boss-career-ops 0.7.0

BOSS直聘 AI 求职全流程系统 — 搜索、评估、投递、沟通、面试、谈判闭环

Boss-Career-Ops

BOSS 直聘 AI 求职全流程 CLI 工具。覆盖从职位搜索到拿到 offer 的完整闭环。

核心原则：AI 评估推荐，人决定行动。系统自动执行高分职位，低分职位需人工确认。

AI 编排：AI 任务（评估/润色/摘要/面试准备）由 Agent 直接完成，无需配置外部 LLM API。

功能概览

• 职位搜索 — 关键词 + 城市 + 福利多维筛选，搜索缓存减少 API 调用
• 5 维评估 — 匹配度、薪资、地点、发展、团队自动评分，全行业同义词表，匹配/不匹配原因输出
• 阈值驱动 — batch-greet 内置阈值逻辑，B 级自动打招呼，D 级自动跳过
• 简历定制 — 根据职位 JD 生成 ATS 友好的 MD/PDF 简历，关键词注入
• 批量打招呼 — 高斯随机延迟 + 随机长停顿，最大 10 个，防封号
• 聊天管理 — 消息历史、AI 摘要、标签、导出
• 求职流水线 — 发现→评估→投递→沟通→面试→offer 全程追踪，所有操作结果自动入库
• 面试准备 — 基于职位信息生成面试要点
• Web 仪表盘 — AI 求职决策仪表盘，5 维评分可视化、Pipeline 看板、AI 助手、零配置可用
• TUI Dashboard — 终端可视化求职看板

快速开始

安装

# 推荐：uv 全局安装
uv tool install boss-career-ops

# 或 pip
pip install boss-career-ops

# 或从源码安装
uv tool install git+https://github.com/maimaigptlink9/boss-career-ops.git

要求：Python >= 3.12

开发模式

git clone https://github.com/maimaigptlink9/boss-career-ops.git
cd boss-career-ops
uv sync
uv run bco <cmd>
uv run pytest

初始化

# 1. 环境诊断
bco doctor

# 2. 首次使用，初始化配置
bco setup

# 3. 登录 BOSS 直聘（自动检测 Chrome Profile，4 级降级）
bco login

# 4. 确认登录态
bco status

基本使用

# 搜索职位
bco search "Golang" --city 广州 --welfare "双休,五险一金"

# 对搜索结果批量评估
bco evaluate --from-search

# 批量打招呼（内置阈值逻辑）
bco batch-greet "Golang" --city 广州

# 生成定制简历
bco resume <job_id> --format pdf

# 查看求职流水线
bco pipeline

# 启动 Web 仪表盘（零配置可用，规则引擎开箱即用）
bco web

评估引擎

5 维评分体系

维度	权重	评估内容
匹配度	30%	技能、经验、学历与 JD 的匹配程度（全行业同义词表 ~100 组）
薪资	25%	薪资范围与预期的对比，连续评分（非阶梯跳变）
地点	15%	城市偏好、邻近城市支持、远程可能性
发展	15%	职业成长空间（按岗位类型选关键词：技术/产品/运营/市场/设计/数据/管理）
团队	15%	公司阶段、团队文化（按岗位类型选关键词）

评分改进

• 评分区分度提升：发展/团队基准分从 3.0 降至 1.5，解决评分集中在 C 级的问题
• 全行业同义词表：覆盖技术/产品/运营/市场/设计/数据/财务/人力/销售/内容/电商/法务/行政/通用共 ~100 组
• 匹配原因输出：每个评估结果包含 match_reasons（优势）和 mismatch_reasons（不足）
• 信息不足标记：搜索结果缺 description 时标记 confidence: "preliminary"，提示查看详情后评分可能变化
• 薪资连续评分：用连续函数替代阶梯跳变，5K 差距不再导致 1.0 分跳变
• 邻近城市支持：广州→深圳 3.5 分（而非 2.0），北京→天津同理

