Get an API key
EN中文

卡片 02岗位

招聘描述里，Claude Code 被提到的次数多过其他所有 AI 编程工具

2026 年 9 月 21 日 Metix AI Platform 上，职位描述里提到 AI 编程工具的全球在招岗位。

27,679

个在招岗位的职位描述里提到 Claude Code，共 36,208 个岗位至少提到五个工具之一。

  • Claude Code27,679
  • Cursor15,676
  • GitHub Copilot12,790
  • Codex7,878
  • Windsurf2,234

斜线条是严格计数：只在同时提到另一个 AI 编程工具时才计入。条形按最长的一条缩放

Claude Code 被提到的次数领先，Cursor 和 GitHub Copilot 紧随其后

职位描述里提到各工具的全球在招岗位数，条形按最长的一条缩放。斜线条是严格计数（因此是下限），背后的轮廓是只看这个词时的数量

  1. Claude Code27,679
  2. Cursor严格计数：需同时提到另一个工具；只看这个词 17,68115,676
  3. GitHub Copilot12,790
  4. Codex严格计数：需同时提到另一个工具；只看这个词 8,2907,878
  5. Windsurf严格计数：需同时提到另一个工具；只看这个词 2,3022,234

图中所见

全球有 36,208 个在招岗位的职位描述至少提到五个 AI 编程工具之一，其中 27,679 个提到 Claude Code，占 76%。

各工具在美国的占比不同：Claude Code 是 41%，Windsurf 只有 19%。美国以外的招聘方同样在点名这些工具。

方法与局限

Cursor、Codex 和 Windsurf 这几个词本身有别的意思（数据库游标、食品法典、帆板运动），抽检里只有九成多是指编程工具，所以只在同一段描述里还提到另一个 AI 编程工具时才计入。它们的数字是下限，图里的轮廓是只看这个词时的数量。

来源：Metix AI Platform 岗位数据，2026-09-21。

查询claude-code.json · cursor.json · github-copilot.json · codex.json · windsurf.json · any-tool.json
POST /v1/jobs/query · queries/claude-code.json
{  "where": {    "field": "description",    "match": "claude code"  },  "size": 1}
POST /v1/jobs/query · queries/cursor.json
{  "where": {    "all": [      {        "field": "description",        "match": "cursor"      },      {        "any": [          {            "field": "description",            "match": "claude"          },          {            "field": "description",            "match": "copilot"          },          {            "field": "description",            "match": "windsurf"          },          {            "field": "description",            "match": "codex"          }        ]      }    ]  },  "size": 1}
POST /v1/jobs/query · queries/github-copilot.json
{  "where": {    "field": "description",    "match": "github copilot"  },  "size": 1}
POST /v1/jobs/query · queries/codex.json
{  "where": {    "all": [      {        "field": "description",        "match": "codex"      },      {        "any": [          {            "field": "description",            "match": "openai"          },          {            "field": "description",            "match": "claude"          },          {            "field": "description",            "match": "copilot"          },          {            "field": "description",            "match": "cursor"          }        ]      }    ]  },  "size": 1}
POST /v1/jobs/query · queries/windsurf.json
{  "where": {    "all": [      {        "field": "description",        "match": "windsurf"      },      {        "any": [          {            "field": "description",            "match": "cursor"          },          {            "field": "description",            "match": "copilot"          },          {            "field": "description",            "match": "claude"          },          {            "field": "description",            "match": "codex"          }        ]      }    ]  },  "size": 1}
POST /v1/jobs/query · queries/any-tool.json
{  "where": {    "any": [      {        "field": "description",        "match": "claude code"      },      {        "field": "description",        "match": "github copilot"      },      {        "all": [          {            "field": "description",            "match": "cursor"          },          {            "any": [              {                "field": "description",                "match": "claude"              },              {                "field": "description",                "match": "copilot"              },              {                "field": "description",                "match": "windsurf"              },              {                "field": "description",                "match": "codex"              }            ]          }        ]      },      {        "all": [          {            "field": "description",            "match": "codex"          },          {            "any": [              {                "field": "description",                "match": "openai"              },              {                "field": "description",                "match": "claude"              },              {                "field": "description",                "match": "copilot"              },              {                "field": "description",                "match": "cursor"              }            ]          }        ]      },      {        "all": [          {            "field": "description",            "match": "windsurf"          },          {            "any": [              {                "field": "description",                "match": "cursor"              },              {                "field": "description",                "match": "copilot"              },              {                "field": "description",                "match": "claude"              },              {                "field": "description",                "match": "codex"              }            ]          }        ]      }    ]  },  "size": 1}

