工作流
tjromack/open311-pipeline · Streaming civic-data pipeline: Chicago 311 → Kafka → Claude urgency classification (Langfuse-traced) → DuckDB or Snowflake via idempotent MERGE → dbt SLA marts. Runs with no accounts: make demo-local.
该项目是一个可复用的「流 → 分类 → 数据仓库 → 建模」市民数据流水线模板：轮询 Open311（芝加哥 311）请求，写入按 service_request_id 分键的 Kafka，用 Claude Haiku 4.5 对请求做结构化输出的紧迫度分级（每次调用在 Langfuse 中留有 trace），失败进入死信队列，再通过幂等 MERGE 写入 DuckDB（默认）或 Snowflake，最后由 dbt 构建部门 SLA 合规度数据模型。项目提供无需账号、无需 API key 的本地演示（make demo-local / make demo-local-nokafka），演示回放 300 条真实芝加哥 311 请求及其由 Claude Haiku 4.5 标注的标签；另有一条路径可从城市数据门户加载整个财年（约 212 万行）并测量整体队列的 SLA 合规度。仓库含 61 个 pytest 测试与 45 个 dbt 数据测试，覆盖 schema 漂移、DLQ、MERGE 幂等性等失效模式。README 明确指出其 SLA 阈值为项目自设而非芝加哥官方标准。
展开详情收起详情：open311-pipeline：芝加哥 311 市民服务请求的流式 LLM 紧迫度分类与数据仓库流水线⌄
程序员作为可复用的「流 → 分类 → 数据仓库 → 建模」流水线模板，供数据/分析工程师评估该模式：轮询 Open311 请求、写入 Kafka、用 Claude Haiku 4.5 做结构化输出的紧迫度分级、失败进入死信队列、通过幂等 MERGE 写入 DuckDB 或 Snowflake，再由 dbt 构建 SLA 数据模型；仓库含 61 个 pytest 测试与 45 个 dbt 数据测试，覆盖 schema 漂移、DLQ、MERGE 幂等性等失效模式，可用于参考实现与测试设计。
产品经理用于数据分析与 SLA 合规度衡量：项目提供无需账号、无需 API key 的本地演示，回放 300 条真实芝加哥 311 请求及其由 Claude Haiku 4.5 标注的标签，并可从城市数据门户加载整个财年（约 212 万行）测量整体队列的 SLA 合规度，输出部门 SLA 合规度数据模型，供产品经理参考市民请求的紧迫度分级与合规度分析。
★ 0 · 开发框架
原文发布：未知收录：2026-10-08
工作流
ho72/pet-i-explanation-data · 진단명·증상과 검색 근거로 설명형 SFT 데이터를 만드는 Python 파이프라인 | dry-run · 오류 분리 · 테스트/CI
该项目是一个 Python 数据生成流水线，用于为 PET-I 宠物犬眼病 VLM 诊断服务准备解释型训练数据。它读取 CSV 或 JSON 中给定的诊断名与症状，收集疾病相关的本地文档以及可选的 DuckDuckGo、Wikipedia 网络检索结果，并交给教师 LLM（GPT-4o）生成四个方面的说明文本，输出带有 service 说明文和 sft 对话记录的训练数据。项目本身不分析图像或判断疾病，image_path 仅用于生成输入标识。
展开详情收起详情：PET-I Explanation Data：用诊断名与症状生成带检索依据的宠物犬眼病说明文与 SFT 训练数据⌄
程序员作为 Python 数据生成流水线，可用于构建带检索依据的 LLM 训练数据：读取 CSV/JSON 中的诊断名与症状，收集本地文档及可选的 DuckDuckGo、Wikipedia 检索结果，调用教师 LLM（GPT-4o）生成说明文本并输出 JSONL 格式的 service 说明文与 sft 对话记录。
★ 0 · 开发框架
原文发布：未知收录：2026-10-08
工作流
zapanss/End-to-End-ELT-Data-Pipeline-with-Databricks-Delta-Lake-DLT-dbt-Ready-Gold-Models · 🚀 Build a production-ready ELT data pipeline on Databricks, leveraging Delta Lake and DLT for efficient data ingestion, transformation, and modeling.
