Get an API key
EN中文

卡片 01岗位

数据中心岗位最多的州是得州，不是弗吉尼亚

2026 年 9 月 30 日，Metix AI Platform 上职位名称含 data center 的美国在招岗位，按州、雇主和岗位类型统计，以及岗位描述提到数据中心的电工和施工管理岗位。

1,148

个得州的数据中心在招岗位，是弗吉尼亚（604 个）的 1.9 倍。

  1. 得州1,148
  2. 弗吉尼亚604
  3. 加州457
  4. 俄亥俄351
  5. 佐治亚320

全美共 6,721 个标题含 data center 的在招岗位。

得州的数据中心岗位是弗吉尼亚的 1.9 倍

标题含 data center 的美国在招岗位，按州统计，条形按占全美 6,721 个的比例画

  1. 得州1,148 · 17.1%
  2. 弗吉尼亚604 · 9.0%
  3. 加州457 · 6.8%
  4. 俄亥俄351 · 5.2%
  5. 佐治亚320 · 4.8%
  6. 北卡罗来纳224 · 3.3%
  7. 俄勒冈222 · 3.3%
  8. 华盛顿州214 · 3.2%
  9. 亚利桑那180 · 2.7%
  10. 印第安纳156 · 2.3%
  11. 纽约州153 · 2.3%
  12. Colorado145 · 2.2%
  13. 其他各州2,547 · 37.9%

图中所见

得州 1,148 个，占 17.1%；弗吉尼亚 604 个，业内最有名的数据中心市场排第二。然后是加州、俄亥俄和佐治亚。

全美总数是 30 个州各自的计数加上其余所有州的一次计数，986 个在其余各州或没有写州。

方法与局限

一个岗位挂在多个城市或反复发布，会被计为多个岗位，所以这些数字衡量的是招聘活跃度，不是职位数。

来源：Metix AI Platform 岗位数据，2026-09-30。

查询data-center-titles.json
POST /v1/jobs/query · queries/data-center-titles.json
{  "where": {    "all": [      {        "field": "title",        "match": "data center"      },      {        "field": "location.country",        "eq": "United States"      }    ]  },  "size": 1}

Amazon 占了近五分之一，但得州的领先不是一家公司撑起来的

各雇主占全美 6,721 个数据中心岗位的比例

  1. Amazon1,272 · 18.9%
  2. Oracle257 · 3.8%
  3. Meta109 · 1.6%
  4. Google97 · 1.4%
  5. QTS Data Centers32 · 0.5%
  6. Serverfarm31 · 0.5%
  7. CoreWeave26 · 0.4%
  8. Equinix15 · 0.2%
  9. Switch10 · 0.2%
  10. Microsoft8 · 0.1%

图中所见

Amazon（用两个名字发岗位）共 1,272 个，占 18.9%。但在得州只有 191 个，在弗吉尼亚是 279 个。去掉 Amazon，得州 957 个，弗吉尼亚 325 个，差距反而更大。

微软只有 8 个，这说明的是它在哪里发岗位，不是它建得少。

方法与局限

雇主按记录里的名字精确匹配。名字写法不同的公司（包括通过招聘代理发岗位的）不在各自的行里，所以这些是下限。

来源：Metix AI Platform 岗位数据，2026-09-30。

查询data-center-titles.json
POST /v1/jobs/query · queries/data-center-titles.json
{  "where": {    "all": [      {        "field": "title",        "match": "data center"      },      {        "field": "location.country",        "eq": "United States"      }    ]  },  "size": 1}

技术员和经理最多，施工岗位占一成

标题里用的岗位词，占全美数据中心岗位的比例；一个标题可以含多个词，各行有重叠

  1. 技术员（technician）1,881 · 28.0%
  2. 经理（manager）1,701 · 25.3%
  3. 工程师（engineer）1,394 · 20.7%
  4. 施工（construction）664 · 9.9%
  5. 运营（operations）478 · 7.1%
  6. 机械（mechanical）386 · 5.7%
  7. 安保（security）146 · 2.2%

图中所见

运营一侧（技术员、经理、工程师、运营）占大头，施工岗位 664 个。建设期的招聘大多不在"数据中心"头衔下，见下一张图。

方法与局限

每个词一次计数，只匹配标题。"Data Center Technician, Data Center Operations" 同时算进技术员和运营两行，所以各行加起来超过总数。

来源：Metix AI Platform 岗位数据，2026-09-30。

查询data-center-titles.json
POST /v1/jobs/query · queries/data-center-titles.json
{  "where": {    "all": [      {        "field": "title",        "match": "data center"      },      {        "field": "location.country",        "eq": "United States"      }    ]  },  "size": 1}

美国超过十分之一的施工管理岗位提到数据中心

每组岗位中，岗位描述提到数据中心的比例

  1. 施工管理，全美2,800 / 26,211 · 10.7%
  2. 电工，全美152 / 5,796 · 2.6%
  3. 电工，亚利桑那18 / 125 · 14.4%
  4. 电工，得州22 / 627 · 3.5%
  5. 电工，弗吉尼亚8 / 349 · 2.3%
  6. 电工，俄亥俄5 / 236 · 2.1%
  7. 电工，加州6 / 285 · 2.1%
  8. 电工，佐治亚2 / 280 · 0.7%

图中所见

施工经理、现场主管和项目工程师岗位中，2,800 个（10.7%）提到数据中心，其中得州 504 个，弗吉尼亚 161 个。抽读 50 条，45 条至少提到两次，讲的是数据中心的工程。

