% 開發階段：AI 根據規劃進行程式碼撰寫（如 writeconfig, scrapper）。
• 10% 測試與維護：人工測試、維護，應對網站結構變動。

1. 實作流程：

• 將流程圖或文字描述輸入 Clawcode/Codex，指定使用 Playwright。
• AI 進行上下文規劃與檔案管理，生成 plan 檔案。
• AI 撰寫程式碼，取得 Telegram 的 chat ID 與 secrets。
• 在 Model 註冊帳號，建立 Workspace（如 jobfinder），將程式碼上傳並模擬執行。
• 確認無誤後，正式部署至 Model，每日定時執行任務，透過 Telegram 發送包含高匹配職缺、值得考慮職缺、市場趨勢、薪資中位數等資訊的通知。

1. 應用延伸：

• 此邏輯不僅限於找工作，可應用於機票比價（航空公司票價頁面）、股票追蹤（台股財報/股價頁面）等任何有網頁的資料追蹤場景。
• 強調不需要從頭學寫程式，重點在於想清楚要做什麼、如何規劃與管理，Clawcode 協助將規劃轉化為實際產品。

詳細大綱

I. 痛點與解決方案

• 現狀痛點：
• 每天手動在 104 刷職缺，重複看到已看過的職缺，浪費時間。
• 看到好職缺但無時間細看，不知是否值得投履歷。
• 解決方案：
• 打造全自動職缺追蹤機器人。
• 每日定時抓取、分析，直接推送到手機 Telegram。
• 使用者只需開啟手機查看通知即可。

II. 系統架構與工具介紹

• 四項主要任務：

1. 繪製系統六層圖。
2. 認識工具：Playwright, OpenRouter, Telegram, Model。
3. 使用 Clawcode 串接工具。
4. 探討將此邏輯應用於其他工作流程。

• 工具角色定義：
• Playwright：操控真實瀏覽器，模擬真人行為，繞過反爬蟲。
• OpenRouter：AI 模型 API 總部，提供多種模型用於分析。
• Telegram：通知頻道，推送分析結果。
• Model：雲端運算平台，部署與排程。

III. 開發流程：70-20-10 原則

• 70% - 規劃階段（最重要）：
• 整理流程、選擇工具、上下文規劃、檔案管理。
• 讓 AI 反問（Ask Questions）以確認方向正確。
• 建立 Cloud.md 作為專案上下文。
• 20% - 開發階段：
• AI 根據規劃進行程式碼撰寫（如 writeconfig, scrapper）。
• 10% - 測試與維護：
• 人工測試、維護，應對網站結構變動。

IV. 實作步驟詳解

1. 提示詞輸入與規劃：

• 將流程圖或文字描述輸入 Clawcode/Codex。
• 指定使用 Playwright 而非 API（因反爬蟲機制）。
• 要求 AI 進行「上下文規劃」與「檔案管理」。
• AI 會反問使用者偏好（如是否評分、背景資訊），確認後生成 plan 檔案。

1. 開發與設定：

• AI 撰寫程式碼（config, scrapper）。
• 取得 Telegram 的 chat ID 與 secrets。
• 在 Model 註冊帳號，建立 Workspace（如 jobfinder）。

1. 部署與測試：

• 將程式碼上傳至 Model 雲端。
• 模擬執行 Playwright，確認能抓取正確資料（如修正篩選條件、IT 代碼等）。
• 確認無誤後，正式部署至 Model。

1. 結果呈現：

• Model 每日定時執行任務。
• Telegram 收到通知，包含高匹配職缺、值得考慮職缺、市場趨勢、薪資中位數等資訊。

V. 應用延伸與總結

• 邏輯通用性：
• 不僅限於找工作，可應用於機票比價（航空公司票價頁面）、股票追蹤（台股財報/股價頁面）。
• 只要有網頁，想追蹤的資料皆可套用此架構。
• 學習建議：
• 不需要從頭學寫程式，重點在於想清楚要做什麼、如何規劃與管理。
• Clawcode 協助將規劃轉化為實際產品。
• 社群與服務：
• 提供完整拆解 PDF 於社群（School）。
• 提供 AI 流程診斷服務，協助創業者/電商老闆導入 AI。

工具 / 模型 / 名詞整理

• Clawcode (亦提及 Cloud Code, Codex)
• 104 人力銀行 (亦提及 104 能力營黨, 104 銀行)
• Playwright
• OpenRouter
• Telegram
• Model (亦提及 model.conf, dashboard, workspace)
• Chrome
• Firebase (提及可選工具)
• Line (提及可選工具)
• Cloud (OpenRouter 提供的模型選項之一)
• GPT (OpenRouter 提供的模型選項之一)
• Gemini (OpenRouter 提供的模型選項之一)
• PDF
• 70-20-10 原則：開發時間分配比例（70%規劃、20%開發、10%測試維護）。
• 反爬蟲機制：網站防止自動化工具抓取資料的機制，如檢查 User Agent、滑鼠移動等。
• User Agent：瀏覽器身份標識。
• Chat ID：Telegram 聊天室識別碼。
• Secrets：環境變數或金鑰。
• Workspace：工作空間。
• Scraper：爬蟲程式（筆記中提及為 scrapper）。
• Cloud.md：專案上下文檔案。

操作流程整理

1. 規劃階段 (70%)：

• 整理流程圖或文字描述。
• 輸入 Clawcode/Codex，指定使用 Playwright 操控真實瀏覽器以繞過反爬蟲。
• 進行上下文規劃與檔案管理，建立 Cloud.md。
• AI 反問使用者偏好（評分、背景資訊等），確認方向後生成 plan 檔案。

