cold-msg 0.1.3

招聘冷邮件智能生成工具 - 基于候选人简历文本自动生成 Cold Email

ColdMsg - 招聘冷邮件智能生成工具

基于候选人简历文本，利用大语言模型（LLM）自动匹配职位并生成个性化 Cold Email 的工具。支持命令行和 Web 界面两种使用方式。

功能特性

• 智能匹配：根据候选人技术背景自动匹配最合适的职位
• 邮件生成：一键生成完整、可直接发送的中文招聘推介邮件
• 模板自定义：支持自定义邮件各组成部分（称呼、正文、结尾等）
• 职位管理：支持新增、编辑、删除、YAML 批量导入导出职位
• 历史消息：自动保存已生成的邮件记录，支持搜索、编辑、删除、复制
• 双模式使用：CLI 命令行 + Web 可视化界面
• Python 库：可作为 Python 库直接调用，支持自定义 Prompt 和配置

快速开始

环境要求

• Python >= 3.10
• 可用的 LLM API（通过 llmdog 配置）

安装

pip install cold-msg

安装后即可使用 cold-msg 命令。

LLM 配置

ColdMsg 通过 llmdog 库调用 LLM，需先配置 LLM API 密钥。请参考 llmdog 文档 进行配置，通常需要设置环境变量或在 llmdog 的配置文件中填入 API Key。

注意：如果未正确配置 LLM API，调用 generate 命令或 Web 生成邮件时会报错。

启动 Web 界面

cold-msg web

默认访问地址：http://127.0.0.1:6060

快速生成一封邮件

# 1. 先添加职位
cold-msg jobs add --title "AI技术VP" --qual "大模型，Agent，博士" --loc "北上深"

# 2. 生成邮件
cold-msg generate "张三，10年AI研发经验，精通大模型训练与推理优化"

---

命令行使用

ColdMsg 提供以下 CLI 子命令：

cold-msg generate - 生成冷邮件

从候选人简历文本生成冷邮件。

cold-msg generate "张三，10年AI研发经验，精通大模型训练与推理优化"

参数：

参数	缩写	说明
RESUME	-	候选人简历文本（必填）
--model	-m	指定 LLM 模型名称
--config	-c	指定配置文件路径
--env	-	指定 .env 文件路径
--jobs	-j	指定职位列表文件路径（yaml/json）
--output	-o	输出文件路径
--raw	-	输出原始 JSON

示例：

# 基本用法
cold-msg generate "李四，5年后端开发经验，精通Go和分布式系统"

# 指定模型和输出文件
cold-msg generate "王五，AI算法专家" -m deepseek-chat -o result.json

# 使用外部职位列表
cold-msg generate "赵六，编译器专家" -j positions.yaml

# 输出原始 JSON
cold-msg generate "孙七，前端架构师" --raw

cold-msg web - 启动 Web 界面

cold-msg web

参数：

参数	缩写	说明
--host	-h	监听地址（默认 127.0.0.1）
--port	-p	监听端口（默认 6060）
--config	-c	指定配置文件路径
--env	-	指定 .env 文件路径
--debug/--no-debug	-	调试模式

示例：

# 指定端口
cold-msg web -p 8080

# 对外开放
cold-msg web --host 0.0.0.0 --port 8080 --no-debug

cold-msg config - 查看/管理配置

# 查看当前配置
cold-msg config show

# 初始化配置文件（生成 config.yaml）
cold-msg config init

# 修改配置项
cold-msg config set llm_model deepseek-chat
cold-msg config set sender_name "张经理"

参数：

参数	说明
ACTION	操作：show / init / set（默认 show）
KEY	配置键名（set 操作时使用）
VALUE	配置值（set 操作时使用）
--config / -c	指定配置文件路径

cold-msg jobs - 管理职位列表

# 查看职位列表
cold-msg jobs list

# 添加职位
cold-msg jobs add --title "大模型Agent领域技术VP" --qual "Agent，Agentic技术，博士" --loc "北上深"

# 从文件导入
cold-msg jobs import --file positions.yaml

# 导出职位列表
cold-msg jobs export --file jobs_backup.json

参数：

参数	缩写	说明
ACTION	-	操作：list / add / import / export（默认 list）
--title	-t	职位名称（add 时使用）
--qual	-q	任职要求（add 时使用）
--loc	-l	工作地点（add 时使用）
--file	-f	文件路径（import/export 时使用）
--config	-c	指定配置文件路径

cold-msg template - 管理邮件模板

# 查看当前模板
cold-msg template show

# 修改模板字段
cold-msg template set sender_name "李经理"
cold-msg template set greeting "尊敬的{FullName}，"

# 预览模板效果
cold-msg template preview

# 恢复默认模板
cold-msg template reset

模板字段列表：

字段	说明	支持的占位符
sender_name	发件人姓名	-
team_name	招聘团队名称	-
company_desc	公司描述	-
greeting	称呼/开头	{FullName}
intro	自我介绍	{TeamName}
body	职位推荐正文	{CompanyDesc}, {JobTitle}
location_line	职位地点行	{Location}
closing	结尾联系语	-
sign_off	祝颂语	-
signature	签名	-

