市面上的校招分析，多数基于问卷调研：问几千名应届生"你觉得难不难"，问几千家企业"你招不招人"。这类数据能反映感受，但反映不了结构——没有人能凭感觉说出"9 月第二周到底放出了多少岗位"。
这份报告换了一个取数方向：不去问人，去数岗位。校招宝在过去数月持续采集全国企业校招官网、央国企招聘平台、事业单位公告、高校就业网、ATS 招聘系统等 126 个数据源的公开招聘信息，形成了一份可回溯的岗位底表。截至 2026 年 11 月 3 日，有效在库岗位 535,425 条，覆盖 95,417 家用人单位、40 个行业门类。
因此本报告的每一个数字，都可以回到一条具体的岗位记录：它有公司名、有职位名、有城市、有发布日、有截止日、有原始公告链接。这是它和"行业洞察"之间最大的区别——它可以被核查。
如果只读一页，读这一页。以下六条是本报告全部数据推出来的结论，每条后面都标了它在第几章展开。
岗位发布在 9 月第二周达到年内峰值（单日 13,053 条），10 月国庆后出现第二个小高峰（10 月 8 日 10,314 条），11 月前三天日均仅 1,222 条、不足 10 月日均的三分之一。而网申截止日却有 57,448 条堆在 11 月、46,512 条堆在 12 月。发布高峰在前、截止墙在后，中间这 6～8 周就是全部机会窗口。
头部企业普遍采用滚动招聘、招满即止。这意味着岗位公告上写的截止日是一个上限，不是承诺。校招宝观察到大量岗位在截止日前即停止接收简历。以截止日为准做投递计划，是最常见也最致命的判断错误。
按岗位条数，新一线城市占 38.7%，一线四城占 29.7%。这个结构与第三方机构按招聘人数统计的 36.83% / 29.54% 几乎重合——两条完全独立的数据路径得出了同一个结论：岗位的地理重心已经下沉。
新加坡 6,373 条、马来西亚 6,189 条、澳大利亚 3,682 条、菲律宾 3,353 条、印度尼西亚 3,270 条、中国香港 2,276 条。企业出海带来的应届生岗位，规模已经超过任何一个单一二线城市。但绝大多数求职者的择城清单里，根本没有这一栏。
行业分布第一位是制造业（62,292 条，11.6%），高于"信息传输、软件和信息技术服务业"（18,779 条）与"互联网"（10,258 条）之和。单个企业放出岗位最多的也不是大厂，而是奇瑞（3,018 条）、中国人保（2,087 条）、欣旺达（1,998 条）这类制造业与金融保险企业。"校招＝互联网"是一个正在失效的认知。
在架岗位中明确标注"有笔试"的仅 4,607 条，标注"仅测评"1,414 条，超过六成标注"未明确"。信息缺失本身就是一道门槛：央国企、银行、烟草、电网、运营商等体系化招聘中，笔试是硬性淘汰环节，但它的题型、时间、科目分散在几十个互不相通的官网里。谁先把这些碎片拼成一张图，谁就掌握了投递节奏的主动权。
先把总量说清楚，再说结构。这一章只用公开权威数据，目的是给后面的自有数据一个参照系——如果自有数据和外部数据能对上，那后面的独家发现才值得信。
教育部数据显示，2026 届全国普通高校毕业生规模预计达 1,270 万人，同比增加 48 万人，连续五年突破千万关口。2027 届官方数字尚未发布，但各方预测普遍指向"仍维持千万级、小幅上行"。
比总量更值得注意的，是总量之外的三股分流：
| 分流方向 | 规模信号 | 对校招市场的影响 |
|---|---|---|
| 慢就业 / 缓就业 | 2026 届 10.3% 预测 2027 届或达 15% | 表面缓解当期竞争，实际把压力推迟到下一届，形成"复读式求职" |
