谁在做这件事
它省掉的是哪件事，适合谁。
卖数据基础设施的销售，或者任何客户是某个具体团队的人。一家公司现在同时在招好几个数据工程师，说明它正在做你的产品能帮上忙的事。
得到什么
最近一次重跑的计数。背后的记录由你的 agent 用你自己的 key 读取。
十家公司在招的数据工程师岗位
数据工程师岗位全部在招岗位
每条是标题匹配 "data engineer" 的在招岗位数。右边的数字是这家公司全部在招岗位，免得招人多的公司只因为岗位多就显得信号强。
agent 会读哪些字段
提示词要求读取的字段。这个页面只展示字段名和计数，不展示任何一条记录。
company.nametitleposted_datelocation.city
接下来
拿到名单之后，这件事往哪走。
从信号最强的开始
先按岗位数排序，再看占全部岗位的比例。200 个里有 5 个，比 2,000 个里有 10 个更说明问题。
引用岗位原文
让 agent 读这些岗位，把里面提到的工具和问题找出来。引用岗位原文的邮件读起来像做过功课，而不是群发。
每周看一次
每周定时跑同一段提示词，某家公司的岗位数上升就提醒你。十家公司每次 20 API Credits。
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
20 API Credits0.67 美元新账户赠送的 100 API Credits 够用
花费超过 30 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。
MCP 配置指南 →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 $METIX_KEY"Codex
注册同一个服务。key 留在环境变量里，不写进配置文件。
MCP 配置指南 →终端codex mcp add metix \ --url https://mira-api.metix.ai/mcp \ --bearer-token-env-var METIX_KEY
Skills
四个 skill，教任何 agent 使用 Metix AI Platform 的接口和查询规则，适合不支持 MCP 的 agent。安装程序默认一项都不勾选：在每一项上按空格，再按回车。
Skills 安装说明 →终端npx skills add MetixAI-Official/metix-skills
其他 MCP
让客户端通过 streamable HTTP 连接这个地址，并带上这两个请求头；缺少 Accept 请求头时服务器会返回 406。较旧的客户端使用同一主机上的 /sse。
MCP 配置指南 →地址和请求头https://mira-api.metix.ai/mcp Authorization: Bearer <your key> Accept: application/json, text/event-stream
3检查配置
先问这一句。它只读取余额和字段列表，不做任何搜索，不花 API Credits：
发给 agent 的提示使用 Metix AI Platform：查询我的 key 状态并读取 contract，这两项都免费。然后告诉我我的 API Credit 余额和可以查询哪些数据集。不要做任何搜索。
4粘贴提示词
在一个空文件夹里启动 agent，再粘贴。它会把文件写在那里。
要回答的问题
用 Metix AI Platform 告诉我，我的十家目标客户里哪些现在在招数据工程师。这十家是 Stripe、Databricks、Snowflake、Datadog、Rippling、Brex、Ramp、Figma、Airtable 和 Notion。只通过公开的 Platform 访问（REST 地址 https://mira-api.metix.ai、MCP 服务或 metix-skills），密钥从 METIX_KEY 读取，任何时候都不要打印密钥。
01先读规则再查询
调用 GET /contract（免费），读岗位字段 company.name、title 和 is_open。开始和结束时各调用一次 GET /auth/key/status（免费）查余额，总花费超过 30 API Credits 之前先停下来问我。
02统计范围
每家公司：company.name eq 这家公司、title match "data engineer" 的在招岗位，放在同一个 all 节点里。
03参照数
每家公司再数一次它全部的在招岗位（company.name eq 这家公司且 is_open eq true），免得招人多的公司只因为规模大就显得信号强。
04预算
每家公司两次计数，一共 20 次，都用 size 1。除非我要求，否则不读岗位。
05核对公司名
如果某家公司在招岗位总数是零，可能是名字和岗位上写的不一致。告诉我，并建议换个写法试试。
06清洗
重复发布的岗位分开算，并说明。
07排序
先按数据工程师岗位数排，再按它占全部在招岗位的比例排。
08输出
一张表：公司、数据工程师岗位数、全部在招岗位数和比例，写上数据日期。
09图表
每家公司一条横条，表示数据工程师岗位数，从多到少，旁边写上全部在招岗位数。
10局限