该项目提供了一个基于 Databricks 的生产级 ELT 数据管道实现，涵盖 Auto Loader 数据接入、Delta Live Tables (DLT) 转换、基于 CDC 的 Silver 层建模以及动态 Gold 层维度与事实表构建。支持的 dbt 集成用于数据转换和灵活建模，涉及 Bronze-Silver-Gold、SCD 等数据工程常见模式。仓库以 Jupyter Notebook 为主要载体，附带系统要求说明与相关资料链接。
展开详情收起详情：End-to-End ELT Data Pipeline：基于 Databricks Delta Lake 与 DLT 的端到端数据管道⌄
程序员作为数据工程参考实现，程序员可学习并复用其基于 Databricks 的 ELT 管道代码，包括 Auto Loader 数据接入、Delta Live Tables 转换、CDC 建模以及 dbt 集成，用于构建或排错生产级数据管道。
★ 3 · 研究实现
原文发布：未知收录：2026-10-06
工作流
honeygame786/link-rewrite-pipeline · AI Social Media Curator & Approval Workflow Automation Tool 2026
Curator Studio 是一个社交媒体内容策展与审批工作流工具。它从 X/Twitter、Instagram、Telegram 采集内容，通过 Gemini 级别的语言模型按目标平台风格改写文本，并支持多语言语义翻译，随后进入人工审核队列，由编辑批准、修改或拒绝后再进入定时发布队列，同步各平台的发布节奏。项目还提供语调配置、链接富化、Webhook/REST API 集成与审计日志等功能。
展开详情收起详情：Curator Studio：多平台社媒内容 AI 改写与人工审核发布流水线⌄
产品经理产品经理可用该流水线从 X/Twitter、Instagram、Telegram 采集内容，经 AI 按目标平台风格改写后进入人工审核队列，由编辑批准、修改或拒绝后再定时发布，用于社媒内容策展与发布节奏管理。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-05
工作流
adhyayanrathi01/product-manager-os · An evidence-first, provider-neutral workflow system for AI-assisted product management.
这是一个以证据为先、不绑定特定模型供应商的产品管理工作流系统，用可复用的技能（skills）覆盖产品调研、分析、综合、原型与测试等环节。其核心原则是 Agent 只负责识别问题、汇集证据、说明不确定性与给出选项，由产品经理做决策；自带受控的自我改进机制，通过契约围栏、三项评审、预算与完整性清单约束技能只能改进过程而不能改变用途。
展开详情收起详情：product-manager-os：面向 AI 辅助产品管理的工作流系统⌄
产品经理产品经理可用该工作流系统进行产品调研、分析、综合、原型与测试，由 Agent 汇集证据、说明不确定性与给出选项，产品经理做决策。
★ 1 · 开发框架
原文发布：未知收录：2026-10-05
工作流
TurboKach/claude-code-setup · Claude Code setup: opinionated CLAUDE.md, a feature pipeline skill (plan → delegated execute → codex cross-review → ship), pinned role agents, parallel subagent fan-out, and a one-command installer with self-update.
面向 Claude Code 的一套配置与工作流模板，包含带明确规范的 CLAUDE.md、按需加载的规则与技能、固定角色的子智能体定义，以及安装脚本和设置示例。其核心是一条 计划 → 委派执行 → codex 交叉评审 → 合并 的特性流水线，支持通过后台子智能体进行并行 fan-out（仅在并行写入处使用 worktree 隔离），并提供会话开始时的更新检查与 /analyze-arcs 审计技能。适合希望把 Claude Code 用于多智能体并行研究、评审和特性开发的用户参考搭建。
展开详情收起详情：Claude Code Setup：并行多智能体特性开发工作流配置⌄
程序员用于程序员的特性开发流水线：以计划 → 委派执行 → codex 交叉评审 → 合并的流程组织多智能体并行开发，包含只读代码库搜索、计划校验、并行执行（worktree 隔离）、评审、修复与合并等固定角色子智能体，以及 /analyze-arcs 审计技能用于检查会话与子智能体记录中的门禁与等待时间。
★ 11 · 开发框架
原文发布：未知收录：2026-10-05
工作流
frankbria/codeframe · Think → Build → Prove → Ship. The project delivery system that turns ideas into verified, deployed code. AI agents write the code — CodeFrame owns everything before and after.