运行这个案例

三种方式，每一种都先告诉你要花多少。

1 API Credit 可以买 25 个搜索结果或 5 条完整记录；1 美元可以买 30 API Credits。

交给你的 agent 来跑

95 到 135 API Credits3.17 到 4.50 美元可能超出赠送的 100 API Credits

花费超过 140 API Credits 之前，agent 会先停下来问你。

你的 agent 按提示词一步步执行：先读规则，再计数，按提示词的要求检查定义，最后写出文件和图表。请使用能写文件的 agent，比如 Claude Code 或 Codex。

一次性配置key、连接和一次免费检查。如果你的 agent 已经接入 Metix AI Platform，可以跳过。

  1. 1获取 key

    在 Metix AI Platform 上创建 key →

    新账户一次性赠送 100 API Credits，30 天内有效。在启动 agent 的终端里设置，或者把这一行写进 ~/.zshrc 或 ~/.bashrc，新开的终端也能用：

    终端
    export METIX_KEY=metix_xxxxxxxx

  2. 2连接你的 agent

    Claude Code

    为所有项目注册 Metix AI Platform。在任意目录启动 claude，就能看到十个 metix 工具。

    终端
    : "${METIX_KEY:?run step 1 first}" &&
claude mcp add --scope user --transport http metix \
  https://mira-api.metix.ai/mcp \
  --header "Authorization: Bearer $METIX_KEY"
    MCP 配置指南 →

    Codex

    注册同一个服务。key 留在环境变量里，不写进配置文件。

    终端
    codex mcp add metix \
  --url https://mira-api.metix.ai/mcp \
  --bearer-token-env-var METIX_KEY
    MCP 配置指南 →

    Skills

    四个 skill，教任何 agent 使用 Metix AI Platform 的接口和查询规则，适合不支持 MCP 的 agent。安装程序默认一项都不勾选：在每一项上按空格，再按回车。

    终端
    npx skills add MetixAI-Official/metix-skills
    Skills 安装说明 →

    其他 MCP

    让客户端通过 streamable HTTP 连接这个地址，并带上这两个请求头；缺少 Accept 请求头时服务器会返回 406。较旧的客户端使用同一主机上的 /sse。

    地址和请求头
    https://mira-api.metix.ai/mcp
Authorization: Bearer <your key>
Accept: application/json, text/event-stream
    MCP 配置指南 →

  3. 3检查配置

    先问这一句。它只读取余额和字段列表，不做任何搜索，不花 API Credits：

    发给 agent 的提示
    使用 Metix AI Platform：查询我的 key 状态并读取 contract，这两项都免费。然后告诉我我的 API Credit 余额和可以查询哪些数据集。不要做任何搜索。

4粘贴提示词

在一个空文件夹里启动 agent，再粘贴。它会把文件写在那里。

要回答的问题

用 Metix AI Platform 回答一个问题：招聘岗位点名了哪些 AI 编程工具，各有多少？只通过公开的 Platform 访问（REST 地址 https://mira-api.metix.ai、MCP 服务或 metix-skills），密钥从 METIX_KEY 读取，任何时候都不要打印密钥。

  1. 01先读规则再查询

    调用 GET /contract（免费），只用 querySpecByEntity.job 里的字段。size 1 的计数花 1 API Credit；没有结果的搜索不收费。开始和结束时各调用一次 GET /auth/key/status（免费）查余额，总花费超过 140 API Credits 之前先停下来问我。

  2. 02工具

    Claude Code、Cursor、GitHub Copilot、Codex、Windsurf，在职位描述里匹配（字段 "description"，操作符 match）。

  3. 03当心普通词

    match 要求每个词都出现，但不要求连在一起。Claude Code 和 GitHub Copilot 按名称匹配没有问题。Cursor、Codex、Windsurf 同时也是普通词（数据库游标、食品法典、帆板运动）。

  4. 04先抽检再相信

    每个工具读 40 到 60 条描述，检查名称附近是不是 AI 编程的上下文。无关的超过 5%，就改成只在同一段描述里还提到另一个 AI 编程工具时才计入，再对收紧后的条件抽检一次。只看单词的计数也保留，让读者看到定义对数字的影响有多大。

  5. 05计数

    每个工具算全球和 location.country eq "United States" 两次，被收紧的工具再算一次只看单词的数量，最后算一次"至少提到五个之一"。大约 15 API Credits。

