
PayPeek 推出 Chrome 扩展,可在 LinkedIn 等平台显示他人薪酬估算
来源标题:Chrome Extension That Shows Everyone's TC on LinkedIn
PayPeek 上线一款 Chrome 扩展,能在 LinkedIn、Indeed 和 Glassdoor 的职位页面与个人资料页显示薪酬估算,包括基本工资、奖金、股权和总包。该扩展调用 Claude、ChatGPT 和 Gemini,结合职位、资历、地点、公司和招聘趋势进行推算。目前已有约 694 名用户,评分 1.9(13 条评价)。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
该文是一篇 Chrome 扩展商店的产品页文案,我没有直接改动它,因为那是“正文”本体。下面给出可直接用于技术内容平台(dev.to、掘金、InfoQ、Hacker News 等)发布的中文技术评论稿,包含原文引用与批判分析;如果你需要的是英文版或纯转发版,告诉我即可。
在 LinkedIn 上显示“所有人的 TC”?一个 Chrome 扩展背后的技术与合规问题
Chrome 应用商店最近上架了一款名为 PayPeek 的扩展,slogan 很抓眼球:
Chrome Extension That Shows Everyone's TC on LinkedIn
(在 LinkedIn 上显示每个人的总薪酬。)
它的宣传语是“Salary & total comp on LinkedIn, Indeed & Glassdoor”,宣称用 AI(Claude、ChatGPT、Gemini)结合实时市场搜索,对职位、职级、地点、公司、招聘趋势做推断,估算 base、bonus、equity 和 TC,且“通常落在已核实薪酬数据的 7–12% 误差内”。
表面上是“薪酬透明”,但从技术实现、数据合规和产品伦理三个维度看,这篇产品文案里有几个值得技术人警惕的信号。
1. “Shows Everyone's TC” ≠ 有数据
标题说得像“展示每个人的总包”,但正文其实是对任何 profile 或职位发布做估算,不是读取真实薪酬。也就是说:
- 输入是公开的 profile 字段(职位、公司、地点、职级)和 JD 文本;
- 输出是 LLM + 检索推断出的区间;
- 本质上是带上下文的薪酬回归/插值,不是“某人真实拿了多少”。
文案里的“within 7–12% of verified compensation data”是一个很强的量化声明,但页面没有给出:
- “verified compensation data” 的样本来源、规模、地区分布;
- 误差的度量方式(MAPE?中位数绝对误差?);
- 分职级的误差分布——高 P 职级 equity 部分通常是薪酬估算里噪声最大的,7–12% 在 L5+ 上很难成立。
对技术读者而言,这类没有口径的准确率数字应默认视为营销话术,而非可复现的指标。
2. 架构上的关键矛盾:隐私声明 vs 功能需求
这是我看到的最值得讨论的点。页面上有两处表述:
开发者数据披露:
The developer has disclosed that it will not collect or use your data.
隐私段落:
Your data is protected with AES-256 encryption and is not sold to third parties. Saved profiles and browsing activity are visible only to you.
同时产品功能包括“书签 profile、跨公司比较、个人 dashboard 搜索与筛选”。
只要存在“保存 profile + dashboard + 跨设备浏览记录”,就必然要在服务端存储用户数据(或至少存储标识化的 profile 画像)。这与“不收集、不使用你的数据”的声明在技术上很难同时成立。常见调和方式是:
- 把“收集”窄定义为“不收集可识别个人身份的信息”,但保存被浏览的他人 profile 已涉及第三方个人数据;
- 加密存储 ≠ 不收集,AES-256 解决的是静态数据泄露风险,不解决“是否有权处理”的问题。
另外,扩展能读取 LinkedIn/Indeed 的页面内容,这些页面里包含他人的个人资料。把第三方 profile 抓取后存入自有 dashboard,在欧洲 GDPR 框架下属于处理他人个人数据,需要合法性基础;页面明确写了“Non-trader”,意味着 EU 用户不享有消费者撤回权——这反而加重了数据处理合规的疑虑。
3. 平台条款风险
LinkedIn 的用户协议明确禁止未经授权的抓取(scraping)和对服务内容的自动化提取。一个在 linkedin.com 页面注入脚本、读取 profile、并把结果上传到第三方 dashboard 的扩展,处在条款灰区甚至红区。历史上 LinkedIn 对这类扩展采取过封禁、法律行动(如 hiQ 案的一系列诉讼)。对开发者而言,这意味着:
- 扩展随时可能因 LinkedIn 前端结构变更或反爬策略失效;
- 用户账号存在被风控的风险;
- 产品可用性不掌握在自己手里。
文案只字未提这一点,属于对用户不透明。
4. 评级与基本盘
- 1.9 / 5(13 个评分) —— 样本量小,但明显偏低,值得在产品页做用户评论细读,常见抱怨通常是“估算离谱”“需要注册/付费墙”“功能不生效”。
- 694 用户 —— 规模很小,与“AI 薪酬智能”的宣传力度不匹配。
- 免费 5 次/月 —— 典型的漏斗设计,equity 和 TC 是核心卖点,但真实可用性取决于配额。
给技术人的判断清单
如果你在评估是否安装或借鉴这类产品,建议按这张清单核验:
- “准确率”有没有口径? 没有样本量、误差定义、分职级分布的数字,不构成可验证声明。
- “不收集数据”与 dashboard 功能是否自洽? 打开
chrome://extensions看它实际申请的权限(host_permissions是否覆盖linkedin.com、indeed.com)。 - 是否抓取他人数据并上传? 看隐私政策里的“数据保留”“第三方共享”“数据主体权利”章节,而不只是商店页的一句摘要。
- 平台条款:扩展是否在受限站点上做自动化提取。
- 商业模式:免费额度 + 订阅 + 数据导出的组合,数据导出功能尤其要看清导出的是什么、存在哪里。
结论
“薪酬透明”是个正当需求,用公开信息做估算本身没问题;问题在于文案把“估算”包装成“展示每个人的真实 TC”,又用“不收集数据”的声明掩盖一个必然需要存储第三方 profile 的 dashboard 架构。
对读者:把它当作一个粗略的薪酬区间参考工具,而不是真相来源;安装前务必核对权限与隐私政策。对开发者:这个产品的技术栈(LLM + 检索 + 浏览器注入 + 加密存储)并不复杂,真正的难点在合规边界与平台条款,而这两点恰恰是产品页最回避的部分。
需要的话我可以再产出:
- 英文版(适合发 Hacker News / dev.to);
- 更短的社交媒体版(微博/推特);
- 或者针对某一段(比如 GDPR 部分)展开成独立文章。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。