agentCLAWHUBUnverified
job-match-priority
Match and prioritize job listings against a candidate profile using KSAO-based dual-layer funnel scoring with Agent reasoning. Skill: job-match-priority Owner: iichaner Summary: Match and prioritize job listings against a candidate profile using KSAO-based dual-layer funnel scoring with Agent reasoning. Tags: latest:0.1.0 Version history: v0.1.0 | 2026-08-18T10:45:49.550Z | auto Initial release with KSAO-based job-candidate match and prioritization workflow. - Implements dual-layer funnel scoring and full agent reasoning for job matching. -
OpenClaw
Rank
62
Safety
84
Downloads
1.4k
Updated
Oct 10, 2026
Version
0.1.0
Source
CLAWHUB
About
What it does, and when to use it.
Capability contract not published. No trust telemetry is available yet. 1.4K downloads reported by the source. Last updated 10/10/2026.
Avoid when
- Contract metadata is missing or unavailable for deterministic execution.
Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing
Public facts
Every fact links back to the source it came from.
- Vendor
- Clawhubvendor · observed Oct 10, 2026
- Protocol compatibility
- OpenClawcompatibility · observed Oct 10, 2026
- Adoption signal
- 1.4K downloadsadoption · observed Oct 10, 2026
- Latest release
- 0.1.0release · observed Aug 18, 2026
- Handshake status
- UNKNOWNsecurity
Install and run
Setup complexity: low.
clawhub skill install s17evhyc3z1a82bvpm10c418p9849pg7:job-match-priority- Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
- Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.
Contract: missing
curl -s "https://www.xpersona.co/api/v1/agents/clawhub-iichaner-job-match-priority/snapshot"
Documentation
CLAWHUB
23,082 characters of source documentation, loaded on request.
Extracted files
5 files captured from the source.
SKILL.md
---
name: job-match-priority
description: "Match and prioritize job listings against a candidate profile using KSAO-based dual-layer funnel scoring with Agent reasoning."
metadata:
{
"openclaw":
{
"emoji": "🎯",
"requires": { "bins": [] },
},
}
---
# JD 匹配优先级判定
基于 KSAO 框架（Knowledge / Skills / Abilities / Other）的双层漏斗匹配。全链路 Agent 推理，零脚本。
---
## 快速开始
当用户要求简历匹配、JD 匹配、岗位筛选时，触发此 skill。
---
## Workflow
### Step 0: 判断使用阶段
**首次使用 → 进入引导流程（Step 0.1 - 0.6）**
**非首次使用 → 检查已存配置，直接进入 Step 1**
判断依据：
