脉脉企业版搜索接口手册

脉脉的搜索不是关键词搜索。职位、城市、学历、年限、公司、行业、学校、专业、年龄、性别、薪资、家乡、AI 人才类型,全部是有独立字段的结构化条件,可以叠加,也可以整批取回。这份手册把每个条件对应哪个字段、怎么写、实测数字是多少,逐条列清楚。

账号:企业版 · co_id 1221 接口族:/api/ent/* · data_version 4.1 实测日:2026-11-20 基准样本:194 人

01能力边界

先说清楚这套接口能做什么、不能做什么,后面的字段才有意义。

结构化条件
21 项
13 项顶部 + 8 项左侧筛选
单页返回
30
size 改不动,page 有效
返回字段
56
每人一条,含详情链接
total 上限
1000
条件宽时封顶,非真实人数

能做:按一组条件精确筛人、逐页取全、拿到含 trackable_token 的详情链接,再免开页取到完整简历。

不能做:按总分排序取「最匹配的 30 个」(没有匹配分接口)、跨条件做模糊或逻辑组合(条件之间是 AND)、单页取超过 30 条。

一句话判断口径:条件越具体,total 越接近真实人数;条件宽的时候 total 显示 1000 或 10000,那是封顶值,不能当规模用。

02最小可用请求

同源、带登录态、POST JSON。下面这个体子已经包含公司条件生效所必需的 allcompanies 和 sid,照抄即可。

POST https://maimai.cn/api/ent/discover/search?channel=www&version=1.0.0&uid=<UID>&data_version=4.1
Content-Type: application/json

{
  "search": {
    "positions": "算法工程师",
    "provinces": "上海",
    "degrees": "3",
    "worktimes": "100", "worktimes_min": "5",
    "companys": "字节跳动", "allcompanies": "字节跳动",
    "companyscope": 0,
    "sid": "pc<时间戳><UID>",
    "sessionid": "pc<时间戳><UID>",
    "highlight_exp": 1,
    "data_version": "4.1",
    "region_scope": "0,1",
    "sortby": "0"
  },
  "page": 0,
  "size": 30
}

返回 total = 194,list 30 条,全部与字节跳动相关(现任 + 曾任)。

公司条件三个必要件,缺一不生效:data_version=4.1、allcompanies 与 companys 同值、请求体带 sid / sessionid。退回 4.0 或去掉 allcompanies,结果就和没加公司条件一样。

03顶部 13 项条件

基准条件:字节跳动 + 上海期望 + 算法工程师 + 博士 + 5 年以上 = 194。下表「实测」列都是在这组基准上加单一条件后的 total。

界面名称请求字段取值写法实测
城市地区provinces 期望
cities 现居
"上海",多值逗号分隔期望 194 / 现居 120
学历要求degrees"0"专科 "1"本科 "2"硕士 "3"博士 "4"博士后3 = 博士
工作年限worktimes
worktimes_min
"100" + "5";也可 "5-10"两个必须同给
就职公司companys+allcompanies
companies
excompanies
公司名,不是 cid194 / 113 / 74
职位名称positions"算法工程师"必填,缺了 0
行业方向professions一级 "01";二级 "01_130502"187 / 4 / 1
AI人才类型ai_tags[1]技术底座 [2]应用开发 [3]业务效能50 / 29 / 8
毕业学校schools"清华大学"生效
专业major文本,越精确越窄82 / 59
性别gender"1"男 "2"女 "-99"不限生效
年龄min_age / max_age28 / 40生效
期望月薪expected_min_salary40,单位千元/月40→149 · 60→131
家乡ht_provinces"安徽"生效

排序另有 sortby:搜索页 "0" 默认 / "1" 意愿优先。人才库页是另一套:1 匹配度、2 意愿度、3 活跃度、4 入库时间。

04左侧 8 项筛选

「从结果中筛选」面板,字段都在顶层,和顶部条件平级叠加。

界面名称请求字段写法实测
近期有动向dynamic_valid_days天数,如 30 / 9030 → 30 人
有附件简历uploaded_resume158 人
公开求职意向delivered_or_can_chat 组字段已定位,未逐项验待验
有过意向company_interaction同上待验
企业号互动has_social_relation同上待验
近期未查看exclude_recently_viewed天数或 1待验
近期未沟通recently_untouched_valid_days天数待验
备注 / 跟进 / 好友remark.remarked / in_project / is_friend0 / 1待验
叠加验证:AI技术底座 + 专业计算机 + 90 天有动向 + 有附件简历,从 194 收到 7 人。单项收窄方向一致,说明这些条件是真叠加,不是只认第一个。