电工只有 2.6%，但亚利桑那是 18 / 125，14.4%。

方法与局限

三种写法都算：data center、datacenter、data centre。电工的抽读 60 条里 55 条确实写了数据中心。

来源：Metix AI Platform 岗位数据，2026-09-30。

查询construction-leads.json · electricians.json · mentions-data-centers.json
POST /v1/jobs/query · queries/construction-leads.json
{  "where": {    "all": [      {        "any": [          {            "field": "title",            "match": "construction manager"          },          {            "field": "title",            "match": "superintendent"          },          {            "field": "title",            "match": "project engineer"          }        ]      },      {        "field": "location.country",        "eq": "United States"      }    ]  },  "size": 1}
POST /v1/jobs/query · queries/electricians.json
{  "where": {    "all": [      {        "field": "title",        "match": "electrician"      },      {        "field": "location.country",        "eq": "United States"      }    ]  },  "size": 1}
POST /v1/jobs/query · queries/mentions-data-centers.json
{  "_note": "Added to another population: postings whose description names data centers, in any of the three spellings.",  "where": {    "any": [      {        "field": "description",        "match": "data center"      },      {        "field": "description",        "match": "datacenter"      },      {        "field": "description",        "match": "data centre"      }    ]  }}

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

80 到 95 API Credits2.67 到 3.17 美元新账户赠送的 100 API Credits 够用

花费超过 110 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：在美国，哪些地方、哪些公司在招人建设和运营数据中心？只通过公开的 Platform（REST 地址 https://mira-api.metix.ai、MCP 服务或 metix-skills）工作，key 放在 METIX_KEY，绝不打印 key。

  1. 01先读再查

    调用 GET /contract（免费），只用 querySpecByEntity.job 里的字段。size 为 1 的计数花 1 API Credit；读取记录每 5 条花 1 API Credit。开始和结束时用 GET /auth/key/status（免费）查余额，运行超过 110 API Credits 之前停下来问。

  2. 02范围

    标题匹配 "data center" 的美国在招岗位。读 25 个标题，确认它们是数据中心岗位。

  3. 03按州计数

    最大的 30 个州各计一次，其余所有州（不在列表中）合计一次。全国总数就是它们的和；不要依赖单个总数，它可能是分档的。

  4. 04按雇主计数

    company.name 按记录里的写法精确匹配；读几条记录弄清写法（Amazon 用两个名字发岗位）。给出每家雇主占全国总数的比例，以及 Amazon 在最大两个州的数量。

  5. 05按岗位计数

    标题里每个词计一次：technician、manager、engineer、construction、operations、mechanical、security。一个标题可以含多个词，说明各行有重叠。

  6. 06技术工种

    统计美国电工（标题 "electrician"）和施工管理岗位（标题 "construction manager"、"superintendent" 或 "project engineer"），再统计其中描述提到数据中心（"data center"、"datacenter" 或 "data centre"）的数量。两组各读 30 条，核对提到数据中心是不是在讲数据中心的工作，而不是行业列表里的一项，报告有多少是。

  7. 07清洗

    重复发布和多城市发布不合并；说明这些数字衡量的是招聘活跃度，不是职位数。

  8. 08输出

    写 data/states.json、employers.json、roles.json 和 trades.json，包含 "unit": "jobs"、快照日期、每行的数量和占比。把前后余额差作为成本报告。

  9. 09图表

    各州按占全国总数的比例画条形，最大的高亮，其他州放最后。雇主和岗位按占全国总数的比例。技术工种按每组中提到数据中心的比例。

  10. 10局限

    主体范围只看标题。只是一天的截面，不是趋势：在招岗位偏向近期，发布日期说明不了增长。

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

68 API Credits2.27 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/data-center-jobs-us-2026.tar.gz | tar xz
cd data-center-jobs-us-2026
: "${METIX_KEY:?set METIX_KEY first}" && python3 cases/data-center-jobs-us-2026/fetch.py

你会得到

data/*.json 和 data/receipt.json。运行 git diff cases/data-center-jobs-us-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。

要改的 改哪里 例如
行业 第 2 步 "semiconductor"、"battery"、"wind"
技术工种 第 6 步 "HVAC"、"pipefitter"、"lineman"
拆分方式 第 3 步 某个州内的城市，或都市区

运行前先问清楚

  1. 用哪个头衔，它会不会有别的意思？
  2. 按州、按城市，还是按雇主？
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 30 日 Metix AI Platform 上的美国在招岗位。主体是标题含 "data center" 的岗位；读 100 个标题，全部是数据中心岗位。

计数

全部是计数，每次 1 API Credit，重跑共 68 次，不读取岗位。全国总数是 30 个州的计数加其余所有州的一次计数，不依赖可能被分档的单个总数。条件在 queries/，州、雇主和岗位词列表在 fetch.py。

核对

读了 60 条电工岗位（55 条描述里确实写了数据中心）和 50 条施工管理岗位（45 条至少提到两次），确认匹配到的是数据中心的工作，不是行业列表里的一项。

局限

重复发布和多城市发布没有合并。雇主按名字精确匹配，是下限。只是一天的截面：在招岗位偏向近期，发布日期说明不了增长。

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
2026-09-30
调用次数
68
搜索结果
68
读取记录
0
API Credits
68

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 212 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