CodeFRAME 是一个 Python 编写的命令行项目交付系统，围绕“Think → Build → Prove → Ship”流程，覆盖 AI 编码智能体写代码之前的需求规划与任务拆解，以及之后的验证与发布。它通过 cf prd generate 进行苏格拉底式需求发现，用 cf tasks generate 将 PRD 拆解为带依赖的原子任务，再交给 Claude Code、Codex、OpenCode、Kilocode 或内置 ReAct 智能体执行；PROOF9 九道验证门禁把缺陷固化为长期校验要求，cf pr create/merge 在证明通过后才允许合并。项目为公开测试版（0.9.3），采用 AGPL-3.0 许可，主要通过 pip/uv 安装的 cf 命令行使用，需要与所选 LLM 提供方匹配的 API Key（如 ANTHROPIC_API_KEY、OPENAI_API_KEY，本地 Ollama 无需密钥），GitHub 集成需要 GITHUB_TOKEN 与 GITHUB_REPO。
展开详情收起详情：CodeFRAME：面向 AI 编程智能体的项目交付与验证编排系统⌄
程序员使用 CodeFRAME 的 CLI 工作流，在 AI 编码智能体写代码之前进行需求规划与任务拆解，之后进行验证与发布；通过 PROOF9 九道验证门禁将缺陷固化为长期校验要求，并在证明通过后才允许合并 PR。
产品经理使用 cf prd generate 进行苏格拉底式需求发现，用 cf tasks generate 将 PRD 拆解为带依赖的原子任务，辅助产品需求分析与任务规划。
★ 21 · 可直接使用的工具
原文发布：未知收录：2026-10-05
工作流
JdominguezEcommium/agentic-self-regulation-loop · 2026 AI Agent Loop v2.0: Autonomous Coding with Guardrails & Self-Healing
OuroLoop GateKeeper 是一个面向 AI 编程 Agent（如 Claude Code、Cursor、Aider、Codex）的控制框架，通过意图验证、上下文完整性、执行安全、输出验证和集成检查五道验证门，配合三层自反思机制与自主修复引擎，将 AI 编程 Agent 从无约束的代码生成转变为受控的协作流程。README 还描述了多语言响应式监控面板、OpenAI/Claude API 集成与回退机制，以及 MIT 许可。
展开详情收起详情：OuroLoop GateKeeper：为 AI 编程 Agent 提供结构化自主循环与护栏控制框架⌄
程序员在 AI 编程 Agent（如 Claude Code、Cursor、Aider、Codex）生成代码时，通过五道验证门（意图验证、上下文完整性、执行安全、输出验证、集成检查）和三层自反思机制对代码生成过程进行受控审查，并在失败时触发自主修复，用于代码审查、测试与排错。
★ 0 · 开发框架
原文发布：未知收录：2026-10-02
工作流
Alex314618-create/JevRev · An LLM + Jev workflow that changes EVERYTHING. Boost your vertebrate brain with a spine inside.
JevRev 是一个 LLM + Jev 工作流系统，将工作分为三部分：JevSift 在任务开始时评估多条候选路径并筛选值得投入 token 预算的方向，JevLoop 逐轮审核结果并决定下一步动作（fix / verify / continue / replan / human），JevLong 对长时间多轮任务监测停滞、重复失败、偏移、工具调用问题和预算风险。Jev 负责快速、低成本的决策与过滤，LLM 负责提出并执行工作，二者通过 CLI 与 JSON/JSONL 协议通信，可与 Codex、Claude Code、OpenCode、CI 工作流或自定义宿主集成，并提供交互式 TUI 查看会话与证据。
展开详情收起详情：JevRev：为 LLM 工作流提供快速低成本决策的 Sift/Loop/Long 系统⌄
程序员在编码任务中，用 JevSift 在任务开始时评估多条候选实现路径并筛选值得投入 token 预算的方向，用 JevLoop 逐轮审核结果并决定下一步动作（fix / verify / continue / replan / human），用 JevLong 监测长时间多轮任务中的停滞、重复失败、偏移、工具调用问题和预算风险；可通过 CLI 与 JSON/JSONL 协议与 Codex、Claude Code、OpenCode、CI 工作流或自定义宿主集成。
★ 700 · 可直接使用的工具
原文发布：未知收录：2026-10-01
工作流
Exciting-nakedmolerat17/IngestReasonCreate · Ingest documents, generate verifiable summaries, and catch AI hallucinations.