说明所有国家的岗位都算在内，标题匹配也会算进高级和负责人岗位以及部分分析工程师，一天的数据不是趋势。
你会得到
聚合文件和图表，一段说明抽检发现了什么、改了什么，以及这次运行花了多少 API Credits（取自运行前后的余额）。
如果调用返回 402 insufficient_quota，说明 key 有效，只是余额用完了。
复现数字
18 API Credits0.60 美元新账户赠送的 100 API Credits 够用
一个只用 Python 标准库的小脚本，把已提交的查询按计数发出去，写出这个页面所用的聚合文件。需要 Python，并在终端里设置好 METIX_KEY（见 agent 路径的第 1 步），也可以让你的 agent 替你运行这几行。
curl -fsSL https://platform.metix.ai/casebook/source/find-accounts-hiring-for-a-role.tar.gz | tar xz
cd find-accounts-hiring-for-a-role
: "${METIX_KEY:?set METIX_KEY first}" && python3 cases/find-accounts-hiring-for-a-role/fetch.py你会得到
data/*.json 和 data/receipt.json。运行 git diff cases/find-accounts-hiring-for-a-role/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 |
|---|---|---|
| 公司名单 | 问题里的名单 | 换成你自己的客户名单 |
| 岗位 | 第 2 步 | "account executive"、"security engineer" |
| 只看最近的岗位 | 第 2、3 步 | 加上 posted_date gte now-30d |
运行前先问清楚
- 哪些公司？名字要和它们岗位上写的一致。
- 哪个岗位说明对方需要你卖的东西？
- 所有国家都算，还是只看你卖的地区？
用 Metix AI Platform 告诉我，我的十家目标客户里哪些现在在招数据工程师。这十家是 Stripe、Databricks、Snowflake、Datadog、Rippling、Brex、Ramp、Figma、Airtable 和 Notion。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. 先读规则再查询。调用 GET /contract（免费），读岗位字段 company.name、title 和 is_open。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 30 API Credits 之前先停下来问我。 2. 统计范围。每家公司：company.name eq 这家公司、title match "data engineer" 的在招岗位，放在同一个 all 节点里。 3. 参照数。每家公司再数一次它全部的在招岗位（company.name eq 这家公司且 is_open eq true），免得招人多的公司只因为规模大就显得信号强。 4. 预算。每家公司两次计数，一共 20 次，都用 size 1。除非我要求，否则不读岗位。 5. 核对公司名。如果某家公司在招岗位总数是零，可能是名字和岗位上写的不一致。告诉我，并建议换个写法试试。 6. 清洗。重复发布的岗位分开算，并说明。 7. 排序。先按数据工程师岗位数排，再按它占全部在招岗位的比例排。 8. 输出。一张表：公司、数据工程师岗位数、全部在招岗位数和比例，写上数据日期。 9. 图表。每家公司一条横条，表示数据工程师岗位数，从多到少，旁边写上全部在招岗位数。 10. 局限。说明所有国家的岗位都算在内，标题匹配也会算进高级和负责人岗位以及部分分析工程师，一天的数据不是趋势。
常见问题
跑之前大家常问的。
客户名单从哪来？
来自你的 CRM，或者用上一个"做目标客户名单"的场景生成。公司名要和岗位上写的一致；agent 会在正式跑之前先逐个计数核对。
100 家公司要多少？
每家公司两次计数，大约 200 API Credits。不算全部在招岗位可以减半。
方法和局限
统计了谁、怎么统计的、漏掉了什么。
- 统计范围
- 2026 年 9 月 30 日通过 Metix AI Platform 可见、account-list.json 里十家公司的在招岗位。岗位按标题匹配 "data engineer"。
- 局限
- 所有国家的岗位都算在内。标题匹配会包括高级和负责人岗位，也可能包括标题里带这个词的分析工程师。重复发布不合并。
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
- 20
- 搜索结果
- 18
- 读取记录
- 0
- API Credits
- 18
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 10 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。