- 用户是否已有候选人画像（KSAO）→ [references/candidate-profile.md](references/candidate-profile.md)
- 用户是否已校准过匹配标准
- 用户是否明确说"用之前的配置"
---
### Step 0.1: 收集求职偏好（5 问，逐问逐答）
**交互原则：每问一答，不一次甩 5 个问题。**
| # | 问题 | 目的 | 输出 |
|---|------|------|------|
| 1 | 你期望的岗位方向是什么？（如：总助、HR、产品经理、运营...） | 确定目标岗位类型 | 岗位类型标签 |
| 2 | 期望薪资范围？（月薪，如 15-20K） | 硬过滤阈值 | 薪资区间 |
| 3 | 期望工作城市？（可多选） | 硬过滤阈值 | 城市列表 |
| 4 | 有哪些绝对不考虑的行业/岗位类型？ | 硬过滤排除项 | 排除列表 |
| 5 | 对工作强度/福利的底线要求？（如：双休、不加班、不接受单休...） | 硬过滤福利项 | 福利底线 |
---
### Step 0.2: 提供简历
两种方式（二选一）：
- **方式 A：** 提供简历文件路径（本地文件）
- **方式 B：** 直接粘贴简历文本内容
---
### Step 0.3: 生成双画像
#### 画像 A：候选人画像（KSAO）
从简历中提取，按 KSAO 四维度结构化。详见 [references/candidate-profile.md#一、候选人画像结构（KSAO 四维度）](references/candidate-profile.md)。
输出格式：
```
【候选人画像】
K（知识）：学历 X，院校 XX，行业知识 XX
S（技能）：硬技能 XX，管理技能 XX，工具技能 XX
A（能力）：战略能力 L_X，组织能力 L_X，沟通能力 L_X，执行能力 L_X
O（其他）：动机 XX，价值观 XX
```
#### 画像 B：求职 JD 画像（理想岗位特征）
综合求职偏好 + 候选人能力画像，生成"理想 JD"：
```
【求职 JD 画像】
目标岗位：XX（XX方向）
岗位层级推断：L_X-L_X（基于 X 年经验 + 薪资期望）
核心能力维度：XX、XX、XX
加分维度：XX、XX
排除项：XX、XX
福利底线：XX
```
---
### Step 0.4: 确认漏斗标准 + 自定义能力维度
**重要：能力维度需根据用户画像动态生成，而非使用预设维度。**
将画像转化为可执行的匹配规则，向用户确认：
```
基于你的画像，我拟定了以下匹配标准：
【硬过滤】
- 薪资：XX-K 之外直接标记 low
- 地点：非 XX 且不接受远程 → low
- 行业：XX、XX → low
- 排除：XX、XX
【能力维度权重】（根据你的画像定制，5-8 个维度）
- 核心维度：XX、XX（权重最高）
- 重要维度：XX、XX
- 加分维度：XX、XX
【能力深度要求】
- 目标岗位层级：L_X-L_X
- 深度匹配范围：L_X-L_X 可接受
以上标准是否需要调整？可以增删维度或调整权重。
```
**维度生成原则：**
1. 从候选人简历中提取高频能力关键词，聚类为维度
2. 结合目标岗位的典型能力要求
3. 用户可自定义维度名称和同义词簇
4. 总维度数建议 5-8 个
用户确认 → 进入校准测试
---
### Step 0.5: 校准测试（用户提供 ≥10 份 JD）
**目的：** 用真实数据验证匹配标准，让用户校准判定结果。
**要求用户提供：**
- ≥10 份 JD（飞书表格链接 / 本地 CSV / 直接粘贴）
- 优先选择用户已知"应该匹配"和"不应该匹配"的 JD（用于验证）
**执行：**
1. 对每份 JD 执行完整的 Layer 1-3 匹配（详见 Step 3）
2. 生成匹配结果表格：
| # | 岗位名称 | 公司 | 判定 | 理由 | 命中维度 | 深度匹配 |
|---|---------|------|------|------|---------|---------|
| 1 | XX | XX | high | XX | 维度A+维度B | 匹配 |
| 2 | XX | XX | low | XX | 仅维度C | 不匹配 |
| ... | ... | ... | ... | ... | ... | ... |
---
### Step 0.6: 用户审阅 + 校准
展示结果后，问用户：
```
以上 10 份 JD 的匹配结果，是否有需要调整的？
- 哪些判定偏高了？（实际不匹配但判为 high/medium）
- 哪些判定偏低了？（实际匹配但判为 low）
- 漏斗标准需要修改吗？
```
**用户反馈处理：**
| 反馈类型 | 处理方式 |
|---------|---------|
| "这条应该是 high 不是 medium" | 检查维度命中和深度，调整对应维度权重或阈值 |
| "这条不应该被过滤" | 调整硬过滤规则（放宽薪资/地点/行业限制） |
| "这条应该被过滤掉" | 增加硬过滤规则（添加排除项） |
| "整体没问题" | 确认配置，进入正式匹配 |
**校准循环：**
- 用户有调整 → 修改标准 → 重新跑校准测试 → 再次审阅
- 用户确认无误 → 存储最终配置 → 进入 Step 1