评分等级与自动动作

等级	分数	含义	自动动作
A	4.5-5.0	强烈推荐	自动投递
B	3.5-4.4	值得投入	自动打招呼
C	2.5-3.4	一般	需人工确认
D	1.5-2.4	不太匹配	需人工确认
F	0.0-1.4	不推荐	跳过

命令参考

环境与认证

命令	说明
bco doctor	环境诊断
bco setup	初始化配置（首次使用）
bco login	登录（4 级降级：Bridge Cookie→CDP→QR httpx→patchright），支持 --profile 指定 Chrome 配置文件
bco logout	清除本地登录态
bco status	检查登录态
bco bridge status	查看 Bridge Daemon 状态
bco bridge test	Bridge 连通性诊断（3 步检查）
bco skill-update	检查远程版本并获取最新 skill.md 内容

Agent AI 任务

命令	说明
bco agent "帮我找深圳的Agent岗位"	AI Agent 对话式求职助手（LangGraph 多Agent编排）
bco agent --interactive	交互模式，持续对话
bco agent-evaluate <job_id>	输出职位数据供 Agent 评估
bco agent-evaluate --stage 发现 --limit 10	输出待评估职位列表
bco agent-save evaluate --job-id <id> --score <n> --grade <G> --analysis "..."	保存评估结果
bco agent-save resume --job-id <id> --content "..."	保存简历润色结果
bco agent-save chat-summary --security-id <id> --data '...'	保存聊天摘要
bco agent-save interview-prep --job-id <id> --data '...'	保存面试准备

RAG 知识库

命令	说明
bco rag-index	构建/更新 RAG 知识库索引（从 Pipeline DB 读取 JD）
bco rag-index --reindex	全量重建索引
bco rag-search "AI Agent 开发" --collection jd --top-k 10	RAG 语义搜索（jd/resume/interview）

MCP Server

命令	说明
bco mcp-server	启动 MCP Server（供 Claude Desktop 等客户端调用）

职位搜索与评估

命令	说明
bco search <keyword> --city <city> --welfare <welfare>	搜索职位 + 福利筛选
bco recommend	个性化推荐
bco evaluate [target] 或 --from-search	5 维评估
bco detail <security_id>	查看职位完整详情（双通道降级）

投递与沟通

命令	说明
bco greet <security_id> <job_id>	打招呼
bco batch-greet <keyword> --city <city>	批量打招呼（最大 10 个）
bco apply <security_id> <job_id>	投递简历
bco apply <security_id> <job_id> --resume <job_id>	投递前先上传简历再投递
bco resume <job_id> --format <md|pdf>	生成定制简历
bco resume <job_id> --format pdf --upload	生成 PDF 并上传到 BOSS 直聘平台

聊天管理

命令	说明
bco chat --export <csv|json|html|md>	聊天管理 + 导出
bco chatmsg <security_id>	聊天消息历史
bco chat-summary <security_id>	聊天摘要
bco mark <security_id> --tag <tag>	联系人标签

流水线与导出

命令	说明
bco pipeline	求职流水线追踪（数据来自搜索/评估/投递等操作的自动入库）
bco export <keyword> -o <output> --format <csv|json|html|md>	多格式导出

面试与 Dashboard

命令	说明
bco interview <job_id>	面试准备
bco dashboard	启动 TUI Dashboard
bco web	启动 Web 仪表盘（AI 求职决策仪表盘，零配置可用）

配置

所有配置存储在 ~/.bco/ 目录（可通过 BCO_HOME 环境变量自定义）。

个人档案 — ~/.bco/config/profile.yml

name: ""
title: ""
experience_years: 0
skills: []
expected_salary:
  min: 0
  max: 0
preferred_cities: []
remote_ok: false
education: ""
career_goals: ""
avoid: ""