IngestReasonCreate 是一个在 Windows 上完全本地运行的文本处理工具，面向 AI 代理的文档工作流：先将 PDF 通过 OCR 和结构化解析在本地提取文本，再把带来源引用的 Markdown 交给 AI 代理进行推理与起草，随后使用 Pandoc、Quarto、Typst 等真实排版引擎生成 PDF、HTML 或 Markdown 文档，最后自动打开成品供用户与原始文件对照核实，以发现 AI 幻觉。项目强调隐私优先、无需联网、无需安装，支持扫描版 PDF 的 OCR、批量处理以及 Mermaid 图渲染。
展开详情收起详情：IngestReasonCreate：本地运行的可验证文档摘要与 AI 幻觉检测工作流⌄
程序员在本地将 PDF 文档通过 OCR 和结构化解析提取为带来源引用的 Markdown，供 AI 代理推理与起草，再用 Pandoc、Quarto、Typst 生成 PDF/HTML/Markdown 成品，并自动打开与原始文件对照核实，用于发现 AI 幻觉。
产品经理将 PDF 文档在本地提取为带来源引用的 Markdown，交给 AI 代理进行推理与起草，再用真实排版引擎生成 PDF/HTML/Markdown 文档，并自动打开成品与原始文件对照核实，用于文档摘要与 AI 幻觉检测。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-01
工作流
SwayamKontamwar/autoforge · A repository that builds itself: a scheduled agent implements one backlog task per run, and commits only if lint, import, and tests all pass.
autoforge 是一个“自我编写”的仓库实验：定时的 GitHub Action 会从 BACKLOG.md 读取任务，调用语言模型生成补丁，只有在通过 ruff 检查、导入冒烟测试和完整 pytest 测试后才会提交到 main，失败则回滚并在 DEVLOG.md 中记录原因。它同时构建一个基于 FastAPI 的 URL 短链服务与标准库风格的 app/toolkit/ 工具集，并包含自我补充的任务生成器与成本守卫，确保运行在免费环境（公开仓库、ubuntu-latest、免费模型额度）下，否则拒绝运行。
展开详情收起详情：autoforge：让 GitHub Actions 定时驱动 LLM 自主实现仓库任务并自动提交的自进化仓库⌄
程序员作为定时驱动 LLM 实现仓库任务的自动化开发工作流：从 BACKLOG.md 读取任务、生成补丁，并在通过 ruff、导入冒烟测试和完整 pytest 后自动提交，失败则回滚并记录原因，可用于自动化实现小型、可独立测试的编码任务。
★ 0 · 开发框架
原文发布：未知收录：2026-09-30
工作流
whj1677/requirements-agent · Local requirements agent for PRD/MRD drafting, review, and handoff
该项目是一个基于 Python 的本地 Web 工作台，面向已有平台的增量需求，提供从创建项目、梳理现状与改动范围、澄清流程与规则、评审 MRD 与 PRD，到确认版本与生成交接包的五步流程。服务仅监听本机 loopback 地址（默认 127.0.0.1:8765），数据保存在本机 data/ 目录，模型侧默认通过 RA_DEEPSEEK_API_KEY 调用 DeepSeek 并支持思考模式；文件名原件、基线与历史记录会保留，正式确认会绑定版本、范围与哈希。注意运行依赖、付费模型调用成本、企业保护格式 Office 读取的兼容范围等材料未完整说明。
展开详情收起详情：requirements-agent：面向 PRD/MRD 起草、评审与交接的本地需求 Agent⌄
产品经理使用该本地 Web 工作台完成增量需求从创建项目、梳理现状与改动范围、澄清流程与规则、评审 MRD 与 PRD，到确认版本与生成交接包的五步流程，用于需求分析与 PRD/MRD 起草、评审和交接。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-09-28
工作流
wenboxia/airadar · AIRadar · 每日定时运行的 AI 行业情报工作流
AIRadar 是一个定时运行的 AI 行业情报工作流，将 20 个分层信源经抓取、去重、打分后按综合分三路分流：高分自动发布、中等分数每周交人审批、低分丢弃留档，并沉淀为可检索的 AI 行业知识库。项目采用三维价值分（相关度/新颖度/长期价值）打分，提供每周 12 条的人工审批单、三条降级链（内容、模型、业务）和分层记忆机制，并配套数据完整性、打分路由、分类稳定性、摘要忠实度与模型选型等评测脚本。