---
### Step 1: 检查数据源与 JD 完整性
#### 1.1 数据源识别
| 输入类型 | 处理方式 |
|---------|---------|
| 飞书多维表格链接 | 通过 bitable API 读写README.md
# 🎯 job-match-priority
> 基于 KSAO 框架的 JD 匹配优先级判定 Skill —— OpenClaw 专属
双层漏斗匹配（硬过滤 + 能力维度），全链路 Agent 推理，零脚本。
---
## ✨ 特性
- **KSAO 框架**：知识/技能/能力/四维度候选人画像
- **双层漏斗**：硬过滤（薪资/地点/行业）→ 能力维度匹配 → 能力深度匹配
- **动态维度**：能力维度根据用户画像自动生成，非固定模板
- **校准机制**：首次使用需校准，确保匹配标准符合用户实际需求
- **多数据源**：支持飞书多维表格、本地 CSV/Excel、直接粘贴
## 📦 安装
```bash
# 克隆到 OpenClaw skills 目录
git clone https://github.com/YOUR_USERNAME/job-match-priority.git ~/.openclaw/skills/job-match-priority
```
或手动下载 `SKILL.md` 及 `references/`、`assets/` 目录。
## 🚀 使用
当用户要求简历匹配、JD 匹配、岗位筛选时，Agent 自动触发此 Skill。
### 首次使用
1. **收集偏好**：5 个问题（岗位方向、薪资、城市、排除项、福利底线）
2. **提供简历**：文件路径或粘贴文本
3. **生成画像**：KSAO 候选人画像 + 理想 JD 画像
4. **确认标准**：动态生成能力维度，用户确认
5. **校准测试**：≥10 份 JD 验证匹配标准
6. **批量匹配**：校准通过后批量处理
### 非首次使用
直接提供 JD 列表，使用已确认的匹配标准。
## 📁 文件结构
```
job-match-priority/
├── SKILL.md # 主流程定义
├── references/
│ ├── candidate-profile.md # KSAO 框架 + 能力深度模型
│ ├── priority-rules.md # 判定规则（硬过滤 + 维度 + 深度 + AI）
│ └── field-config.md # 飞书多维表格字段配置
└── assets/
├── usage-guide.md # 用户使用指南
└── edge-cases.md # Edge Cases 处理
```
## 🔧 核心概念
### KSAO 框架
| 维度 | 说明 | 来源 |
|------|------|------|
| **K** - Knowledge | 学历、行业知识、证书 | 简历直接提取 |
| **S** - Skills | 硬技能、管理技能、工具 | 简历直接提取 |
| **A** - Abilities | 战略、组织、沟通、执行能力 | 从经历推断 |
| **O** - Other | 动机、价值观、工作风格 | 参考性弱 |
### 能力深度模型（L1-L5）
| 等级 | 名称 | 对应岗位层级 |
|------|------|-------------|
| L1 | 认知 | 实习/初级专员 |
| L2 | 执行 | 主管/高级专员 |
| L3 | 体系 | 经理/总监 |
| L4 | 战略 | VP/总助(CXO级) |
| L5 | 行业 | 合伙人/高管 |
### 匹配流程
```
Layer 1：硬过滤（薪资/地点/行业/排除项）
↓ 通过
Layer 2：能力维度匹配（5-8 个自定义维度，语义聚类计分）
↓
Layer 3：能力深度匹配（候选人深度 vs 岗位层级）
↓
综合判定 → high / medium / low
```
## 📝 自定义
### 能力维度
能力维度在首次使用时根据用户画像动态生成
用户可在 Step 0.4 中增删维度或调整同义词簇。
### 判定阈值
high/medium/low 的维度数阈值在 Step 0.4 中确认，校准阶段可进一步调整。
## ⚠️ 注意事项
- 匹配结果是参考，不是绝对标准
- JD 信息越完整，匹配越准确
- 校准环节很重要，能显著提升批量匹配准确度
- AI 提升仅检测职位名称（title），不检测职位描述（description）
## 📄 License
MIT_meta.json
{
"ownerId": "kn76dgfmrcmcfw91f0m92tj4rd84805k",
"slug": "job-match-priority",
"version": "0.1.0",
"publishedAt": 1787049949550
}references/candidate-profile.md