简历 — ~/.bco/cv.md

Markdown 格式的完整简历，评估引擎和简历生成器都会读取此文件。越详细，评估越准确。

自动执行阈值 — ~/.bco/config/thresholds.yml

auto_action:
  auto_greet_threshold: 4.0    # B+ 及以上自动打招呼
  auto_apply_threshold: 4.5    # A 级自动投递
  skip_threshold: 2.0          # D 级及以下直接跳过
  confirm_required: true       # 中间分数段需人工确认

rate_limit:
  request_delay_min: 1.5       # 请求最小延迟（秒）
  request_delay_max: 3.0       # 请求最大延迟（秒）
  batch_greet_max: 10          # 批量打招呼上限
  batch_greet_delay_min: 2.0   # 批量打招呼最小延迟
  batch_greet_delay_max: 5.0   # 批量打招呼最大延迟
  burst_penalty_multiplier: 2.0  # 突发惩罚倍数
  retry_max_attempts: 3        # 最大重试次数
  retry_base_delay: 5.0        # 重试基础延迟
  retry_max_delay: 60.0        # 重试最大延迟
  search_page_delay_min: 3.0   # 搜索翻页最小延迟
  search_page_delay_max: 6.0   # 搜索翻页最大延迟
  search_max_pages: 5          # 搜索最大翻页数

cache:
  default_ttl: 3600            # 默认缓存 TTL（秒）
  search_ttl: 1800             # 搜索缓存 TTL（秒）

AI Agent 集成

本工具专为 AI Agent 设计，AI 任务由 Agent 直接完成，无需配置外部 LLM API。

零配置可用

系统采用「规则引擎开箱即用 + AI 无缝升级」策略：

• 不配置 AI → 规则引擎模式：5 维评分、A/B/C/D/F 等级、推荐语、技能同义词匹配、ATS 关键词注入、Pipeline 看板，覆盖 80% 核心价值
• 配置 AI → AI 增强模式：AI 评估覆盖规则评分、AI 简历润色、AI 聊天摘要、AI 回复建议、AI 面试准备

AI 配置支持 Web 设置页（30 秒完成）和环境变量两种方式，优先级：环境变量 > ai_config.yml > 规则引擎。

工作原理

Agent 读取数据（bco agent-evaluate / bco chatmsg）
  → Agent 思考分析（评估/润色/摘要/面试准备）
  → Agent 写入结果（bco agent-save）
  → 后续命令读取 Agent 结果（bco evaluate / bco resume / bco interview）

Agent 工具命令

• bco agent-evaluate — 输出职位数据供 Agent 评估分析
• bco agent-save — 保存 Agent 的 AI 分析结果到数据库

Skill 集成

将 skills/boss-career-ops/skill.md 放到对应 Agent 的 skill 目录即可自动理解并调用 bco 命令：

OpenClaw：

mkdir -p ~/.openclaw/skills/boss-career-ops && cp skills/boss-career-ops/skill.md ~/.openclaw/skills/boss-career-ops/skill.md

Claude Code：

在项目目录中打开 Claude Code，CLAUDE.md 会自动加载为上下文。

WorkBuddy：

cp skills/boss-career-ops/skill.md ~/.workbuddy/skills/boss-career-ops/skill.md

Web 仪表盘

bco web 启动 AI 求职决策仪表盘（FastAPI + Alpine.js），定位是 AI 智能层的可视化，不是 BOSS 网页的复刻。

核心页面

页面	功能	BOSS 网页可替代
决策看板	Pipeline 看板 + 5 维评分卡片 + 优劣势分析 + 待办	❌
AI 助手	回复建议 + 简历定制 + 面试准备 + 技能差距	❌
设置	AI Key 配置引导 + 个人档案编辑	❌

技术架构

浏览器 → FastAPI (web/server.py) → agent/tools.py → PipelineManager / BossAdapter / EvaluationEngine

• 后端：FastAPI，所有业务逻辑通过 agent/tools.py 调用
• 前端：Alpine.js (CDN) + 原生 JS，暗色主题，无构建工具
• AI 配置：Web 设置页配置 API Key，Provider 信息从 data/llm_providers.yml 读取
• 安全：默认绑定 127.0.0.1，API Key Fernet 加密存储，写操作需认证