| 考公考编 | 2027 国考招录 35,691 人 同比减少 2,428 人 | 招录规模收缩，但报考热度未降，落榜人群回流校招 |
| 考研 | 热度较峰值缓解 | 部分原计划考研者提前进入秋招，抬高本科段竞争强度 |
这三股分流有一个共同后果：校招的"有效竞争者"并不等于"毕业生人数"，而且这个换算关系每年都在变。用"1,270 万人抢多少个岗位"来吓唬人，既不准确，也没有指导意义。
岗位侧的变化不是"变少"，而是"变窄"。几个可交叉验证的信号：
做行业分析绕不开市场规模，但这件事上公开数据的差异大得离谱，值得单独说明——因为引用一个数字之前，得先知道它在数什么。
| 数据来源与口径 | 2026 年规模 | 统计边界 |
|---|---|---|
| 灼识咨询：中国在线招聘市场 | 约 2,507 亿元 | 含平台收入 + 招聘服务全链条，占整体招聘市场 52.6% |
| 另一口径：B 端付费测算 | 约 1,704 亿元 | 仅按企业付费招聘支出测算，CAGR 19% |
| 艾瑞/易观：平台确认收入 | 约 1,286 亿元 | 仅计入平台自身确认的营业收入，同比 +11.3% |
| BOSS 直聘（单家企业，可核） | 205–210 亿元 | 上市公司财报口径，2026 全年预计 |
四个口径差了近一倍，原因不是有人算错，而是"招聘市场总收入"和"在线招聘平台确认收入"本来就是两件事：前者包含企业自建招聘、线下猎头、RPO、校园宣讲等全链条支出；后者只算平台开票收入。跨口径比较会得出完全错误的竞争格局判断。
本报告在后文的商业测算中，一律采用最保守的"平台确认收入"口径（约 1,286 亿元），因为只有这个口径下的钱，才是可以被平台类产品实际触达的钱。
2026 年春招，AI 面试受邀率已达 70.4%，超过 34% 的 500 人以上企业部署了 AI 面试。到 2027 届，招商银行、平安银行等已将 AI 面试设为简历筛选后的强制初筛环节，初面筛选周期从 1–2 周压缩到 2–3 天。
同时，应届生一侧的 AI 使用率也已过半：2026 届毕业生中 65.9% 在求职过程中使用过 AI 工具。供需两端同时 AI 化，结果是简历的"格式优势"被彻底抹平——当每个人都能用 AI 把简历写得工整漂亮时，能拉开差距的就只剩三件事：投得准、投得早、笔试过得了。这三件事恰好都依赖信息，而不是文笔。
| 维度 | 2026 届（上一届） | 2027 届（本届） |
|---|---|---|
| 毕业生规模 | 1,270 万（官方） | 千万级，官方数字待发布 |
| 校招节奏 | 秋招正式批集中 9–11 月 | 提前批前置至 7 月，全年滚动、多次投递 |
| 筛选方式 | 简历 + 笔试 + 人工初面 | AI 面试成为强制初筛，初面周期压缩至 2–3 天 |
| 岗位结构 | 互联网仍为主要吸纳方 | AI/芯片/硬科技集中释放，制造业智能化替代加速 |
这一章是整份报告最有价值的部分，因为它讲的是绝大多数人看不到的东西：岗位不是均匀出现的，它像潮水一样有涨落，而错过一次涨潮，要等半年。
把校招宝在库岗位按公告发布日期逐月汇总，得到下面这条曲线。这是本报告的核心图。
曲线形状非常干净，三个特征值得逐一说：
这不是"金九银十"的修辞，而是一个可以被数出来的事实——全年约四成的校招岗位，在 30 天内放完。它的量级可以用三个倍数理解：是次高峰 10 月（120,418 条）的 1.5 倍，是 8 月（80,781 条）的 2.3 倍，是春招高峰 3 月（22,686 条）的 8.2 倍。