# 候选人匹配标准 > 基于 KSAO 框架（Knowledge / Skills / Abilities / Other Characteristics）构建候选人画像。 > 行业依据：I/O 心理学 KSAO 标准、胜任力冰山模型（McClelland）、O*NET 技能分类。 --- ## 一、候选人画像结构（KSAO 四维度） ### K - Knowledge（知识） | 子维度 | 说明 | 提取来源 | |--------|------|---------| | 学历层次 | 本科/硕士/博士 | 教育背景 | | 院校层次 | 985/211/普通/海外 | 教育背景 | | 专业方向 | 管理学/工学/经济学/法学... | 教育背景 | | 行业知识 | 消费品/互联网/金融/制造... | 工作经历公司行业 | | 证书资格 | PMP/CPA/人力资源管理师... | 证书/资质部分 | ### S - Skills（技能）← 简历可直接观测 | 子维度 | 说明 | 提取来源 | |--------|------|---------| | 硬技能 | Excel、Python、数据分析、项目管理工具 | 技能标签 + 工作描述 | | 管理技能 | OKR、绩效管理、项目管理、预算管理 | 工作描述中的职责 | | 工具技能 | 办公软件、行业专用工具 | 技能标签 | | 语言技能 | 英语/日语等（含水平：读写/听说/流利） | 语言能力部分 | ### A - Abilities（能力）← 需从经历推断，非简历直接标注 | 子维度 | 说明 | 推断依据 | |--------|------|---------| | 战略能力 | 战略拆解、经营分析、决策支持 | 工作描述中的"战略"、"规划"、"决策"相关经历 | | 组织能力 | 人才盘点、组织诊断、体系搭建 | 工作描述中的"搭建"、"体系"、"组织"相关经历 | | 沟通能力 | 跨部门协调、向上管理、汇报 | 工作描述中的"协调"、"汇报"、"对接"相关经历 | | 执行能力 | 落地推动、闭环管理、问题解决 | 工作描述中的"落地"、"推动"、"负责"相关经历 | | 数据能力 | 数据分析、数据看板、数据驱动决策 | 工作描述中的"数据"、"分析"、"指标"相关经历 | ### O - Other Characteristics（其他特质） | 子维度 | 说明 | 推断依据 | |--------|------|---------| | 动机类型 | 成就导向/权力导向/专家导向/服务导向 | 求职意向、职业路径选择 | | 价值观 | 稳定性/创新性/协作性/结果导向 | 跳槽频率、项目类型、团队规模变化 | | 工作风格 | Owner 意识/抗压/自驱/细节导向 | 工作描述中的行为动词和项目特征 | > **注意：** O 维度信息在简历中高度不可靠，仅作参考。真实验证需通过面试（STAR 行为事件访谈）。 --- ## 二、能力深度模型（L1-L5） 每个 KSAO 维度下的能力不是"有或无"，而是有深度等级。深度需与目标岗位层级匹配。 | 等级 | 名称 | 定义 | 对应岗位层级 | JD 典型关键词 | |------|------|------|-------------|--------------| | **L1** | 认知 | 了解概念，能配合执行 | 实习/初级专员 | "了解"、"参与"、"协助"、"配合" | | **L2** | 执行 | 独立完成标准化任务 | 主管/高级专员 | "负责"、"独立完成"、"推动"、"跟进" | | **L3** | 体系 | 搭建流程/体系，带团队 | 经理/总监 | "搭建"、"体系化"、"管理"、"统筹" | | **L4** | 战略 | 战略设计，跨部门影响 | VP/总助(CXO级) | "战略规划"、"组织变革"、"决策支持" | | **L5** | 行业 | 输出方法论，行业级影响 | 合伙人/高管 | "行业标杆"、"方法论"、"体系输出" | ### 深度与岗位层级匹配原则 **核心原则：深度不是越高越好，而是与岗位层级匹配。** | 目标岗位层级 | 匹配深度范围 | 说明 | |-------------|------------|------| | 专员/助理 | L1-L2 | 基础执行为主，L3+ 可能嫌工作无聊 | | 主管 | L2-L3 | 独立负责+体系思维，L4+ 可能不稳定 | | 经理/总监 | L3-L4 | 体系搭建+战略思维，L5 可能薪资期望过高 | | VP/总助 | L4-L5 | 战略级能力，需全局视野 | ### JD → 岗位层级推断信号 Agent 从 JD 中推断岗位层级，作为能力深度匹配的锚点： | 信号 | 权重 | 推断逻辑 | |------|------|---------| | 岗位名称 | 高 | "总监"→L3-L4，"助理"→L1-L2，"VP"→L4-L5 | | 薪资范围 | 高 | <15K→L1-L2，15-25K→L2-L3，25K+→L3-L4 | | 汇报对象 | 中 | "向CEO汇报"→L3-L4，"向经理汇报"→L1-L2 | | 职责描述 | 中 | "搭建体系"→L3，"协助执行"→L1 | | 经验要求 | 中 | "3-5年"→L2-L3，"8年以上"→L3-L4 | | 团队管理 | 中 | "带X人团队"→L3+，无管理→L1-L2 | --- ## 三、候选人提取标准 候选人画像通过 SKILL.md Step 0.1-0.3 的引导流程自动生成。 ### 必需提取字段（KSAO 框架） | KSAO 维度 | 字段 | 提取方法 | |-----------|------|---------| | **K** | 学历+院校 | 教育背景部分 | | **K** | 工作年限 | 工作经历计算总年限 | | **K** | 行业知识 | 工作经历公司行业分布 | | **S** | 硬技能 | 技能标签 + 工作描述中的工具/技术 | | **S** | 管理技能 | 工作描述中的管理类职责 | | **A** | 核心能力 | 工作描述中高频能力关键词，按 L1-L5 评估深度 | | **O** | 动机/价值观 | 求职意向、职业路径（参考性弱） | ### 可选提取字段 | 字段 | 提取方法 | |------|---------| | 证书资格 | 证书/资质部分 | | 语言技能 | 语言能力部分 | | 特殊要求 | 求职意向备注（如不接受出差、期望双休等） | ### 简历来源 - 用户提供文件路径 - 用户直接粘贴简历文本
references/field-config.md
# 飞书多维表格字段配置
## 必需字段
| 字段名 | 类型 | 选项/说明 |
|--------|------|---------|
| **优先级判断** | 单选（type=3） | 选项：high、medium、low |
| **优先级判断理由** | 文本（type=1） | 30 字以内判定理由 |
| **命中维度** | 文本（type=1） | 匹配到的能力维度列表（如：战略规划、绩效管理、数据分析） |
| **深度匹配** | 单选（type=3） | 选项：精准匹配、轻度超配、严重超配、轻度不足、严重不足 |
---
## 字段创建方式
### 优先级判断（单选字段）
```bash
action: create
type: 3 # 单选
field_name: 优先级判断
property: {
options: [
{ name: "high" },
{ name: "medium" },
{ name: "low" }
]
}
```
### 优先级判断理由（文本字段）
```bash
action: create
type: 1 # 文本
field_name: 优先级判断理由
```
### 命中维度（文本字段）
```bash
action: create
type: 1 # 文本
field_name: 命中维度
```
### 深度匹配（单选字段）
```bash
action: create
type: 3 # 单选
field_name: 深度匹配
property: {
options: [
{ name: "精准匹配" },
{ name: "轻度超配" },
{ name: "严重超配" },
{ name: "轻度不足" },
{ name: "严重不足" }
]
}
```
---
## 易错点与应对
| 错误类型 | 案例 | 解决方案 |
|----------|------|----------|
| 地点误过滤 | JD 未写城市被标为"地点不符" | JD 无地点信息时默认通过 |
| 数据未去重 | 同 job_id 出现多次，判定结果膨胀 | 执行前按 job_id 或 岗位+公司 去重 |
| AI 提升误判 | 非 AI 岗因 description 含"自动化"被提升 | AI 提升仅检测 title |
| 能力维度重复计分 | "战略运营"+"战略管理"被算作两个维度 | 按能力维度计分，不按关键词计分 |
| record_id 错误 | 使用历史缓存的 record_id | 执行前先 list 获取最新 record_id |
| 薪资格式不一 | "10-15K·24 薪"误判 | 统一提取"X-YK"，忽略年薪倍数 |
| 岗位名称变体 | 同类岗位不同叫法误判 | 使用同义词库判断 |
| JD 文本过长 | 信息冗余导致判定不准 | 提取核心职责和任职资格，忽略福利介绍 |
| 批量更新失败 | 一次性写入过多 | 分批更新（每批 5 条），失败记录单独重试 |
| 理由超字数 | 超过 30 字 | 精简为"主因+次因"结构 |
| 字段名不一致 | 文档写"优先级判定"，实际为"优先级判断" | 以表格实际字段名为准 |
---
## 执行前检查清单
每次执行前必须检查：
1. ✅ **数据去重**：按 job_id 或 岗位+公司 去重
2. ✅ **表格链接**：用户是否提供了链接？
3. ✅ **字段存在**：list 检查字段，不存在则 create
4. ✅ **record_id 准确**：list 获取最新 record_id
5. ✅ **候选人画像**：是否已有 KSAO 画像？
6. ✅ **匹配标准**：是否已校准？
---
## 错误回滚机制
| 场景 | 处理方式 |
|------|----------|
| 脚本执行失败 | 不写入输出文件，原文件不动 |
| 逻辑修正后重跑 | 覆盖输出文件（文件名含 `_判定结果`） |
| 批量写入部分失败 | 记录失败行 ID，继续剩余，最后重试 |
| 关键词误判 | 修正同义词簇，重跑覆盖结果 |Github ReposUpdated 20h agoRank 70
AionUi
Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!