安全说明

• Token 使用 Fernet 加密存储（PBKDF2 密钥派生，绑定机器+用户）
• API Key 使用 Fernet 加密存储（Web 设置页保存时加密）
• 请求间隔使用高斯随机延迟 + 5% 概率随机长停顿，模拟人类行为
• 浏览器通道共享节流器，防止降级后请求密度失控
• Cookie 回写机制，捕获服务端 Set-Cookie 更新
• Token 自动刷新（stoken 过期时 CDP 优先刷新）
• 批量操作内置上限（batch-greet 最大 10 个）
• 敏感信息不输出到日志
• CSV 导出防止公式注入，文件导出防止路径遍历
• Web 仪表盘默认绑定 127.0.0.1，写操作需 BCO_WEB_API_KEY 认证

系统升级路线图

目标：将现有 CLI 自动化工具升级为真正的 AI Agent 系统，同时满足「求职实用」和「面试证明 Agent 开发能力」两个目标。

已完成改造

改造	状态	核心变化	详细文档
LangGraph 多Agent编排	✅ 已完成	Agent I/O 数据通道 → StateGraph + Conditional Edge 路由，6 个专业 Agent 节点	upgrade-langgraph.md
RAG 知识库	✅ 已完成	关键词匹配 → ChromaDB 语义向量检索 + MMR 重排	upgrade-rag.md
MCP Server	✅ 已完成	CLI 命令行 → MCP 协议（JSON-RPC over stdio），9 Tool + 3 Resource	upgrade-mcp.md
规则引擎评估改进	✅ 已完成	评分区分度提升、全行业同义词表、匹配原因输出、薪资连续评分、邻近城市	规则引擎评估改进方案.md
Web 仪表盘	✅ 已完成	AI 求职决策仪表盘，5 维评分可视化、Pipeline 看板、AI 助手、零配置可用	Web前端方案.md
Web 与 CLI 对齐	✅ 已完成	agent/tools.py 增强，Pipeline 阶段推进、搜索入库、简历 PDF 生成修复	web-cli-alignment.md
风控对抗增强	✅ 已完成	QR httpx 登录、浏览器通道节流、随机长停顿、Cookie 回写、Token 自动刷新	风控对抗实现对比分析.md

进行中改进

改造	状态	核心变化	详细文档
Web 功能补全	🔄 进行中	搜索页面、投递按钮、聊天页面、简历预览、面试准备、数据分析	web-completion-plan.md
功能广度补全	🔄 进行中	detail 命令、搜索缓存、登出、搜索预设/监控、日报/跟进	功能对比分析.md

新增依赖

pyproject.toml 的 dependencies 已新增：langchain>=0.3、langgraph>=0.2、langchain-openai>=0.2、chromadb>=0.5、mcp>=1.0

LLM 配置

环境变量	说明	默认值
BCO_LLM_PROVIDER	LLM 提供者（openai/deepseek/local）	deepseek
BCO_LLM_API_KEY	API Key	—
BCO_LLM_BASE_URL	API Base URL（兼容 OpenAI 接口）	—
BCO_LLM_MODEL	模型名	deepseek-chat

也可通过 Web 设置页（bco web → 设置 → AI 配置）配置，API Key 加密存储到 ~/.bco/ai_config.yml。优先级：环境变量 > ai_config.yml > 规则引擎。

Claude Desktop 集成

{
  "mcpServers": {
    "boss-career-ops": {
      "command": "bco",
      "args": ["mcp-server"]
    }
  }
}

---

参考项目

本项目融合了以下两个开源项目的核心能力：

• boss-agent-cli — AI Agent 专用的 BOSS 直聘求职 CLI 工具，提供平台操作能力（搜索、打招呼、投递、聊天等）
• career-ops — AI 驱动的求职评估系统，提供智能评估能力（多维评分、简历定制、面试准备等）

License

MIT