春招的绝对量只有秋招的 1/8，但它承担了两个功能：一是秋招未招满的补录，二是下一届的暑期实习与提前批。对秋招失手的人来说，3 月是第二次机会，但机会的密度只有 9 月的八分之一。
1 月 2,490 条、2 月 3,257 条，是全年最低点——春节前后企业招聘几乎停摆。6–7 月（11,585 / 15,610 条）则是暑期实习与提前批的过渡期。
把 9 月之后的实时数据展开到"日"，能看到更锋利的东西。
这张图里藏着三个可以直接改变投递策略的信息。
第一，发布量有明确的"工作日节律"。8 月 15 日以来，工作日的日均发布量约 5,901 条，周末仅 1,489 条，相差约 4 倍。周末并非零发布，而是降到工作日四分之一的水平。
第二，峰值日不是随机的，它跟"周"绑定。9 月 8 日（周二）、9 月 16 日（周三）、10 月 8 日（周四）都是工作日的中段。企业发布校招公告的习惯是周初准备、周中发布，因此周二到周四是信息更新的高频日。
第三，10 月之后是一条持续下滑的斜坡，不是断崖。从 10 月 8 日的 10,314 条降到 10 月 30 日的 4,667 条，用了三周。这意味着 10 月中下旬仍有大量优质岗位在释放，只是密度在下降。很多人在国庆前就"感觉秋招结束了"，而数据显示真正的收尾要到 11 月中旬。
如果说发布曲线是"进水口"，那截止日分布就是"出水口"。两者错位的地方，就是求职者的机会窗口。
这张图的形状和图 2-1 正好互补：
| 时间 | 市场状态 | 该做什么 | 错过代价 |
|---|---|---|---|
| 7 月 – 8 月中 | 提前批，岗位少但竞争小 | 投技术类提前批、锁定 1–2 家目标企业 | 失去低竞争窗口，被迫进 9 月红海 |
| 8 月下 – 9 月 | 全年峰值，每日 6,000+ 条 | 每日刷新岗位库，按截止日倒排投递计划 | 错过 34.7% 的全年岗位 |
| 10 月 | 峰值回落但仍高位 | 补投、跟进已投递企业、准备笔试 | 丢掉最后一批优质补录 |
| 11 月 | 发布量降至 1/4，截止墙集中 | 查漏：所有"即将截止"岗位集中处理 | 四成岗位在年底前彻底关闭 |
| 12 月 – 次年 2 月 | 谷底，仅剩补录与国企批次 | 转春招准备，补笔试能力 | 空窗期无产出 |
| 次年 3 月 | 春招次高峰（秋招的 1/8） | 主攻补录、地方国企、事业单位 | 最后一次大规模机会 |
"去大城市还是回家乡"是每一届应届生都要回答的问题。过去十年的标准答案是"能去一线就去一线"。数据说，这个答案正在过期。
把 53.5 万条在架岗位按城市归属分层（一线 = 北京、上海、深圳、广州；新一线 = 成都、杭州、重庆、西安、苏州、武汉、南京、天津、长沙、东莞、佛山、宁波、青岛、沈阳、合肥、昆明等），得到下面的结构：
新一线以 38.7% 领先一线 29.7% 约 9 个百分点。这不是一个营销口径，而是一个可以用岗位逐条验证的分布。
交叉验证成立，不代表两个口径可以混用。它们描述的其实是两件不同的事，而且差异恰好指向一个被忽视的问题：
| 口径 | 在数什么 | 它回答的问题 | 偏差方向 |
|---|---|---|---|
| 岗位条数（本报告） | 企业放出了多少个招聘职位 | "机会出现在哪里" | 被"一个岗位招 1 人"的精细化招聘放大 |
| 招聘人数（第三方） | 实际吸纳多少毕业生 | "人被招到哪里去了" | 被"一个岗位招 300 人"的大规模招聘放大 |