MCPOPENCLAW
Github ReposUpdated 6mo agoRank 70
activepieces
AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents
OPENCLAW
Github ReposUpdated 6mo agoRank 70
cherry-studio
AI productivity studio with smart chat, autonomous agents, and 300+ assistants.
MCPOPENCLAW
Github ReposUpdated 7mo agoRank 70
CopilotKit
The Frontend for Agents & Generative UI. React + Angular
OPENCLAW
Machine-readable data
The same record, as JSON, for agents and crawlers.
{
"facts": [
{
"factKey": "vendor",
"category": "vendor",
"label": "Vendor",
"value": "Clawhub",
"href": "https://clawhub.ai/iichaner/skills/job-match-priority",
"sourceUrl": "https://clawhub.ai/iichaner/skills/job-match-priority",
"sourceType": "profile",
"confidence": "medium",
"observedAt": "2026-10-10T13:53:36.372Z",
"isPublic": true
},
{
"factKey": "protocols",
"category": "compatibility",
"label": "Protocol compatibility",
"value": "OpenClaw",
"href": "https://www.xpersona.co/api/v1/agents/clawhub-iichaner-job-match-priority/contract",
"sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-iichaner-job-match-priority/contract",
"sourceType": "contract",
"confidence": "medium",
"observedAt": "2026-10-10T13:53:36.372Z",
"isPublic": true
},
{
"factKey": "traction",
"category": "adoption",
"label": "Adoption signal",
"value": "1.4K downloads",
"href": "https://clawhub.ai/iichaner/job-match-priority",
"sourceUrl": "https://clawhub.ai/iichaner/job-match-priority",
"sourceType": "profile",
"confidence": "medium",
"observedAt": "2026-10-10T13:53:36.372Z",
"isPublic": true
},
{
"factKey": "latest_release",
"category": "release",
"label": "Latest release",
"value": "0.1.0",
"href": "https://clawhub.ai/iichaner/job-match-priority",
"sourceUrl": "https://clawhub.ai/iichaner/job-match-priority",
"sourceType": "release",
"confidence": "medium",
"observedAt": "2026-08-18T10:45:49.550Z",
"isPublic": true
},
{
"factKey": "handshake_status",
"category": "security",
"label": "Handshake status",
"value": "UNKNOWN",
"href": "https://www.xpersona.co/api/v1/agents/clawhub-iichaner-job-match-priority/trust",
"sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-iichaner-job-match-priority/trust",
"sourceType": "trust",
"confidence": "medium",
"observedAt": null,
"isPublic": true
}
],
"events": [
{
"eventType": "release",
"title": "Release 0.1.0",
"description": "Initial release with KSAO-based job-candidate match and prioritization workflow. - Implements dual-layer funnel scoring and full agent reasoning for job matching. - Step-by-step interactive setup: collects candidate preferences, parses resume, and generates personalized matching rules. - Includes calibration flow using real JDs for user validation and feedback. - Batch processes JD sources (Feishu tables, local files, pasted content) with data deduplication, completeness check, and result writing. - Dynamic, user-tailored competency dimensions (no preset lists). - Automated AI keyword boosting in job titles and concise reason generation for each match. - Comprehensive reporting and user reminders throughout the process.",
"href": "https://clawhub.ai/iichaner/job-match-priority",
"sourceUrl": "https://clawhub.ai/iichaner/job-match-priority",
"sourceType": "release",
"confidence": "medium",
"observedAt": "2026-08-18T10:45:49.550Z",
"isPublic": true
}
]
}Record generated Oct 10, 2026.