你還在手動刷104人力銀行找工作？Claude 10 分鐘幫你全自動化
三句話摘要
用 Claude Code 打造全自動工作機會追蹤機器人，每天自動抓取 104 職缺、AI 分析匹配度，推送到 Telegram。 關鍵不是寫多少程式碼，而是用清晰的規劃讓 AI 精確理解需求，這套職缺追蹤架構也能無縫遷移到航班比價、股票監控、房源追蹤等任何需要定期爬取與分析網站資料的應用。 反爬蟲對策：大多數網站（如 104）有反機器人機制，採用 HTTP 請求會被識別並封鎖。Playwright 操控真實瀏覽器，模擬正常用戶行為（滑鼠移動、真實 UserAgent、正常請求速度），能躲過反爬偵測，比傳統爬蟲更可靠。
重點整理
重點- 1
反爬蟲對策：大多數網站（如 104）有反機器人機制，採用 HTTP 請求會被識別並封鎖。Playwright 操控真實瀏覽器，模擬正常用戶行為（滑鼠移動、真實 UserAgent、正常請求速度），能躲過反爬偵測，比傳統爬蟲更可靠。
- 2
7:2:1 開發原則：70% 時間投入流程整理、工具選擇、上下文規劃、檔案管理，邀請 AI 反問澄清需求；20% 時間讓 Claude Code 執行開發；10% 時間用於人工測試與長期維護。這個配置讓 AI 能精確理解需求，大幅減少重做次數。
- 3
多工具整合架構：Playwright（爬取資料）+ OpenRouter（AI 分析）+ Telegram（推播）+ Model.com（雲端排程），各工具各司其職。核心是讓 AI 幫你協調這些工具的整合，而不是手動串接 API。
- 4
可遷移的邏輯框架：此架構不限於找工作，換掉 Playwright 目標頁面（如航班價格、股票財報、租房網站），就變成價格比較機、股票追蹤系統、房源監控，核心邏輯完全通用。
實用技巧與重點
乾貨- 工具清單：
- Playwright（微軟開發，控制真實瀏覽器）
- OpenRouter（AI 模型 API 整合平台，支援 Claude、GPT 等）
- Telegram（推播通知，優於 Line 的設置便利性）
- Model.com（雲端運算平台，支援排程任務）
- Claude Code（AI 編碼助手）
- 具體流程：
- 使用者在 Claude Code 描述需求（文字或截圖流程圖）
- 邀請 AI 反問澄清（工具選擇、反爬方案、AI 評分標準等）
- AI 生成 CLAUDE.md 規劃檔案
- 開啟 Plan Mode，AI 進入實作階段
- 配置 Telegram Chat ID 與 Model 帳號
- Playwright 先做本地模擬測試，確認能抓取正確資料
- 部署到 Model 平台，設定 UTC 0（台灣時間早上 8 點）的每日排程
- Telegram Bot 自動推送結果
- 設定細節：
- Telegram：需要取得 Chat ID 與 Bot Token
- Model.com：建立 workspace，綁定 GitHub 或授權 Claude Code 上傳程式
- Playwright：需確認能通過網站反爬機制並正確擷取資料
- 執行時間：UTC 0 = 台灣時間早上 8 點
- 篩選條件（在 config 檔案中設定）：
- 職位類別（如 IT）
- 工作地點（如台北）
- 月薪範圍
- 公司偏好
- AI 匹配度評分標準
- 執行結果呈現：
- 高匹配職缺（如 8 分以上）
- 值得考慮的職缺
- 月薪、公司名稱、職位、匹配分數、原始連結
結論
結論“關鍵不是寫多少程式碼，而是用清晰的規劃讓 AI 精確理解需求，這套職缺追蹤架構也能無縫遷移到航班比價、股票監控、房源追蹤等任何需要定期爬取與分析網站資料的應用。”
完整解析
詳細講者從一個常見的工作尋職困境切入：每天花時間在 104 刷新職缺，卻不斷重複看到相同職位，無法識別真正值得投遞的機會。傳統的 web 爬蟲方案會因為反爬機制而失效，所以核心技術選擇是用微軟的 Playwright——它能操控真實瀏覽器（Chrome）點擊按鈕、填表單、抓資料，完全模擬人類行為，不會被網站識別為機器人。
為了高效地建構這個系統，講者提出 7:2:1 開發原則，打破一般人認為「寫程式最重要」的迷思。70% 的時間投入在規劃階段：整理清楚流程（先去 104、根據篩選條件取資料、總結分析、推送給用戶）、選定各環節工具、規劃上下文與檔案結構。這個階段的關鍵是邀請 Claude Code「反問你的澄清問題」，讓 AI 提出你可能沒想到的細節（如何驗證 Playwright 有沒有被擋、AI 的評分邏輯是什麼、用戶的背景資訊是什麼），確保方向正確再動手。完成規劃後，AI 生成一份 CLAUDE.md 檔案紀錄上下文，這樣後續協作時 AI 能精確理解需求。
第二個階段（20% 時間）交給 Claude Code 執行開發。開啟 Plan Mode 後，AI 會寫出所有必要的程式：設定檔（config）、Playwright 爬蟲邏輯、資料處理與分析、Telegram 推播格式。關鍵是先做本地模擬測試，確認 Playwright 能抓到預期的資料，而不是直接上傳到雲端。講者實際示範時發現篩選條件有問題（經營人資被誤分類為 IT、月薪範圍不符），AI 快速列出所有可用的職位代碼供修正，整個除錯只花了 3～5 分鐘。
測試通過後，部署到 Model.com 這個雲端運算平台。過程很簡單：建立 workspace、授權 Claude Code 上傳程式、設定排程時間（UTC 0 對應台灣早上 8 點）。部署完成後，Model 每天自動執行，結果直接推送到 Telegram。用戶打開手機只要看通知即可，不需做任何操作。
最後 10% 時間用於人工測試與定期維護。因為網站內容與結構隨時可能改變，需要定期檢查爬蟲是否仍能正常執行、AI 的分析邏輯是否仍然適當。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