把两组数字放在一起，能得到一个方法论层面的结论：一线城市的岗位条数占比（29.7%）与吸纳人数占比（29.54%）几乎完全一致，相差 0.16 个百分点；新一线为 38.7% 对 36.83%，相差约 1.9 个百分点。两组比值都贴近 1.0，说明在总量层面，"用岗位条数近似机会分布"是安全的——这为后文所有基于条数的结构分析提供了依据。
但口径可以互补，不等于可以混用。两者的差别在"单个岗位的平均招聘量"上：岗位条数占比高于人数占比，意味着该区域的岗位更分散、单岗招人更少；反之则意味着单岗规模更大。
对求职者的直接含义：同样的岗位名称，在一线和新一线可能是两种完全不同的工作形态。一个"工程师"在北京可能是三人小团队里的全栈，在合肥可能是两千人厂区里的一个工序负责人。
几个值得注意的位置：
这是本报告认为最被低估的一个发现。在 53.5 万条岗位中，有 27,299 条（5.1%）的工作地点在境外。
把数字换成对比会更清楚：
为什么这件事重要？因为它是一块"信息真空"：
"校招就是进大厂"——这句话在 2027 届已经只对了一半。这一章拆开岗位的行业、企业性质和职能构成，看看到底是谁在放出最多的岗位。
制造业以 62,292 条位居第一，是第二名"教育"（20,997 条）的三倍，也高于"信息传输、软件和信息技术服务业"（18,779 条）与"互联网"（10,258 条）之和。
这个结果和行业叙事之间存在明显张力：公开报道说"制造业校招需求较 2022 年峰值收缩约四成"，而岗位数据显示制造业仍是第一供给方。两者都对，只是说的不是一件事。
民企 49.0%、央国企 15.6%、事业单位/科研/高校 4.2%、外资合资 0.5%。
这里的重点是央国企。15.6% 的岗位占比看起来不高，但结合两个外部事实，它的分量完全不同：
也就是说，央国企岗位只占 15.6%，却承接了最密集的投递。这是典型的高竞争密度区，而它的准入方式（网申—笔试—面试—体检—政审）恰恰是全场最不透明的。
| # | 企业 | 在架岗位（条） | 类型 |
|---|---|---|---|
| 1 | 奇瑞 | 3,018 | 汽车制造 |
| 2 | 字节跳动 | 2,557 | 互联网 |
| 3 | 中国人保 | 2,087 | 金融保险 |
| 4 | 中国人寿-广发银行 | 2,036 | 金融 |
| 5 | 欣旺达 | 1,998 | 电池制造 |
| 6 | 中国兵器 | 1,938 | 军工 |
| 7 | 吉利控股集团 | 1,904 | 汽车制造 |
| 8 | 博世中国 | 1,465 | 外资制造 |
| 9 | 恒瑞医药 | 1,386 | 医药 |
| 10 | 中核光电 | 1,285 | 能源 |
数据来源：校招宝岗位库，按企业主体统计在架岗位条数，已做母子公司归并。统计口径为"该主体独立发布的岗位条目数"，与其招聘总人数无关。
前三名里有两个是制造业（奇瑞、欣旺达），两个是金融保险（人保、国寿-广发）。这是"制造业网状发布"的又一个证据：奇瑞以 3,018 条超过字节跳动的 2,557 条，不是因为奇瑞招的人更多，而是因为它的岗位分散在更多子公司、更多厂区、更多职能条线上。
对求职者的含义很实际：如果你只用"公司名"来筛机会，你会漏掉大量岗位——一家集团下的不同子公司可能同期开放完全不同的岗位，而它们共享同一个你熟悉的品牌名。
本科 262,677 条（49.1%）、硕士 74,813 条（14.0%）、大专 57,971 条（10.8%）、博士 13,493 条（2.5%）、不限 9,168 条。
两个容易被忽略的细节：