1. 開發階段 (20%)：

• AI 根據規劃撰寫程式碼（如 writeconfig, scrapper）。
• 取得 Telegram 的 chat ID 與 secrets。
• 在 Model 註冊帳號，建立 Workspace（如 jobfinder）。

1. 部署與測試階段 (10%)：

• 將程式碼上傳至 Model 雲端。
• 模擬執行 Playwright，確認能抓取正確資料（修正篩選條件、IT 代碼等）。
• 確認無誤後，正式部署至 Model。

1. 執行與通知：

• Model 每日定時（如早上 8 點或 9 點）執行任務。
• Telegram 收到通知，內容包含高匹配職缺、值得考慮職缺、市場趨勢、薪資中位數等資訊。

值得注意的限制或風險

• 反爬蟲機制：104 人力銀行設有反爬蟲機制（檢查 User Agent、滑鼠移動等），因此必須使用 Playwright 操控真實瀏覽器模擬真人行為，而非直接使用 API 或 HTTP Request，這增加了技術複雜度。
• 網站結構變動：需進行人工測試與維護，以應對網站結構變動可能導致的抓取失敗。
• 依賴外部服務：系統依賴 OpenRouter、Telegram 與 Model 等外部服務，若這些服務發生變動或停擺，可能影響系統運作。
• AI 分析準確性：職缺匹配度與薪資分析依賴 OpenRouter 提供的 AI 模型，其準確性取決於模型能力與提示詞設計。

逐字稿辨識疑點

• 104 能力營黨：逐字稿中多次出現「104 能力營黨」，疑為「104 人力銀行」之聽寫錯誤或口誤。
• Terragan / Tera Gun / teregram：逐字稿中對 Telegram 的拼寫有多種變體（Terragan, Tera Gun, teregram），疑為聽寫錯誤。
• Pash：逐字稿中提到「Pash 偏好的方式」，疑為「Pass」或特定術語之聽寫錯誤。
• Puzzle：逐字稿中提到「執行我們的 Puzzle」，疑為「Playwright」或「Process」之聽寫錯誤。
• HGB Request：逐字稿中提到「發一個 HGB Request」，疑為「HTTP Request」之聽寫錯誤。
• Googie：逐字稿中提到「沒有 Googie」，疑為「Google」或「Cookie」之聽寫錯誤。
• 熱亂器：逐字稿中提到「真實的熱亂器」，疑為「瀏覽器」之聽寫錯誤。
• Cloud.md：逐字稿中提到建立「Cloud.md」，疑為專案中的 Markdown 檔案名稱，或指代上下文檔案。
• askubes question：逐字稿中提到「askubes question」，疑為「ask questions」之聽寫錯誤。
• 穿搏方向：逐字稿中提到「決定要穿搏方向」，疑為「傳播方向」或「串接方向」之聽寫錯誤。
• writeconfig：逐字稿中提到「寫這個 writeconfig」，疑為程式檔名或變數名。
• scrapper：逐字稿中提到「scrapper 就寫這些程式」，疑為「scraper」（爬蟲程式）之拼寫錯誤。
• secrets：逐字稿中提到「secrets」，指代環境變數或金鑰。
• wordspace：逐字稿中提到「104Jobfinder 的 wordspace」，疑為「workspace」之聽寫錯誤。
• clock code：逐字稿中提到「貼給你的 clock code」，疑為「Claw code」或「Cloud code」之聽寫錯誤。
• 排成：逐字稿中多次出現「排成任務」、「排成到這個 model」，疑為「排程」之聽寫錯誤。
• UT410：逐字稿中提到「每天 UT410」，疑為「104」或特定代號之聽寫錯誤。
• 直信：逐字稿中提到「寫直信的 50 秒」，疑為「寫職缺」或「寫資訊」之聽寫錯誤。
• J-chain：逐字稿中提到「J-chain 什麼的」，疑為特定參數或聽寫錯誤。
• school 的順序：逐字稿中提到「放在我的 school 的順序裡面」，疑為社群名稱或平台名稱之聽寫錯誤。
• 電容創作者：逐字稿中提到「電商老闆，或是電容創作者」，疑為「電商創作者」之聽寫錯誤。
• 直覺追蹤：逐字稿中提到「直覺追蹤機器人」，疑為「職缺追蹤」之聽寫錯誤。

可延伸追問

1. 如何具體設定 Playwright 來模擬滑鼠移動和點擊，以更有效繞過 104 的反爬蟲機制？
2. 在 OpenRouter 中選擇哪個模型（Cloud, GPT, Gemini）對於職缺分析最為準確且成本效益最高？
3. 若 104 人力銀行更新了網頁結構，應如何快速調整 Playwright 的抓取邏輯？
4. 如何確保 Telegram Bot 推送的通知格式清晰易讀，並包含足夠的決策資訊（如薪資中位數、匹配度評分）？
5. 除了找工作，如何將此架構應用於其他需要定期追蹤網頁資料的場景（如機票比價、股票追蹤）？
6. 在 Model 雲端平台上部署程式時，如何設定排程以確保任務在特定時間（如早上 8 點）執行？
7. 如何管理 Telegram 的 chat ID 和 secrets 等敏感資訊，以確保安全性？
8. 對於不熟悉程式開發的使用者，如何透過 Clawcode 更有效地進行上下文規劃和提示詞輸入？