---

Python 函数使用

ColdMsg 可作为 Python 库直接调用。

基本用法

from cold_msg import generate_cold_email

# 最简调用（自动加载配置）
result = generate_cold_email("张三，10年AI研发经验，精通大模型训练")

if result.match_job_title:
    print(f"推荐职位: {result.recommend_title}")
    print(f"邮件内容:\n{result.email_content}")
else:
    print("未匹配到合适职位")

自定义配置

from cold_msg import generate_cold_email
from cold_msg.core.config import ColdMsgConfig, JobPosition, EmailTemplate

# 自定义职位列表
jobs = [
    JobPosition(job_title="AI技术VP", qualification="大模型，Agent，博士", location="北上深"),
    JobPosition(job_title="编译器负责人", qualification="LLVM，MLIR，编译优化", location="北上深杭"),
]

# 自定义邮件模板
template = EmailTemplate(
    sender_name="王经理",
    team_name="核心技术招聘部",
    company_desc="全球领先科技公司",
    greeting="尊敬的{FullName}，",
    intro="我来自{TeamName}，通过行业渠道了解到您的专业背景。",
    body="我负责{CompanyDesc}的技术招聘，诚挚向您推荐\"{JobTitle}\"职位。",
    location_line="工作地点：{Location}",
    closing="期待与您进一步交流，欢迎留下联系方式。",
    sign_off="此致敬礼",
    signature="王经理",
)

# 使用自定义配置
cfg = ColdMsgConfig(
    sender_name="王经理",
    team_name="核心技术招聘部",
    company_desc="全球领先科技公司",
    llm_model="deepseek-chat",
    jobs=jobs,
    email_template=template,
)

result = generate_cold_email(
    resume_text="李四，8年编译器开发经验，精通LLVM和MLIR",
    cfg=cfg,
)

print(result.to_json())

使用自定义 Prompt

from cold_msg import generate_cold_email

# 通过 custom_prompt 覆盖默认的系统提示词
custom_prompt = """你是一位资深猎头，请根据候选人信息匹配最合适的职位，
并以专业但亲切的语气撰写一封中文招聘邮件。返回JSON格式：
{"match_job_title": true/false, "recommend_title": "", "email_content": ""}"""

result = generate_cold_email(
    resume_text="张三，10年AI研发经验",
    custom_prompt=custom_prompt,
)

从文件生成并保存

from pathlib import Path
from cold_msg.core.generator import generate_cold_email_from_file

result = generate_cold_email_from_file(
    resume_file=Path("resumes/zhangsan.txt"),
    output_dir=Path("output"),  # 匹配成功时结果保存到此目录
)

核心函数签名

generate_cold_email()

def generate_cold_email(
    resume_text: str,
    cfg: Optional[ColdMsgConfig] = None,
    jobs: Optional[list[JobPosition]] = None,
    email_template: Optional[EmailTemplate] = None,
    custom_prompt: Optional[str] = None,
    model: Optional[str] = None,
) -> ColdEmailResult

参数说明：

参数	类型	说明
resume_text	str	候选人简历文本（必填）
cfg	ColdMsgConfig	配置实例，为 None 时自动加载
jobs	list[JobPosition]	职位列表，为 None 时使用配置中的列表
email_template	EmailTemplate	邮件模板，为 None 时使用配置中的模板
custom_prompt	str	自定义提示词，覆盖默认系统提示词
model	str	指定 LLM 模型名称

返回值： ColdEmailResult

字段	类型	说明
match_job_title	bool	是否匹配到职位
recommend_title	str	推荐职位名称
email_content	str	生成的邮件内容
raw_response	`dict	None`

方法：

方法	说明
to_dict()	转为字典
to_json(indent=2)	转为 JSON 字符串
from_llm_response(data)	从 LLM 返回的字典构建实例（类方法）

generate_cold_email_from_file()

def generate_cold_email_from_file(
    resume_file: Path,
    output_dir: Optional[Path] = None,
    cfg: Optional[ColdMsgConfig] = None,
    jobs: Optional[list[JobPosition]] = None,
    model: Optional[str] = None,
) -> ColdEmailResult