"工程师"出现在 125,144 条岗位名称中（23.4%）——接近每四个校招岗位就有一个名字里带"工程师"。其后是"技术"（6.7%）、"管培"（5.5%）、"实习"（5.1%）、"设计"（4.8%）。
而"算法"只出现在 13,639 条（2.5%）里。"销售"17,857 条（3.3%），"运营"17,405 条（3.3%）。
数据质量本身就是市场信息。本报告统计了三个关键字段的缺失率：
| 字段 | 缺失/未明示 | 占比 | 对求职者的实际后果 |
|---|---|---|---|
| 网申截止日 | 223,925 | 41.8% | 无法规划投递顺序，容易在"以为还早"时错过 |
| 薪资范围 | 306,294 | 57.2% | 无法横向比较，议价能力被削弱 |
| 学历要求 | 115,145 | 21.5% | 要么白投（超门槛被刷），要么误弃（以为不够格） |
| 笔试安排 | 超过 60% | — | 无法提前准备，笔试通知往往只提前 3–7 天 |
这不是某一家企业的问题，而是整个校招信息生态的特征：招聘方掌握全部信息，求职方只能通过一份格式各异的公告去猜。下一章会讲，这种不对称在"笔试"这个环节上表现得最极端。
简历可以改，面试可以练，但笔试只有一次机会，且它的题型、时间、科目在投递之前几乎无法预知。
在 53.5 万条在架岗位中：
明确告诉你"要笔试"的岗位不到 1%。但在央国企、银行、烟草、电网、运营商、军工这些体系化招聘中，笔试是硬性淘汰环节——它只是没有被写进招聘公告的岗位列表里。
这种"信息不在岗位上、而在公告里"的结构，造成了一个荒谬的结果：你可以在完全不知道要考什么的情况下投出一份简历，然后在收到笔试通知的三天后坐进考场。
校招宝在整理央国企笔试信息时发现，这些考试并不共享一套大纲：
| 体系 | 常见科目构成 | 特点 |
|---|---|---|
| 国家电网 / 南方电网 | 综合能力 + 专业知识（电工类、计算机类、财会类等分卷） | 专业分卷极细，科目选择错误等于白考 |
| 中国烟草 | 行测 + 申论 + 专业（部分省份） | 各省独立命题，同名考试内容差异大 |
| 三大运营商 | 行测 + 性格测评 + 专业 | 测评常为"通过/不通过"卡口，不计分 |
| 国有银行 | EPI + 综合知识 + 英语 + 性格测评 | 题量大、时间紧，速度本身是考察项 |
| 军工 / 能源央企 | 专业笔试 + 政治素养 | 专业深度远超公务员类考试 |
说明：上表为对公开公告与岗位信息的归纳，各年度、各子公司可能调整，具体以当年官方公告为准。
这意味着"刷公务员行测题"这个通用策略，在电网、军工、烟草的专业卷面前基本失效。笔试备考的本质不是"刷题量"，而是"预判题型"——而预判的前提是知道这家企业往年考什么。
校招宝题库目前收录 316,633 道题，覆盖 1,021 个题库、33 个规范岗位方向。这组数字放在整个内容生态里看，暴露的是另一个问题：
2027 届秋招，招商银行、平安银行等已将 AI 面试设为简历筛选后的强制初筛环节，AI 一天完成的面试场次远超人工，初面筛选从 1–2 周压缩到 2–3 天。
这个变化对求职者有两个直接影响：
把第五章的三件事串起来，2027 届的门槛结构其实是这样：
| 闸门 | 淘汰机制 | 主要失败原因 | 可准备性 |
|---|---|---|---|
| ① 信息触达 | 岗位发布后 1–3 周内招满即止 | 根本没看到这个岗位 | 高（靠持续监测） |
| ② 简历机筛 | 关键词匹配 + 硬性条件过滤 | 专业/学历/关键词不匹配 | 高（靠针对性改写） |
| ③ 笔试 / 测评 | 统一分数线，一次机会 | 题型未知、准备方向错误 | 中（靠题库与信息） |