  6. 06清洗

    不合并重复发布，直接说明。

  7. 07分组

    一个文件写清每个工具的定义，被收紧的标为下限。

  8. 08输出

    写出 data/tools.json，带 "unit": "jobs" 和快照日期，每个工具写计数、美国计数，有的话写只看单词的计数，再写"至少提到一个"的计数。运行前后各调用一次 GET /auth/key/status，余额差就是花费。

  9. 09图表

    每个工具一根条形，排序，领先的高亮，被收紧的工具用斜线条，背后画一个只看单词时的轮廓。标题写结论。

  10. 10局限

    提到一个工具不等于要求会用它，有的描述只是介绍团队在用什么。被收紧的工具是下限。这是某一天的截面，不是趋势。

查看 PROMPT.md →

你会得到

聚合文件和图表，一段说明抽检发现了什么、改了什么，以及这次运行花了多少 API Credits（取自运行前后的余额）。

如果调用返回 402 insufficient_quota，说明 key 有效，只是余额用完了。

复现数字

14 API Credits0.47 美元新账户赠送的 100 API Credits 够用

一个只用 Python 标准库的小脚本，把已提交的查询按计数发出去，写出这个页面所用的聚合文件。需要 Python，并在终端里设置好 METIX_KEY（见 agent 路径的第 1 步），也可以让你的 agent 替你运行这几行。

终端
curl -fsSL https://platform.metix.ai/casebook/source/ai-coding-tools-in-postings-2026.tar.gz | tar xz
cd ai-coding-tools-in-postings-2026
: "${METIX_KEY:?set METIX_KEY first}" && python3 cases/ai-coding-tools-in-postings-2026/fetch.py

你会得到

data/*.json 和 data/receipt.json。运行 git diff cases/ai-coding-tools-in-postings-2026/data 看哪些数字变了：除去快照之后数据本身的变化，数字应该一致。

改成你的问题

花费取决于你的版本读取多少。在提示词第 1 步里写上你自己的上限。

提示词就是这个案例本身。改掉下表里的部分，你的 agent 就会回答你的问题，用同样的检查和同样的花费记录方式。

想改的 改哪里 例子
工具 第 2 步，新工具在第 4 步抽检 加上 Gemini Code Assist 或 JetBrains AI
市场 第 5 步 按国家计数，或者只看一个行业
字段 第 2 步 改成搜标题，找围绕某个工具设的岗位

运行前先问清楚

  1. 看哪些工具？它们的名字会不会有别的意思？
  2. 看职位描述还是标题？
  3. 看全球，还是某一个国家？
  4. 抽检读描述最多能花多少 API Credits？
查看 PROMPT.md →

方法与局限

统计范围怎么定义、怎么计数和抽检，以及这些数字不能说明什么。

统计范围

2026 年 9 月 21 日 Metix AI Platform 上职位描述提到某个 AI 编程工具的在招岗位。Claude Code 和 GitHub Copilot 按名称匹配。Cursor、Codex、Windsurf 需要同一段描述里还提到另一个 AI 编程工具。

抽检

agent 为每个工具读了 40 到 60 条描述，检查名称附近是否是 AI 编程的上下文。Claude Code 和 GitHub Copilot 都是 40 条里 40 条。只看单词时，Cursor 60 条里 55 条，Codex 60 条里 55 条，Windsurf 60 条里 56 条，超过 5% 的误差线，所以收紧了条件；收紧后 Cursor 60 条里 60 条。

计数

每个工具算全球和美国两次，另外三个工具再算一次只看单词的数量，最后算一次"至少提到一个"。全部是计数，每次 1 API Credit，不读取岗位。重复发布没有合并。条件在 queries/。

局限

提到一个工具不等于要求会用它，有的描述只是介绍团队在用什么。匹配要求词都出现，不要求连在一起，抽检里没有发现因此误判的。这是快照当天的截面。

最近一次复现

上一次复现花了多少，取自运行前后 Metix AI Platform 记录的余额。

运行日期
2026-09-21
调用次数
14
搜索结果
14
读取记录
0
API Credits
14

搜索结果是搜索返回的 ID 数，每次计数查询算一个，完整搜索按命中数算。记录是完整读取的岗位或档案：这个案例一条都没读。

做这个案例另外花了大约 152 API Credits：agent 做的抽检、试探性查询，以及被公开复现取代的早先运行。你不需要再花这部分。

案例文件：提示词、查询、数据API Credits 与价格