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。
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。
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。
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)。
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 | worktimesworktimes_min | "100" + "5";也可 "5-10" | 两个必须同给 |
| 就职公司 | companys+allcompaniescompaniesexcompanies | 公司名,不是 cid | 194 / 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_age | 28 / 40 | 生效 |
| 期望月薪 | expected_min_salary | 40,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 / 90 | 30 → 30 人 |
| 有附件简历 | uploaded_resume | 1 | 58 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_friend | 0 / 1 | 待验 |
05码表
行业(一级 19 类)
| 码 | 行业 | 码 | 行业 | 码 | 行业 |
|---|---|---|---|---|---|
| 01 | IT/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 | degrees | 0 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_degree | 0 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 | worktime | 0 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_tags | 1 技术底座 · 2 应用开发 · 3 业务效能 |
| 毕业年份 | graduation_year | 2025–2030 |
| 性别 | gender | 1 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 | total | 30 人里现居上海 | 含义 |
|---|---|---|---|
provinces:"上海" | 194 | 18 / 30 | 期望工作地含上海 |
cities:"上海" | 120 | 29 / 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 | total | 30 人里现任字节 | 含义 |
|---|---|---|---|
companys+allcompanies | 194 | — | 正任职 + 曾任 |
companies | 113 | 29 / 30 | 只正任职 |
excompanies | 74 | 8 / 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。
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:30 | total 194,首条 方凯生(uid 217011057) |
page:1, size:30 | total 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 }
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 uid | 217011057 |
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)。
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
- 端点冷却:
discover/search连续 4 次左右快打会 500,10 分钟自恢复。页间隔 1.5 秒是一条实用线。 - 反自动化上报:页面会打
POST /sdk/jobs/security/register_pubkey与POST /sdk/jobs/anti_automation/search/basic,每次搜索都上报。 - 接口调用不计入日指标:账号的「搜索次数 / 查看人才」在接口调用后仍为 0,说明这套统计只记 UI 行为。
- 联系方式:列表页
mobile/email为 null,属隐私墙;电话券状态走discover/virtual_phone,实测「暂无可用电话沟通券」。 - 只读优先:搜索、详情、记录都是读操作;写操作(订阅、打招呼、加项目)应有明确业务目的再做。
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
- 左侧筛选里 6 项未做 delta:公开求职意向、有过意向、企业号互动、近期未查看、近期未沟通、备注/跟进/好友。字段位置确认,效果未验。
- 期望月薪是否有上限字段(
expected_max_salary)未测。 - AI 人才类型的判定规则未知:接口不返回标签本身,只在 UI 卡片上显示。
sortby在搜索页只有 0/1 两值,与 UI 上「综合 / 活跃优先 / 匹配度优先」三个按钮不完全对应。/sdk族的_csrf取法未解,get_trackable_token、cmf_and_colleague_info仍返回 204。