展开详情收起详情：AIRadar：每日定时运行的 AI 行业情报聚合与三路分流工作流⌄
程序员作为可复用的 LLM 工作流参考，用于构建定时运行的行业情报聚合流水线：分层信源抓取、去重、三维价值分打分与三路分流，并配套数据完整性、打分路由、分类稳定性、摘要忠实度与模型选型等评测脚本，可供程序员在开发类似 LLM 应用时借鉴其架构与评测方法。
产品经理用于产品经理跟踪 AI 行业动态：每日定时聚合 20 个分层信源，按相关度/新颖度/长期价值打分并三路分流，高分自动发布、中等分数每周交人审批，沉淀为可检索的 AI 行业知识库，帮助产品经理持续获取行业情报。
★ 22 · 可直接使用的工具
原文发布：未知收录：2026-09-28
工作流
avisihvam-eng/ai-recruiter-copilot · 2-agent AI recruiter pipeline - Google ADK + Gemini - JD cleanup, Boolean strings, outreach, LinkedIn post
该项目是一个面向招聘场景的多智能体工作流，用户粘贴原始职位描述后，可一次性生成整理后的 JD、Strict/Balanced/Broad 三档布尔搜索字符串、外联文案与 LinkedIn 招聘帖，并由 recruiter_advisor_agent 输出筛选问题与招聘注意事项。后端采用 Python、Google ADK、FastAPI 与 Gemini 2.5 Flash，前端为单文件 HTML。
展开详情收起详情：AI Recruiter Copilot：基于 Google ADK 与 Gemini 的自动化招聘流程工具⌄
HR招聘人员可将原始职位描述粘贴到该工具中，一次性生成整理后的 JD、Strict/Balanced/Broad 三档布尔搜索字符串、外联文案与 LinkedIn 招聘帖，并获得筛选问题与招聘注意事项，用于招聘流程中的职位发布、候选人搜寻和初步筛选准备。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-09-28
工作流
yanivy9h/ai-shipr · Product management OS for Claude Code: agents, skills, workflows, and memory across the full Agile loop.
AI-SHIPR 是一个基于文件夹结构的产品管理操作系统，为使用 Claude Code 的产品经理提供跨会话的持久记忆与结构化上下文。它把产品工作组织成策略、假设、举措、验证、关系与学习等模块，让 Claude 在每次会话中读取并更新这些内容，从而在完整敏捷闭环中充当产品思考伙伴。系统内置约 73 项能力，包括思考类 agents、单任务 skills、多步骤 workflows 和场景化 playbooks，并通过 Connections.md 说明与代码、工单、文档、分析、用户研究和协作工具等六类工具的连接方式。
展开详情收起详情：AI-SHIPR：面向产品经理的 Claude Code 产品管理工作流操作系统⌄
产品经理产品经理可使用 AI-SHIPR 作为基于 Claude Code 的产品管理工作流操作系统，跨会话持久保存产品策略、假设、举措、验证、关系与学习等结构化上下文，让 Claude 读取并更新这些内容，充当产品思考伙伴，覆盖完整敏捷闭环。
★ 29 · 资料合集
原文发布：未知收录：2026-09-27
工作流
soehme/aipm-setupguide · Setup Guide for AI enabled Product Management Workshops & Trainings
该仓库提供一份设置指南，帮助参加 AI 产品管理（AIPM）培训的人员搭建初始工作环境：在终端中使用 Claude Code 或 Codex 等 AI 助手，并配合 Obsidian 作为 Markdown 编辑器与文件浏览器。仓库包含两套按工具划分的安装步骤、示例工作区（含案例研究、占位产品目录与帮助文档）、Obsidian/Markdown/命令行基础说明以及故障排查文档。
展开详情收起详情：AIPM Setup Guide：为 AI 产品管理培训搭建 Claude Code/Codex + Obsidian 工作环境⌄
产品经理产品经理可按照该指南搭建 AI 辅助工作环境：在终端中使用 Claude Code 或 Codex 作为 AI 助手，配合 Obsidian 作为 Markdown 编辑器与文件浏览器，并在按产品/主题分开的工作区文件夹（如案例研究、占位产品目录）中与 AI 助手协作，练习有针对性地提供上下文并保持不同产品主题的上下文分离。
★ 2 · 资料合集
