Claude Code 接 treg.ai：求人票一贴，候选人约 28 日元筛一轮

来源

• 作者：クロニキ @chroniki_ai（日文长文 Article）
• 原帖：https://x.com/chroniki_ai/status/2114112166156763248
• 时间：约 2026-10-25 05:49 Asia/Shanghai
• 互动（抓取时）：约 105 曝光 / 1 引用
• 项目：https://treg.to/recruit 、GitHub superdesigndev/treg

核心玩法

把「找人」变成 Claude Code 里的一条 MCP 流水线，而不是先掏 LinkedIn Recruiter 月费。

原帖拆解的 treg.ai：

1. 做什么：把求人票交给 Claude Code，自动初筛候选人并返回带联系方式的列表。
2. 计价（作者计算）：约 $0.19 / 人（≈28 日元）；筛 100 人约 $19；无月费、无席位费，用多少付多少。对比文中 LinkedIn Recruiter Lite 约月 $299.99、InMail 月 30 封——同等预算理论可筛约 1,578 人（仅初筛母体，功能不等价）。
3. 流程：① 解析求人票条件 → ② 四轴扫描（LinkedIn 职历、公开 SNS、GitHub 等代码仓、登壇/公开资料）→ ③ 打分排序 → ④ 输出联系方式列表。
4. 接入：claude mcp add --transport http treg，在聊天里贴 JD，说「按这条件找人」。

是否可行

• 降本方向可行：年招 1–2 人、没有专职 HR 的小团队，最痛的是「还没开始筛就要交月费」。从量计费降低试错门槛。
• 水分：成本对比是作者演算；筛人质量、联系方式准确率未在帖内给出可核验数据。LinkedIn 等平台 ToS、日本个保法与当地数据法规都要自己评估。
• 风险：
  • 「公开信息」≠「可以随便冷邮件 / 打电话」；联系与招聘用途要单独合规。
  • 少发 SNS、少开源的优秀候选人会被低估；非工程岗公开信号更少。
  • OSS 偏自托管 / 技术接入，不是纯点选 SaaS。

如何实施

1. 写清楚 JD：技能、年限、必须/加分项、不可谈条件。
2. 装好 Claude Code，按文档加 treg MCP，先小批量（10–20 人）试跑看列表质量。
3. 把输出当初筛辅助：人工抽查 GitHub / 履历，再决定是否联系。
4. 定合规 SOP：信息来源、保存期限、退订与「可否联系」规则，再放大规模。
5. 变现视角（原帖未写死，属引申）：帮初创做「JD → 初筛列表」外包、或基于同类 MCP 做垂直招聘助手——前提是合法取数与明确交付边界。

实施条件

• 技能：会用 Claude Code / MCP；能读英文或日文文档；懂基础招聘流程
• 资金：按量 API / 工具费（百人级约几十美元量级，以官方为准）+ Claude 订阅
• 时间：接入与试跑半天；之后每次招聘活动按需跑
• 账号：Claude Code；目标平台公开页访问能力；招聘场景下的企业身份更稳妥

能否 AI 自动化

• 高：条件解析、多源扫描、打分排序、列表汇总
• 必须人工：最终是否联系、文化匹配、面试与 offer
• 建议闸门：AI 出短名单 → 人审 20% 抽样 → 再批量触达

价格、对比与产品能力均来自原帖整理，请以 treg.ai / GitHub 当前文档为准；跨境招聘与个保合规自行咨询专业人士。