从简历文件读取文本并生成邮件。当 output_dir 不为 None 且匹配成功时，结果以 {stem}.json 保存到指定目录。

build_prompt()

def build_prompt(
    resume_text: str,
    jobs: list[JobPosition],
    email_template: Optional[EmailTemplate] = None,
    custom_prompt: Optional[str] = None,
) -> str

构建完整的 LLM Prompt。Prompt 由以下部分组成：

1. 候选人信息 - 简历文本
2. 系统提示词 - 默认或自定义（custom_prompt）
3. 邮件示例 - 基于 EmailTemplate 生成，保留 {FullName}、{JobTitle}、{Location} 作为 LLM 填充的占位符
4. 内容要求 - 默认的邮件撰写规范（结构、语言风格、禁用词等）
5. 职位列表 - 格式化的职位信息

call_llm()

def call_llm(
    prompt: str,
    cfg: ColdMsgConfig,
    model: Optional[str] = None,
) -> dict

调用 LLM 并返回解析后的字典。内部处理流程：

1. 通过 llmdog.chat() 发送 Prompt
2. 清理响应（移除 markdown 代码块标记）
3. 安全解析 JSON
4. 调用失败时返回空字典 {}

配置相关函数

from cold_msg.core.config import load_config, save_config, load_jobs_from_file

# 加载配置（自动搜索 .env 和 config.yaml）
cfg = load_config()

# 指定文件加载
cfg = load_config(env_file=Path(".env"), config_file=Path("config.yaml"))

# 保存配置
path = save_config(cfg)  # 默认保存到 ./config.yaml
path = save_config(cfg, config_file=Path("my_config.yaml"))

# 从外部文件加载职位列表（支持 yaml/json）
jobs = load_jobs_from_file(Path("positions.yaml"))

历史消息 API

from cold_msg.core.history import (
    HistoryRecord, load_history, save_history,
    add_record, update_record, delete_record,
    get_record, search_records,
)

# 加载历史记录
records = load_history()  # 默认从 ./history.json 加载
records = load_history(Path("/path/to/history.json"))  # 指定路径

# 新增记录
record = add_record(
    records,
    candidate_name="张三",
    job_title="AI技术VP",
    email_content="您好张三，...",
    match_job_title=True,
    resume_text="张三，10年AI经验...",
)

# 搜索记录（分页）
result = search_records(records, keyword="张三", page=1, page_size=50)
# 返回: {"records": [...], "total": int, "page": int, "page_size": int, "total_pages": int}
# 搜索范围：title、candidate_name、job_title、email_content
# 默认按 created_at 降序排列，page_size 最大 50

# 获取单条记录
record = get_record(records, record_id="a1b2c3d4e5f6")

# 更新记录（仅更新传入的非 None 字段）
updated = update_record(records, record_id="a1b2c3d4e5f6", candidate_name="张三丰")

# 删除记录
success = delete_record(records, record_id="a1b2c3d4e5f6")

# 手动保存
save_history(records)

---

数据模型

ColdMsgConfig - 完整配置

字段	类型	默认值	说明
sender_name	str	"Michael"	发件人姓名
team_name	str	"高端招聘团队"	招聘团队名称
company_desc	str	"国际知名大型科技公司"	公司描述
llm_model	str	"deepseek-v3.1-terminus"	LLM 模型名称
flask_host	str	"127.0.0.1"	Web 服务监听地址
flask_port	int	6060	Web 服务监听端口
flask_debug	bool	True	调试模式
jobs	list[JobPosition]	[]	职位列表
email_template	EmailTemplate	EmailTemplate()	邮件模板
config_dir	Path	Path.cwd()	配置目录

JobPosition - 职位信息

字段	类型	说明
job_title	str	职位名称
qualification	str	任职要求
location	str	工作地点

EmailTemplate - 邮件模板

字段	类型	默认值	说明
sender_name	str	"Michael"	发件人姓名
team_name	str	"高端招聘团队"	招聘团队名称
company_desc	str	"国际知名大型科技公司"	公司描述
greeting	str	"您好{FullName}，"	称呼/开头
intro	str	(见代码)	自我介绍
body	str	(见代码)	职位推荐正文
location_line	str	"职位地点： {Location}"	职位地点行
closing	str	(见代码)	结尾联系语
sign_off	str	"祝颂商祺"	祝颂语
signature	str	"Michael"	签名

ColdEmailResult - 生成结果

字段	类型	默认值	说明
match_job_title	bool	False	是否匹配到职位
recommend_title	str	""	推荐职位名称
email_content	str	""	生成的邮件内容
raw_response	`dict	None`	None