05码表

行业(一级 19 类)

码行业码行业码行业
01IT/互联网08耐用消费品15能源/矿产/电力
02金融业09制造业16交通/物流/仓储
03房地产业/建筑业10汽车制造/维修17农林牧渔
04商务服务业11通信/电子/半导体18政府/机构/组织
05生活服务业12贸易/批发/零售19学生
06文化/传媒/广告13医疗/医药
07快速消费品14教育/培训/科研

二级码格式是 一级码_六位,如 01_130502 互联网医疗平台、01_0215 互联网金融。写 0911 这种不带下划线的会返回 0。码表来源:GET /api/ent/discover/profession_sugs?keyword=,共 530 条。

其他码表

维度字段取值
学历degrees0 专科 · 1 本科 · 2 硕士 · 3 博士 · 4 博士后及以上
岗位学历要求job_degree0 不限 · 1 本科及以上 · 2 硕士及以上 · 3 博士 · 4 专科及以上
工作年限worktime0 一年内 · 1 一到三年 · 2 三到五年 · 3 五到十年 · 4 十年以上
AI 人才类型ai_tags1 技术底座 · 2 应用开发 · 3 业务效能
毕业年份graduation_year2025–2030
性别gender1 男 · 2 女 · -99 不限

学历/年限/排序/毕业年份来自 GET /api/ent/common/config;行业职能标签树来自 common/v1/const 的 pfmj。

06三个易错语义

1 · 城市是两个字段,不是一个

provinces 筛期望工作城市,cities 筛现居城市。同样填「上海」,捞出两批人:

写法total30 人里现居上海含义
provinces:"上海"19418 / 30期望工作地含上海
cities:"上海"12029 / 30现居上海

区县级不生效:cities:"浦东新区" 返回结果与不加条件完全一致。只认市级。

2 · 公司范围靠字段区分,不靠 companyscope

companyscope 填 0 / 1 / 2,三种取值 total 一模一样,没有作用。真正的开关是公司名放进哪个字段:

写法total30 人里现任字节含义
companys+allcompanies194—正任职 + 曾任
companies11329 / 30只正任职
excompanies748 / 30只曾任

注意 113 + 74 大于 194 里的分项之和,因为存在「现司不在字节、但在字节待过又回去了」之外的边界情况;要精确现任名单,最稳的是拿 company 字段再过一遍。

3 · AI 人才类型的接口字段不是 ai_talent_type

页面代码里能读到 ai_talent_type,取值 all / base / app / efficiency,看着很对。但传字符串、传数字,total 都是 194,等于没传。真正生效的是 ai_tags: [1|2|3],传了立刻变成 50 / 29 / 8。

为什么容易踩:这个字段名是从页面源码里读出来的组件 store key,不是请求字段。只看代码会走错,必须用搜索记录对照才知道真字段。

07分页与采集

这一条推翻了早期「page 无效」的结论。

请求结果
page:0, size:30total 194,首条 方凯生(uid 217011057)
page:1, size:30total 194,首条 华怡慷(uid 236013142)
page:0, size:100仍返回 30 条,size 无效

前提是三点同时满足:data_version=4.1、同一个 sid 贯穿整轮翻页、page 从 0 递增。194 人 7 页取全,无重复无缺页。

// 采集骨架:同源同步 XHR,页间隔 1.5s
var sid = "pc" + Date.now() + UID;
for (var pg = 0; pg < 40; pg++) {
  var body = { search: { /* 条件 + sid + sessionid */ }, page: pg, size: 30 };
  var x = new XMLHttpRequest();
  x.open("POST", "/api/ent/discover/search?channel=www&version=1.0.0&uid=" + UID + "&data_version=4.1", false);
  x.setRequestHeader("Content-Type", "application/json");
  x.send(JSON.stringify(body));
  var d = JSON.parse(x.responseText).data;
  // 收 list、去重、判断 d.total 与 list.length 决定是否继续
  var t0 = Date.now(); while (Date.now() - t0 < 1500) {}   // 别省这 1.5 秒
}
间隔不是客气:连续快打会返回 500 加一个 SPA 兜底页(不是 WAF 页),约 10 分钟后自行恢复。换关键词、换参数都救不回来,只能等。降到 1.5 秒间隔后,连续 7 页没再触发。

