Agent 与自动化工作流
Job Hunter:AI 辅助的本地求职投递与岗位匹配工作流
Liooo0/job-hunter · 🎯 AI自动求职投递系统 — Boss直聘/51job/鱼泡 DrissionPage CDP 驱动,JD评分+排除词过滤+封号风控熔断 (Python)
ELI5:它是什么,解决什么问题
Job Hunter 是一个以 Claude Code skill 形式提供的求职工作流:读取简历与求职底线配置,对招聘平台的岗位 JD 进行结构解析,再通过纯 Python 确定性规则引擎做三层资格过滤与五维加权打分(技术 30% / 方向 30% / 经验 15% / 文化 15% / 地点 10%),达标的岗位由 DrissionPage 驱动本地浏览器完成拟真慢速投递,跳过与失败原因按 9 阶段、23 种枚举写入本地 SQLite 以便复盘。评分与过滤不调用 LLM(0 token),LLM 仅用于可选的 HR 消息草拟。当前支持 Boss 直聘、猎聘、前程无忧 51job,鱼泡直聘尚未接入。
核心能力与快速开始
★ 0 · Python
- 能做什么
- 1) JD 解析:从平台页面结构化解出岗位与关键词,评估依据可解释;2) 资格层三层过滤:关键词打分 → 智能/薪资过滤 → 标题党与公司背调检测;3) 五维加权打分报告:技术 30% / 职业方向 30% / 经验 15% / 文化 15% / 地点 10%,输出总分、结论分档(≥75 强烈推荐 / 60-74 可以投 / 45-59 斟酌 / <45 跳过)及命中、缺口、风险解释;4) 拟真慢投递:DrissionPage 驱动本地浏览器,带 kill switch 急停、跨进程日/小时双熔断、夜间禁投(默认 23:00-08:00)、公司去重;5) 投递验证状态机:区分 APPLIED / UNCERTAIN(需人工复核)/ FAILED;6) 失败追踪:9 个阶段 × 23 种失败原因枚举入库,支持多版简历对比实验;7) 数据落库与复盘:全部记录写入本地 SQLite,配合 jobintel-dashboard 只读可视化;8) 打分引擎零三方依赖,可独立命令行运行并支持 --json 与 --desc-file。
- 适用场景
- 求职者按自身简历、期望岗位、排除词与薪资底线,对 Boss 直聘、猎聘、前程无忧 51job 上的岗位批量评分排序,只对达标岗位发起低频、贴近人工的投递,并在事后按维度复盘哪类岗位值得投、失败原因分布如何。也可仅使用零依赖的 match_engine.py 在本地离线对单个 JD 打分,或运行回归集与单元测试验证筛选规则。
- 项目形态
- 可直接使用的工具
- 部署方式
- 本地运行。评分引擎为纯 Python 3 标准库,零三方依赖;自动投递需安装 DrissionPage 与 httpx,并以调试端口(脚本用 9223)和指定 user-data-dir 启动 Chrome 后人工登录目标平台。作为 Claude Code skill 使用时克隆到 ~/.claude/skills/job-hunter。config.json 缺失时使用内置兜底配置。
- 主要依赖
- Python 3.10+;自动投递需 DrissionPage、httpx,以及可启动调试端口的 Chrome;各平台需人工登录(51job 还需完善在线简历)。
- 使用限制
- 鱼泡直聘尚未接入,仅有 archive 下的 V1 遗留脚本;平台风控会导致投递失败甚至账号级风险,遇到风控页应立即停止而非重试上量;城市覆盖受各平台城市码表限制(2026-09-20 实查三平台均无中山,Boss/猎聘无惠州);51job 校招岗自动跳过、首屏懒加载偶发首次点击失败;猎聘选择器与页面结构可能随平台改版变化;README 中自述的投递量(6100+ 投递、2700+ 公司)为本机 SQLite 统计,仓库不含个人投递数据,未做独立验证;需遵守目标平台用户协议与当地法规。
- 许可证
- MIT
- 最近推送
- 2026-09-24 15:13
资料检查:2026-09-25 07:00 · 卡片整理:2026-09-25 07:00
卡片由 AI 根据仓库资料整理,未进行安装或运行验证 · 本次更新未完成,保留上次成功内容
职业应用
HR
HR 可用该工作流对招聘平台岗位 JD 做结构解析与五维加权打分(技术30%/方向30%/经验15%/文化15%/地点10%),并按关键词、薪资、标题党与公司背调做三层资格过滤,辅助岗位匹配与筛选判断;投递与失败原因按 9 阶段、23 种枚举写入本地 SQLite 便于复盘。
查看内容依据
读取简历与求职底线配置,对招聘平台的岗位 JD 进行结构解析,再通过纯 Python 确定性规则引擎做三层资格过滤与五维加权打分(技术 30% / 方向 30% / 经验 15% / 文化 15% / 地点 10%)
由 AI 根据来源材料整理,未进行安装或运行验证
讨论 0
登录后参与讨论,阅读资讯无需注册。
还没有评论,来分享第一个看法。