我一夜之间分析了3000条开发者职位发布（以下是我的发现）

Source: Dev.to

Overview

在 gig 经济中挖掘产品机会，使用 Claude Code、Playwright 和 ChatGPT Pro。

一切始于一个简单的问题：人们现在到底在付钱让开发者构建什么？
不是 Twitter 的炒作。不是 VC 的叙事。是真实的工作、真实的预算、真实的痛点——这些都是你可以在一个周末的 vibe‑coding 中实现产品化或解决的东西。

于是我通宵翻阅了来自主要 gig 平台的 3,000 条职位发布。接下来发生了什么。

手动浏览（以及挫败感）之始

我花了大约 30 分钟手动浏览招聘信息。关键词包括 python automation、ai chatbot、telegram bot、n8n、zapier integration、shopify app、chrome extension…

出现了大量有趣的内容。但问题在于：我看到一个很酷的东西，滑过去后，五分钟后就记不起它是什么，也找不到它了。没有系统。没有比较的方式。只有零散的印象，始终无法形成完整的全局视图。

一定有更好的办法。

进入 Claude Code：30 分钟实现自动化

我启动了 Claude Code，描述了我的需求，30 分钟后我就拥有了一个完整运行的数据收集系统：

• Playwright 用于浏览器自动化（无头模式，stealth 设置）
• undetected‑chromedriver 作为处理更棘手站点的备选方案
• SQLite 用于存储
• 48 个覆盖开发类别的关键词
• $500+ 预算过滤（仅限严肃客户）
• 去重、分页、错误恢复、自动续跑

系统在运行过程中屡次碰壁（这些平台对自动化敌意十足），于是我改为无头模式并让它通宵运行。

醒来时，数据库中已有约 3,000 条职位记录。对零看护来说，表现相当不错。

让人恼火的部分：这些平台已经是恐龙了

让我发发牢骚。

这些零工平台 停留在 2008 年。

• 没有公共 API。
• 没有 RSS 订阅。
• 没有 webhook。

想要结构化数据？你的选择只有：

1. 支付 $500+/月，获取“企业 API”访问（笑）。
2. 像原始人一样自动化浏览器交互。
3. 放弃。

我选择了选项 2。这些平台 真的不想让你收集数据：

• 到处都是 Cloudflare 挑战。
• 激进的指纹识别。
• 基础搜索都要登录墙。
• 无限滚动导致分页失效。
• 大约 20 次请求后就会限速。

说实话？ 如果我有几天空闲时间，我完全可以推出一个开放的、API‑优先的替代方案。没有检测的麻烦。干净的 JSON 端点。让数据自由流动。这些老牌平台正等着被颠覆。

分析：ChatGPT Pro 的强大到离谱

在收集数据后，我需要分析大约 3,000 条招聘信息：对它们进行标签、打分、找出模式。

原计划： 使用 OpenAI API 批处理。
问题： 即使是 Claude Code Max 和 ChatGPT Pro 订阅者，我仍然得在仪表盘里翻找、复制密钥、配置 .env 文件……而且出于“安全原因”，CLI 工具拒绝提供帮助。这是整个 vibe‑coding 工作流中唯一的摩擦点。

再加上费用不划算。每条工作 0.01‑0.03 美元，最低也要 30‑90 美元——而且可靠的分析可能更贵。周末的好奇项目？直接放弃。

于是我尝试了 ChatGPT Atlas——OpenAI 的新型代理浏览器。浏览器本身还挺酷——比 Chrome 在 ChatGPT 上快得多（不知道为什么，普通 Chrome 有时在 chat.openai.com 上卡顿，而 Atlas 却流畅得像奶油）。

但 Atlas 的 代理模式？简直是垃圾。它一直在套用通用模板，而不是实际思考。每个回复都像是模板化的内容，根本不适合正式工作。

随后我把 SQLite 文件直接上传到 ChatGPT Pro（普通聊天模式，不是 Atlas 代理模式），并让它：

• 过滤掉不相关的职位和可疑的雇主（约 3,000 → 2,000 条合法开发岗位）。
• 为每个职位打标签：类别、难度（1‑5）、SaaS 潜力（1‑5）、市场信号。
• 为每个职位撰写 300‑800 字的分析。
• 生成统计数据和排行榜。
• 将所有结果写回数据库。

2 小时后： 完成。2,000 条职位全部分析完毕，生成了 2,000 多页深度分析（每页约 500 字符）。数据库已更新。全部费用为 $0——因为我已经在付 Pro 费用。

这才是真正的解锁点。对于大批量离线分析，带文件上传功能的 ChatGPT Pro 完全颠覆了 API 定价模式。

我发现的：数据

类别细分

市场温度

AI 正在火热。 大多数“炙手可热”的信号集中在 AI 相关工作上。

难度分布

48% 的工作难度为 1‑2。 对任何具备基础开发技能的人来说都是轻松的选择。

技术栈需求

初步洞察

• AI + 自动化是最佳组合。 需求高，预算大（$5k‑15k），且大多数具有明确的产品化潜力。
• n8n 和 Zapier 随处可见。 低代码自动化不是潮流，而是基础。如果你不熟悉它们，就会错失收入。
• Shopify 生态系统悄然盈利丰厚。 许多商家需要可以在周末完成的定制应用、机器人或集成。

要点

平台工作市场是短期、预算充足的开发工作金矿。通过一点自动化（Claude Code + Playwright）和廉价的大规模分析（ChatGPT Pro 文件上传），你可以比仍在手动滚动的任何人更快发现高价值机会。

120+ 个职位，平均 SaaS 潜力 3.8/5。
主题、应用、集成——等待实现的经常性收入。

• “容易”的工作仍然报酬丰厚。 大量难度为 2 的任务，报酬在 800‑2000 美元之间。技能套利是真实存在的。
• 机器人开发稳定但已商品化。 适合获得持续收入，而非积累财富。

接下来

这篇文章只是概览。我手头还有 2,000 条已分析的招聘信息，包含详细拆解。即将推出：

• 产品化机会 – 那些急需转型为 SaaS 的岗位。
• 氛围编码目标 – 单人开发者可以在周末完成的问题。
• 快速获利 – 低难度、高报酬的短期项目，帮助快速赚钱。
• 技术深度探索 – n8n、Shopify、GoHighLevel 生态系统。
• 单个岗位拆解 – 技术实现方案 + 真实定价。

数据管道已在后台每日运行，持续收集最新招聘信息。随着模式显现，我会每周发布更新。

需要原始数据或想要定制分析？ 请联系我——很乐意交流。