| ④ AI / 人工面试 | 结构化评分 | 表达结构松散、无量化成果 | 中（靠模拟训练） |
前面五章讲了时间、空间、结构、门槛。把它们叠在一起，得到的是一个不太舒服的结论：2027 届校招的主要矛盾，已经从"能力不足"转向"信息错位"。
9 月放出全年 34.7% 的岗位，而多数求职者的"秋招启动"发生在 9 月下旬——此时峰值已过。更麻烦的是，公告上的截止日普遍在 11–12 月，制造出"还有两个月"的错觉，而实际岗位可能两周内就招满了。
一线城市占 28.6% 的岗位，却承接了远超这个比例的关注度。与此同时，海外岗位占 5.1%（2.7 万条）几乎无人问津，非省会制造业城市（东莞、佛山、宁波）的岗位密度被严重低估。
一家集团下几十个子公司同期开放不同岗位，共享同一个品牌名。只盯"大厂名单"的求职者，会系统性漏掉那些"在非著名公司里但完全匹配"的机会。
41.8% 的岗位不说截止日，57.2% 不说薪资，21.5% 不说学历门槛，超过 60% 不说笔试安排。求职者不是"不努力"，而是在一份信息残缺的地图上做决策。
校招宝过去一年做的事情，可以概括成一句话：把散落在 126 个数据源里的岗位公告，整理成一张可查询、可回溯、可对比的表。
具体来说，是把上面四个断面逐一填平：
| 断面 | 对应的能力 | 具体形态 |
|---|---|---|
| 时间错位 | 发布日 + 截止日双字段追踪，按日更新 | 每日新增岗位榜、即将截止榜（当前 18,375 条即将截止） |
| 空间错位 | 城市 / 海外地点归一化，支持按地区筛选 | 城市筛选、海外专区、按城市查看岗位密度 |
| 结构错位 | 母子公司归并 + 企业档案 | 企业档案覆盖 99,933 家，含简介、官网、校招入口 |
| 门槛错位 | 笔试/测评字段 + 分体系题库 | 38 家企业笔试专题、31.6 万道题库、33 个岗位方向攻略 |
这些能力之所以难复制，不在于技术，而在于三个无法速成的东西：
为了让读者理解"归一化"这件事的难度，这里举一个真实案例。
南方电网的校招系统使用一套前端路由式的招聘页面，岗位列表页与岗位详情页的 URL 形如 #/post-list-detail?postId=xxxx。当我们把这些页面作为"投递入口"收录时，遇到了三个问题：
- -。也就是说，这个链接对求职者来说是一个"空页面"。最终的处置是：把 121 条"列表页/登录页"入口中的 109 条改指向对应主体的当年度公告，并把这个判据写进入库规则——后续所有南方电网来源的岗位，在入库时自动归一为公告入口，不再需要人工修。
第一，把"截止日"往前推两周，把"发布日"当成真正的发令枪。9 月第二周是全年峰值，10 月中下旬仍有大量优质岗位，11 月是最后一批。用"我什么时候开始准备"来规划，不如用"岗位什么时候关闭"来倒排。
第二，把择城清单从三个选项扩到五个。除了"一线 / 新一线 / 家乡"，加上"制造业集群地级市"（东莞、佛山、宁波、苏州）和"海外派驻"。这两块是当前信息覆盖最弱、竞争密度最低的区域。
第三，用"岗位"而不是"公司"作为检索单位。同一集团的不同子公司、不同厂区、不同职能条线，可能在同一周开放完全不同的岗位。只记住十个大厂名字，等于把 9.5 万家企业里的绝大多数排除在外。
第一，把就业指导的时间点前移到 7 月。提前批在 7 月启动、9 月见顶，而多数高校的秋招动员发生在 9 月中下旬——学生入场时，峰值已过。
第二，把"笔试能力"纳入就业指导课程。这是当前最薄弱、也最可训练的一环。央国企体系的笔试分卷极细，靠通用行测训练无法覆盖。