HistoryRecord - 历史消息记录

字段	类型	默认值	说明
id	str	""	唯一标识（12位hex）
title	str	""	标题（候选人姓名 + 职位）
candidate_name	str	""	候选人姓名
job_title	str	""	推荐职位
email_content	str	""	邮件内容
match_job_title	bool	False	是否匹配到职位
resume_text	str	""	原始简历文本
created_at	str	""	创建时间（ISO 格式）
updated_at	str	""	更新时间（ISO 格式）

---

配置说明

配置优先级

从高到低：

1. 环境变量
2. .env 文件
3. 配置文件（./config.yaml）
4. 内置默认值

环境变量

环境变量	对应配置项	说明
COLDMSG_SENDER_NAME	sender_name	发件人姓名
COLDMSG_TEAM_NAME	team_name	招聘团队名称
LLM_MODEL	llm_model	LLM 模型名称
FLASK_HOST	flask_host	Web 服务监听地址
FLASK_PORT	flask_port	Web 服务监听端口
FLASK_DEBUG	flask_debug	调试模式（1/true/yes）

注意：company_desc、jobs、email_template 目前仅支持通过配置文件设置，不支持环境变量。

配置文件格式（config.yaml）

sender_name: "Michael"
team_name: "高端招聘团队"
company_desc: "国际知名大型科技公司"
llm_model: "deepseek-v3.1-terminus"
flask_host: "127.0.0.1"
flask_port: 6060
flask_debug: true

jobs:
  - job_title: "大模型Agent领域技术VP"
    qualification: "Agent，Agentic技术，博士，5年+经验"
    location: "北上深，香港等"
  - job_title: "编译器实验室技术负责人"
    qualification: "编译器技术精通，MLIR，LLVM，GCC，AI编译等"
    location: "北上深杭，香港等"

email_template:
  sender_name: "Michael"
  team_name: "高端招聘团队"
  company_desc: "国际知名大型科技公司"
  greeting: "您好{FullName}，"
  intro: "我来自{TeamName}，很冒昧的给您发邮件。通过Linkedin了解到您，了解到您在XXX, XXX等方向有丰富经验。"
  body: "我负责{CompanyDesc}招聘，非常希望邀请到您这样的人才在此向您推荐\"{JobTitle}\"的职位。负责带领技术团队攻克更多XXX，XXX技术难题，进一步提升您在行业内的影响力。"
  location_line: "职位地点： {Location}"
  closing: "如果您有兴趣具体了解的话，可以留个电话或者微信，给您详细介绍一下，期待与您的沟通~"
  sign_off: "祝颂商祺"
  signature: "Michael"

职位列表文件格式

支持 YAML 和 JSON 两种格式，也兼容 JobTitle/Qualification/Location 首字母大写的键名：

YAML 格式（positions.yaml）：

jobs:
  - job_title: "AI算法研究员"
    qualification: "深度学习，NLP，博士优先"
    location: "北京，上海"
  - job_title: "云原生架构师"
    qualification: "Kubernetes，微服务，5年+经验"
    location: "深圳，杭州"

JSON 格式（positions.json）：

{
  "jobs": [
    {
      "job_title": "AI算法研究员",
      "qualification": "深度学习，NLP，博士优先",
      "location": "北京，上海"
    }
  ]
}

提示：职位列表文件也支持 positions 作为顶层键名，以及 JobTitle/Qualification/Location 首字母大写的字段名。

历史消息存储

历史消息保存在运行目录下的 history.json 文件中，项目启动时自动加载，不存在则为空。格式如下：

[
  {
    "id": "a1b2c3d4e5f6",
    "title": "张三 - AI技术VP",
    "candidate_name": "张三",
    "job_title": "AI技术VP",
    "email_content": "您好张三，...",
    "match_job_title": true,
    "resume_text": "张三，10年AI研发经验...",
    "created_at": "2026-07-17T20:00:00.000000",
    "updated_at": "2026-07-17T20:00:00.000000"
  }
]

注意：通过 Web 界面生成邮件时，匹配成功的邮件会自动保存到历史记录，但候选人姓名默认为空，需在历史消息页面手动编辑补充。

---

Web 界面

Web 界面提供 4 个页面：

页面	路由	功能
生成邮件	/	输入候选人简历文本，一键生成冷邮件，支持复制邮件内容和 JSON
职位管理	/jobs	新增、编辑、删除职位，YAML 导入导出
历史消息	/history	查看已生成邮件记录，搜索、编辑、删除、复制邮件内容
邮件模板配置	/config	自定义邮件模板各字段，实时预览效果

