StackCheck：本地优先的技术栈情报与薪资基准工具

技术栈市场情报引擎与数据分析仪表板
_{从实时招聘信息中追踪技术需求、技能组合和薪酬基准。}

快速安装

安装独立二进制文件，无需外部依赖：

macOS 和 Linux

curl -fsSL https://raw.githubusercontent.com/haydermuhib/StackCheck/main/install.sh | bash

Windows (PowerShell)

curl.exe -L "https://github.com/haydermuhib/StackCheck/releases/latest/download/StackCheck-windows-x64.exe" -o StackCheck.exe; .\StackCheck.exe

你也可以直接从 GitHub Releases 下载 StackCheck-windows-x64.exe。如果 Windows SmartScreen 在首次启动时提示，请选择更多信息，然后选择仍要运行。

运行 Web 仪表板：

stackcheck

概述

StackCheck 从 HiringCafe 收集实时招聘信息，通过基于章节的加权提取技术要求，并在本地 Streamlit 仪表板中可视化市场统计数据。它帮助工程师和分析师评估技术需求、检查技能组合，并对跨区域就业市场的薪酬进行基准测试。

Web 仪表板界面

高管市场概览	地域薪酬分布
关键指标卡片、加权技术技能频率排名和领域类别细分。	国家级薪酬条带散点图，带有水平中位数基准线。
经验与雇主分析	交互式职位浏览器
资历技能差异、薪酬层级表、招聘雇主和技能栈复杂度。	可搜索的职位记录，包含解析后的薪资、标准化技术栈和直接申请链接。

核心功能

与标准招聘网站的比较

标准招聘网站返回搜索卡片，但不计算聚合市场指标。StackCheck 将职位描述处理为结构化分析：

抓取设计与限制

StackCheck 的设计宗旨是负责任地查询源服务器，避免造成服务中断：

• 批量数据获取： StackCheck 每次 HTTP 请求读取包含 60 到 90 条完整列表的服务端渲染载荷。收集 2,000 条列表大约需要 25 到 30 次请求。
• 限速请求： 请求通过持久连接顺序执行，并内置礼貌性暂停（每次调用间隔 0.35 秒）。
• 本地计算： 抓取的列表直接保存到本地 SQLite 数据库（~/.stackcheck/stackcheck.db）。技能解析、薪资计算和图表生成完全在你的本地机器上运行。
• 相关性过滤： 通过分词验证检查职位名称，防止不相关的工作污染特定搜索。

系统架构

┌──────────────────────┐     ┌──────────────────────┐     ┌──────────────────────┐
│  HiringCafe Public   │────▶│    Deduplicator and   │────▶│    Section-Aware     │
│      API Client      │     │  Country Normalizer  │     │   Priority Weighting │
└──────────────────────┘     └──────────────────────┘     └──────────┬───────────┘
                                                                     │
                                                                     ▼
┌──────────────────────┐     ┌──────────────────────┐     ┌──────────────────────┐
│ Export Reports       │◀────│   Streamlit Web UI   │◀────│ Local SQLite Storage │
│ (CSV, JSON, Markdown)│     │ & Matplotlib OOP Ax  │     │ (~/.stackcheck/*.db) │
└──────────────────────┘     └──────────────────────┘     └──────────────────────┘

组件分解

• src/stackcheck/client/hiringcafe.py：请求载荷，支持分页、工作场所过滤和重试逻辑。
• src/stackcheck/client/normalizer.py：职位名称分类、地理别名和重复指纹识别。
• src/stackcheck/analyzer/rule_extractor.py：位置正则提取器，将要求与一般文本分离。
• src/stackcheck/analyzer/metrics.py：技能共现矩阵、薪资分布和加权评分。
• src/stackcheck/storage/repository.py：多项目 SQLite 存储库，管理架构迁移和 upsert。
• src/stackcheck/launcher.py：桌面启动器，支持空闲端口选择和浏览器启动逻辑。
• src/stackcheck/updater.py：GitHub Releases 更新检查器，带超时保护。

方法论

1. 数据集清洗： 通过生成职位名称-公司-地点复合哈希来去除重复项和垃圾信息。
2. 类别分类： 将技术分组为类别（语言、BI 工具、数据库、云与 DevOps、AI 与机器学习）。
3. Requirement weighting:
   • 第一项要求：1.8 倍
   • 第二项要求：1.5 倍
   • 第三项要求：1.3 倍
   • 日常工作职责：1.2 倍
   • 一般帖子文本：1.0 倍
   • 优先资格：0.7 倍
4. 区域比较： 衡量工具采用率在不同国家和区域市场之间的差异。

安装选项

选项 A：单行脚本（推荐）

# Installs to ~/.local/bin/stackcheck with desktop shortcut and icon
curl -fsSL https://raw.githubusercontent.com/haydermuhib/StackCheck/main/install.sh | bash

# Launch dashboard
stackcheck

选项 B：Python 源码安装

git clone https://github.com/haydermuhib/StackCheck.git
cd StackCheck

python3 -m venv .venv
source .venv/bin/activate

pip install -e .

streamlit run app.py

选项 C：构建独立可执行文件

# Build standalone folder distribution
python build_app.py --onedir

# Or build single-file binary
python build_app.py --onefile

命令行界面

# Launch web dashboard
stackcheck

# Print version
stackcheck -v

# Check status of running dashboard process
stackcheck status

# Verify runtime dependencies
stackcheck check

# Stop running dashboard process
stackcheck stop

# Check for updates and upgrade in-place
stackcheck update

# Query jobs for a role and location
stackcheck search "Data Analyst" --location "United States" --limit 30

# Query remote backend engineering jobs
stackcheck search "Backend Engineer" --workplace remote --limit 50

# Export dataset
stackcheck export --format all

运行测试

运行单元测试套件：

pytest tests/

快速参考

许可证

本项目根据 MIT 许可证 授权。