第三，建立本校岗位流向的可视化台账。不是统计"就业率"，而是统计"我们的学生去了哪些企业、哪些岗位、哪些城市"。这类数据一旦积累三年，就是最有说服力的招生与培养依据。
第一，公告里补齐四个字段的边际收益极高。截止日、薪资范围、学历门槛、笔试安排——这四项在当前市场的缺失率分别是 41.8%、57.2%、21.5%、60%+。补齐它们不需要增加预算，只需要在发布流程里加四个必填项。
第二，注意"岗位条数"与"候选人质量"的关系。制造业企业普遍采用网状发布（一个集团上百个主体各发公告），这在数量上占优，但在候选人侧会造成"这家公司到底在招什么"的认知混乱。适度合并发布、统一雇主品牌表述，能显著提升投递转化。
第三，如果岗位在境外，请在标题里写清楚。海外岗位的信息触达率远低于国内同类岗位。在岗位名称中直接标注国家/地区（如"（新加坡）"），是成本最低的提升方式。
| 项目 | 说明 |
|---|---|
| 数据主体 | 校招宝岗位库（xiaozhaobao.com.cn），截至 2026-11-03 |
| 研究库总量 | 716,335 条（含已截止 108,038、已判重 61,027、已下架 5,999 等历史记录） |
| 本次分析样本 | 535,425 条（status=active 且未锁定） |
| 线上对外展示 | 435,177 条（与样本的差额来自待审队列、低质过滤与地域可见性策略） |
| 覆盖企业 | 95,417 家（按企业主体去重） |
| 数据源 | 126 个（企业校招官网、央国企招聘平台、事业单位公告、高校就业网、ATS 招聘系统、聚合渠道等） |
| 字段维度 | 企业、职位、城市、学历、行业、企业性质、批次、发布日、截止日、投递入口、薪资、笔试信息等 40+ 字段 |
本报告所有派生指标均可通过公开页面复核：
如需核对某一具体数字的口径，可通过报告末尾的联系方式提出，我们提供对应的筛选条件说明。
校招宝（xiaozhaobao.com.cn）是一个面向应届生的校园招聘信息聚合与求职工具站，不做简历买卖，不做岗位代投。核心能力有四块：
| 模块 | 当前规模 |
|---|---|
| 岗位库 | 对外展示 43.5 万条（研究库在架 53.5 万条），覆盖 9.5 万家企业、40 个行业，每日增量约 2.3 万条 |
| 企业档案 | 99,933 家企业，含简介、官网、校招入口、母公司归并 |
| 笔试与题库 | 38 家企业笔试专题，316,633 道题，1,021 个题库，33 个岗位方向 |
| 岗位攻略 | 33 个规范岗位 × 6 个维度（概览/笔试/面试/常见问题/薪资/说明书），另有 479 篇校招资讯 |
之所以采用这个几乎是"无条件开放"的授权，原因写在下一节。
数据类内容有一个和普通文章不同的性质：它的价值随引用次数上升，而不是下降。
一篇观点文章被转载十次，第十一次就没人看了。但一份数据报告被引用一百次，它的第一百零一次引用反而更有价值——因为"大家都引这个数"本身构成了标准。这是我们选择免费开放的全部理由，不需要更复杂的解释。
当然也有私心：每一个引用这个数据的地方，都会写下校招宝的名字。这对我们来说，比卖出一百份报告划算得多。
| 版本 | 日期 | 变更 |
|---|---|---|
| V1.0 | 2026-11-03 | 首次发布，数据截止 2026-11-03 |
| 后续计划：2027 年 1 月发布 V1.1（补入 12 月截止潮与春招前置数据）；2027 年 3 月发布 V2.0（春招专题 + 全年同比） | ||