08返回结构

顶层:total(封顶 1000/10000)、total_match、remain、count(固定 30)、segment_words、list[]。每人 56 字段,常用这些:

字段说明示例
id用户 uid217011057
detail_url详情页完整链接,含 trackable_token…/profile/detail?dstu=…&trackable_token=…
name / gender_str / age姓名 / 性别文本 / 年龄(部分为空)方凯生 / 男 / 35
sdegree / degree学历文本 / 学历码博士 / 3
school / major毕业学校 / 专业大类北京大学 / 研发
company / position现司 / 现职字节跳动 / 推荐算法工程师
work_time工作年限文本7年
city / province现居城市 / 省北京 / 北京
job_preferences期望城市与方向深圳、上海·大模型算法、算法工程师
active_state活跃度今日活跃 / 近1周活跃
exp / edu工作经历 / 教育经历数组含公司、职位、起止、部门
second / friends_cnt二度人脉数 / 共同好友数75545 / 2
mobile / email联系方式,列表页为 null(隐私墙)null

09详情免开页

搜索结果给的 detail_url 里已经带 trackable_token,直接同源 GET 就能拿到内嵌的完整资料,不用真的打开页面:

GET https://maimai.cn/profile/detail?dstu=<uid>&trackable_token=<token>

// HTML 里有 share_data = JSON.parse("..."),需要解两层
var raw = html.match(/share_data\s*=\s*JSON\.parse\("([\s\S]*?)"\)/)[1];
var once = JSON.parse('"' + raw + '"');   // 第一层:还原转义
var data = JSON.parse(once);              // 第二层:拿到对象
var u = data.uinfo;                       // realname / city / work_exp[] / education[] …

work_exp[] 每段带 company、position、department、start_date、end_date、pf_name(行业)、mj_name(职能)、company_info.cid;education[] 每段带 school、department、degree、friends[](同校脉脉好友 mmid)。

只给 dstu 不带 trackable_token 拿不到 share_data。所以批量取简历的正确顺序是:先搜索拿 detail_url,再逐条 GET。

10取真实请求体

抓包这条路在这站上不通,但有一条更稳的路。

discover/search 的请求在主线程 XHR 钩子、window.fetch 包装、performance.getEntriesByType('resource') 里都看不到。但页面每执行一次搜索,都会写一条记录:

GET /api/ent/search/record/list?is_mapping_pfs=1&uid=<UID>&version=1.0.0&data_version=4.1

// 返回 data[0].search_detail 就是那次搜索的完整字段原样
// 含 sid、page、ai_tags、companys + allcompanies …

本轮 13 个条件的正确写法基本上都是靠这个对照出来的:在 UI 里点一次,再读记录,字段名和取值一目了然。副作用是每次 UI 搜索都会多一条记录,介意的话定期清。

11频控与纪律

12可复制配方

配方 A · 大厂算法团队,博士 5 年以上,上海

{ "positions":"算法工程师", "provinces":"上海", "degrees":"3",
  "worktimes":"100", "worktimes_min":"5",
  "companys":"字节跳动", "allcompanies":"字节跳动" }
→ 194 人,7 页取全

配方 B · 同上,但只要现任 + 男 + 28–40 岁 + 985 + 期望 40k 以上

{ "positions":"算法工程师", "provinces":"上海", "degrees":"3",
  "worktimes":"100", "worktimes_min":"5",
  "companies":"字节跳动",            // 只正任职
  "gender":"1", "min_age":28, "max_age":40,
  "is_985":1, "expected_min_salary":40 }
→ 从 194 收到 82

配方 C · 现居上海 + AI 技术底座 + 计算机专业 + 近期有动向

{ "positions":"算法工程师", "cities":"上海",
  "ai_tags":[1], "major":"计算机",
  "dynamic_valid_days":90, "uploaded_resume":1 }
→ 有附件简历 + 90 天动向 双重收窄,落在个位数

配方 D · 目标行业精确到二级

{ "positions":"算法工程师", "professions":"01_130502" }
// 01_130502 = 互联网医疗平台

13未验证清单