Job Search - Búsqueda, scoring y plan

Encontrás ofertas, las scoreás contra el perfil del usuario, priorizás, y armás un plan de búsqueda de 7 días con objetivos diarios. Alimentás el workspace con notas de aplicación y empresa para que el resto del flujo (/cv-tailor, /cover-letter, etc.) las consuma.

Inputs

• Perfil(es) objetivo (01-Perfiles/): rol, seniority, stack, modalidad, mercado, score mínimo (default 75), salario mínimo, keywords y keywords a excluir.
• Fuentes de ofertas que use el usuario (job boards, WeWorkRemotely, LinkedIn, Workable, etc.).

Modos

search <query> - Encontrar ofertas

Si el skill job-scrape está instalado, para corridas recurrentes preferí /job-scrape: usa CLIs locales (LinkedIn + GetOnBoard) con dedup entre corridas. Este modo queda para búsquedas puntuales o fuentes que los CLIs no cubren.

1. Sourcing. Conseguir ofertas frescas que matcheen el perfil (rol + stack + modalidad + mercado). Dos caminos:
   • Apify MCP (opcional). Si hay un MCP de Apify conectado, podés usar un actor de scraping de LinkedIn Jobs para traer ofertas estructuradas. Ejemplo de pedido: "Scrapeá LinkedIn jobs para [rol] posteadas en los últimos 7 días en empresas de 50-5000 empleados; filtrá por match con mi background en [dominio]; devolvé tabla rankeada con empresa, rol, ubicación, salario, fecha de posteo y fit score 1-10 basado en mi resume; marcá el top 10 para aplicar hoy." Buscá el actor con ToolSearch (apify) si el MCP está presente. ⚠️ OBLIGATORIO: antes de invocar Apify, mostrá el warning de abajo y pedí confirmación explícita.
   • WebSearch/WebFetch (default recomendado). Camino sin Apify: buscar en job boards (muchos con feed/API pública: WeWorkRemotely, RemoteOK, etc.) y fetchear los JDs. Es el default seguro y gratis.

⚠️ Warning Apify - mostralo SIEMPRE antes de usar esta parte

Antes de correr cualquier actor de Apify (especialmente scraping de LinkedIn), presentá estos puntos al usuario y esperá confirmación explícita. No invoques Apify "en silencio".

1. No es gratis. Apify cobra por uso (compute units / por resultado); un scrape grande consume crédito. El tier free es limitado.
2. Scrapear LinkedIn viola sus Términos de Servicio. LinkedIn detecta y bloquea scraping activamente y puede restringir o banear la cuenta. La legalidad de scrapear datos públicos está en zona gris (caso hiQ vs LinkedIn); el riesgo de ToS/cuenta es real y es del usuario, no de Apify. Preferir actors sobre job boards públicos antes que LinkedIn directo; si igual se scrapea LinkedIn, hacerlo de forma consciente y no con una cuenta crítica.
3. El API token de Apify es sensible. Autoriza correr actors (y gastar el plan) en nombre del usuario. Mantenerlo seguro; no exponerlo ni commitearlo. (Apify no recolecta conversaciones/tokens y trata a los actors como no confiables: les da un proxy y no les entrega las credenciales - un actor malicioso puede usar las tools habilitadas pero no exfiltrar el token.)
4. Calidad/estabilidad variable. Los scrapers de LinkedIn se rompen seguido; los resultados pueden venir incompletos o desactualizados.

Si el usuario no confirma, usá el camino WebSearch/WebFetch.

2. Para cada oferta candidata: extraer rol, empresa, stack, modalidad, ubicación, rango salarial, link, fecha de cierre.
3. Scorear (ver rúbrica) y filtrar por el umbral del perfil.
4. Crear nota en 03-Aplicaciones/ (template Aplicacion, estado interesado, con match_score) + nota en 04-Empresas/ (template Empresa) por cada una sobre el umbral.
5. Actualizar el 00-Dashboard.md con las activas por prioridad, marcando el top 10 para hoy.

score <job-url> - Scorear una oferta puntual

1. WebFetch del JD.
2. Aplicar la rúbrica contra el perfil → score 0-100 + breakdown + recomendación (aplicar / borderline / skip).
3. Si pasa, crear las notas como arriba.

plan - Plan de búsqueda de 7 días

Generar un plan accionable con objetivos diarios. Ejemplo de esqueleto (ajustar al estado del usuario):

• Día 1 - Base. Perfil maestro + perfiles por rol al día; LinkedIn optimizado (/linkedin-optimize).
• Día 2 - Sourcing. Buscar y scorear 15-20 ofertas; quedarte con las ≥ umbral.
• Día 3 - Research. Empresas + contactos objetivo de las top.
• Día 4 - Aplicaciones tanda 1. CV custom + cover letter para las 5 de mayor prioridad (/cv-tailor, /cv-ats-export, /cover-letter).
• Día 5 - Outreach. Mensajes a recruiters/hiring managers de las top (/cold-outreach).
• Día 6 - Aplicaciones tanda 2 + follow-ups de la tanda 1.
• Día 7 - Review. Métricas (aplicadas / respuestas / entrevistas), ajustar perfil/CV según señales, planear próxima semana.

Rúbrica de scoring

Ver references/scoring-rubric.md. En resumen, score ponderado 0-100 sobre:

• Match de stack/skills (peso alto)
• Seniority correcto (penalizar over/under-qualified)
• Modalidad y mercado/elegibilidad (remoto, zona horaria, visa)
• Salario vs mínimo
• Cultura/etapa según preferencia
• Señales de calidad de la oferta (claridad, recencia, # aplicantes)

Umbral default ≥75 (configurable en el frontmatter del perfil, campo match_score_minimo).

Tracking

• Estados de aplicación: interesado → aplicado → entrevista → oferta, y cierres: contratado / rechazado / sin_respuesta / declinada / descartado (los registra /job-outcome).
• Mantener el 00-Dashboard.md como vista única: activas por prioridad, próximas entrevistas, qué cierra pronto, a seguir esta semana.

Reglas

• No aplicar a todo: el umbral existe para concentrar esfuerzo donde hay match real.
• Marcar gaps con honestidad al scorear (no inflar el match).
• Respetar elegibilidad (visa/zona horaria) - un score alto con bloqueo de elegibilidad no sirve.
• No guardar datos sensibles de recruiters en remotos sin confirmación.

Handoff

Confirmá (approval) antes de crear notas de aplicación/empresa o tocar el Dashboard. Cuando las ofertas priorizadas están READY, el siguiente paso es /cv-tailor sobre las de prioridad alta.