原文发布：未知收录：2026-09-27
工作流
beyondessential/review-hero · AI-powered multi-agent code review
Review Hero 是一个可复用的 GitHub Actions 工作流，基于 Claude（Haiku 负责分流筛选、Sonnet 并行执行审查与自动升级 Opus）对 Pull Request 进行 AI 代码审查。它并行运行多个专职审查代理（缺陷、性能、设计、安全以及自定义代理），通过投票共识、抑制规则和开发者反馈学习去重降噪，再由编排器把结果以行内评论和汇总评论的形式发布到 PR 上，并可选启用自动修复未解决评论与 CI 失败。
展开详情收起详情：Review Hero：AI 驱动的多智能体代码审查 GitHub Actions 工作流⌄
程序员在 Pull Request 中自动运行多智能体 AI 代码审查，覆盖缺陷、性能、设计、安全等维度，并通过投票共识、抑制规则和开发者反馈学习来降噪，最终以行内评论和汇总评论形式发布审查结果，帮助程序员进行代码审查。
★ 3 · 可直接使用的工具
原文发布：未知收录：2026-09-26
工作流
GitHubSecurityLab/seclab-taskflow-agent · GitHub Security Lab Taskflow Agent
GitHub Security Lab 推出的 MCP 多智能体框架，通过 GitHub Workflow 风格的 YAML 语法声明式定义智能体工作流，无需编写代码即可用 CLI 编排多个 Agent 与工具协作完成任务。基于 OpenAI Agents SDK 构建，使用 Pydantic 做语法校验、Jinja2 做模板渲染；智能体由 personalities 定义、接收 taskflow 任务、调用 toolbox 中的工具。支持 Chat Completions 与 Responses 两种 OpenAI API，可切换 openai_agents、copilot_sdk、anthropic_sdk 三种后端，支持 stdio/SSE/streamable HTTP 的 MCP 连接、任务级检查点与断点续跑、运行清单输出、离线 lint 与 JSON Schema 导出。主要面向智能体安全研究、漏洞排查、代码审计、CodeQL 辅助代码审查与代码扫描告警分诊，也可跨多个模型跑同一提示词并让裁判任务择优，用于模型对比评测。
展开详情收起详情：SecLab Taskflow Agent：声明式 YAML 驱动的多智能体安全工作流框架⌄
程序员使用声明式 YAML 定义多智能体安全工作流，用于代码审计、漏洞排查、CodeQL 辅助代码审查与代码扫描告警分诊；也可跨多个模型跑同一提示词并由裁判任务择优，用于模型对比评测。
★ 238 · 开发框架
原文发布：未知收录：2026-09-26
工作流
GitHubSecurityLab/seclab-taskflows-fuzzing · An LLM-driven fuzzing pipeline powered by the GitHub Security Lab Taskflow Agent
该项目是 GitHub Security Lab Taskflow Agent 的模糊测试任务流，面向原生 C/C++ 项目提供 LLM 驱动的自主模糊测试流水线。它结合 AFL++ 执行、clang+lcov 覆盖率采集以及 LLM Agent，自动完成目标识别、构建系统分析、harness 编写与构建、覆盖率反馈迭代、崩溃去重与分类，并生成含可利用性判断和修复建议的可读漏洞报告，同时提供实时 HTML 仪表盘。
展开详情收起详情：seclab-taskflows-fuzzing：面向 C/C++ 项目的 LLM 驱动自动化模糊测试流水线⌄
程序员对原生 C/C++ 项目进行自动化模糊测试：给定 GitHub 仓库后，自动识别模糊测试目标、分析构建系统、编写并构建 harness、执行 AFL++ 模糊测试与覆盖率反馈迭代、对崩溃进行去重分类，并生成含可利用性判断和修复建议的漏洞报告，帮助程序员发现和修复安全漏洞。
★ 8 · 可直接使用的工具
原文发布：未知收录：2026-09-26
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)
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。
展开详情收起详情：Job Hunter：AI 辅助的本地求职投递与岗位匹配工作流⌄
HRHR 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。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-09-25