Agent 与自动化01
sofialopresti/scipro-bd-dashboard · AI agents for life-science recruiters: find biotechs about to hire, write outreach, build pitches, plan the search (MGT 409 final project)
该项目是一个面向生命科学招聘顾问的 AI 代理应用，围绕 Prospect→Outreach→Pitch→Job Intake 的工作流展开：每天筛选 5 家可能招聘的美国生物科技或 AI 药物发现公司并解释原因；支持在 Pipeline 看板中推进候选公司；在对话中起草符合顾问风格的外联邮件，并校验案例与数字；按公司信息和招聘模型生成 10 页 Pitch 演示；将招聘经理的通话笔记整理为职位说明、薪酬核对、面试评分卡、目标和布尔搜索字符串。Signal Radar 组合了新闻 RSS 与 ClinicalTrials.gov 试验数据，并检查企业招聘板，同时设有每日调用、token 和扫描次数上限、提示注入内容清洗和多代理检查机制。
Agent 与自动化02
api-evangelist/take2ai · Take2.ai — independent third-party profile of a public API surface, by API Evangelist. Take2.ai builds autonomous AI agents purpose-built for healthcare recruiting, automating the end-to-end hiring workflow from candidate sourcing through screening, interviewing, credential verification, and scheduling.
该仓库是 API Evangelist 维护的第三方公开资料档案，用于汇总 Take2.ai 对外公开的 API 信息。Take2.ai 是一家专注于医疗招聘领域的公司，其自主 AI 代理可自动执行从候选人寻源到筛选、面试、资质核验与排期的端到端招聘流程。该档案本身不包含软件，也不是 Take2.ai 官方 API，仅汇总公开可查的信息；目前尚待补充。
知识库与 RAG03
VidhiDixit2000/portfolio-ai-assistant · Recruiter-facing chat assistant grounded in my resume — answers questions about my experience with classification routing and streaming responses, built so it can't invent experience I don't have. FastAPI on Render, React on Vercel.
面向招聘方的对话式助手，从作者简历知识库中作答，支持按职位描述（JD）评分、上传或设置 JD、以 NDJSON 流式返回答案，并借助每次会话的状态与求职知识库缓存来避免编造简历中没有的经历；后端采用 FastAPI（主用 OpenAI，自动回退到 Groq），前端采用 React 并部署在 Vercel，后端部署在 Render。
Agent 与自动化04
Da6ka/ai-in-ta-telegram-bot · Daily AI-in-recruitment news briefing, generated by Claude Code and delivered to Telegram (Cloudflare Worker + GitHub Actions).
该项目是一个基于 Claude Code 与 Cloudflare Worker、GitHub Actions 运行的 Telegram 机器人，面向招聘领域，每个工作日自动检索并生成 AI-in-recruitment 新闻、工具与研究简报，推送给订阅者。支持按需生成新简报、基于历史简报归档回答问题，并提供订阅管理、广播和隐私数据等命令。机器人采用白名单准入、单运营者模式，订阅人数上限为 50 人。
应用工具05
emredemir-maker/TalentFlow · AI-supported recruitment and candidate operations platform for structured hiring workflows and better decision quality.
TalentFlow 是一个面向招聘团队的 AI 辅助候选人运营与决策支持产品原型，旨在把分散在简历、表格、邮件和会议记录中的候选人信息集中起来，形成结构化招聘流程。它提供候选人画像与简历文档分析、AI 辅助评分、面试计划与实时记录、候选人沟通跟进、招聘漏斗分析，以及邮件和日历工作流集成；设计上强调人类在环，AI 仅用于提示信号和整理信息，最终招聘判断仍由团队负责。
应用工具06
mriaz764/ai-recruitment-ats
这是一个以学习为目的、逐步构建的申请人跟踪系统（ATS），后端使用 FastAPI、PostgreSQL 和 SQLAlchemy，采用模块化单体架构与 router→controller→service→repository 分层。已实现职位管理、用户注册登录与 JWT 认证、组织级权限隔离、候选人管理、私有简历上传下载、申请流程与状态更新、面试相关模块、简历文本提取与结构化解析，以及 Alembic 迁移、pytest 测试和 Ruff 代码检查。候选人到职位的匹配、嵌入、RAG 和 AI Agent 工作流仍属计划内容，作者明确该项目尚不可用于生产环境。
应用工具07
BazilSuhail/DeepScreen-Client · AI-powered recruitment and candidate assessment platform. Provides end-to-end hiring pipeline management with AI-driven resume parsing, coding assessments, video interviews, candidate shortlisting, and real-time communication for recruiters and candidates.d
DeepScreen 是一个基于 Next.js 构建的全栈招聘平台前端，连接 Django 主后端、Rocket 简历解析微服务和 LiveKit 视频服务，提供候选人、招聘方和机构管理三类门户。功能涵盖职位浏览与投递、AI 简历解析、带 Monaco 编辑器和自动评分的编程测评、带语音识别与自然语言评估的 AI 面试、基于 LiveKit 的实时视频面试、AI 评分候选人筛选、招聘方与候选人即时消息，以及基于角色的仪表盘和招聘分析。仓库为客户端代码，许可证限定教育与非商业用途。
应用工具08
MahamYasir-ai/HirePilot-AI-Recruiter · AI-powered recruitment platform featuring an intelligent hiring chatbot, job listings, candidate applications, AI-based candidate screening, HR dashboard, and WhatsApp integration.
HirePilot AI Recruiter 是一个面向招聘场景的 Web 应用，用现代化前端界面整合招聘相关交互，包含 AI 招聘聊天机器人、职位列表、候选人申请、HR 仪表盘和 AI 辅助候选人筛选等模块，并已在 Vercel 上提供公开演示。项目使用 TypeScript、基于 React 的前端、Vite 和 Node.js，主要用于探索对话式 AI 与招聘工作流、Web 界面结合的实际应用。README 说明各功能可用性取决于当前实现进度，并列出改进空间，包括完善聊天交互、候选人审阅流程、输入校验与错误处理、API 集成文档等。
应用工具09
srikanthbhompally8/ai-recruiter-assistant · "Intelligent recruitment platform powered by AWS Bedrock"
AI Recruiter Assistant 是一个端到端的招聘辅助平台，利用 AWS Bedrock 提供 AI 分析与语义搜索能力，自动化简历解析、候选人匹配和职位需求管理。后端采用 FastAPI、PostgreSQL 15 + pgvector 和 SQLAlchemy，前端采用 React 18、Redux Toolkit、Tailwind CSS 与 Vite，并包含 JWT 认证、REST API（Swagger 文档）和 Docker 等基础设施配置。项目当前为 Phase 1，后续规划包括高级匹配、面试安排、分析与 ATS 集成等。
应用工具10
JoelAbrilM/cv-agent · An AI-powered recruitment assistant that compares CVs against job requirements and determines candidate fit.
cv-agent 是一个小型 Python 应用，读取本地 .txt 格式的简历文本和职位要求文本，调用 Google Gemini 生成结构化的辅助性评估，包括优势、技能缺口、可能未满足的硬性要求和指示性匹配分数，并依据“分数不低于 70 且无关键缺口”的演示规则给出推荐。项目使用 Pydantic 校验模型输出，自带模拟 Gemini 响应的单元测试，不包含数据库或网页界面；其说明明确强调结果仅供人工参考，不能作为招聘决策的唯一依据。