Web API

邮件生成

路由	方法	请求体	响应
/api/generate	POST	{"resume_text": "...", "jobs?": [...], "email_template?": {...}, "model?": "..."}	{"match_job_title": bool, "recommend_title": "", "email_content": "", "raw_response": {}}

配置管理

路由	方法	请求体	响应
/api/config	GET	-	完整配置字典
/api/config	POST	{"llm_model?": "...", "jobs?": [...], "email_template?": {...}}	{"message": "配置已保存: ..."}

职位管理

路由	方法	请求体	响应
/api/jobs	GET	-	{"jobs": [...]}
/api/jobs	POST	{"jobs": [...]}	{"message": "已更新 N 个职位"}
/api/jobs/import-yaml	POST	{"yaml_text": "..."}	{"message": "...", "imported": N, "total": N}

邮件模板

路由	方法	请求体	响应
/api/email-template	GET	-	{"email_template": {...}}
/api/email-template	POST	{"email_template": {...}}	{"message": "...", "email_template": {...}}
/api/email-template/preview	POST	{"email_template?": {...}}	{"preview": "..."}

历史消息

路由	方法	请求体	响应
/api/history	GET	- (查询参数: keyword, page, page_size)	{"records": [...], "total": N, "page": N, "page_size": N, "total_pages": N}
/api/history	POST	{"candidate_name": "...", "job_title": "...", "email_content": "...", ...}	HistoryRecord 字典 (201)
/api/history/<id>	GET	-	HistoryRecord 字典
/api/history/<id>	PUT	{"candidate_name?": "...", "job_title?": "...", ...}	HistoryRecord 字典
/api/history/<id>	DELETE	-	{"message": "已删除"}

---

项目架构

cold_msg/
├── __init__.py              # 包入口，导出 generate_cold_email, __version__
├── cli.py                   # CLI 命令行接口（Typer）
├── core/                    # 核心业务逻辑
│   ├── __init__.py          # 导出 ColdMsgConfig, load_config, generate_cold_email, build_prompt, call_llm
│   ├── config.py            # 配置管理（数据模型 + 加载/保存）
│   ├── generator.py         # 邮件生成器（核心业务入口）
│   ├── history.py           # 历史消息管理（增删改查 + 搜索）
│   ├── llm.py               # LLM 调用封装（基于 llmdog）
│   └── prompt.py            # Prompt 提示词构建
├── web/                     # Web 界面模块
│   ├── __init__.py
│   ├── app.py               # Flask 应用工厂（路由 + API）
│   └── templates/           # Jinja2 HTML 模板
│       ├── index.html       # 主页 - 邮件生成
│       ├── config.html      # 邮件模板配置页
│       ├── history.html     # 历史消息页
│       └── jobs.html        # 职位管理页
├── pyproject.toml           # 项目配置/构建文件
└── docs/
    └── CHANGELOG.md         # 变更记录

核心模块说明

模块	职责
core/config.py	定义 ColdMsgConfig、JobPosition、EmailTemplate 数据类；提供 load_config()/save_config()/load_jobs_from_file() 函数；支持环境变量、.env、YAML 多级配置
core/generator.py	核心入口函数 generate_cold_email() 和 generate_cold_email_from_file()，组合配置、Prompt、LLM 调用生成邮件；定义 ColdEmailResult 结果类
core/prompt.py	将候选人简历、职位列表、邮件模板组合为完整 LLM Prompt；定义默认系统提示词、邮件示例和内容要求；提供 build_prompt() 函数
core/llm.py	封装 llmdog 库调用；提供 call_llm() 函数；内部处理响应清理（移除 markdown 代码块标记）和安全 JSON 解析
core/history.py	历史消息的加载、保存、增删改查和搜索；定义 HistoryRecord 数据类；数据持久化到 history.json；提供 search_records() 分页搜索
web/app.py	Flask 应用工厂 create_app()；定义所有页面路由和 REST API；启动时自动加载 history.json；生成邮件后自动保存历史记录
cli.py	基于 Typer 的 CLI 工具；提供 generate/web/config/jobs/template 五个子命令

数据流

候选人简历文本
    │
    ▼
build_prompt()  ◄── 职位列表 + 邮件模板 + 系统提示词
    │
    ▼
call_llm()  ◄── llmdog → LLM API
    │
    ▼
ColdEmailResult  ──► 自动保存到 history.json（仅 Web 模式）
    │
    ▼
CLI 输出 / Web 页面展示

技术栈

层面	技术
语言	Python 3.10+
后端框架	Flask 3.0+
CLI 框架	Typer 0.9+（配合 Rich 美化输出）
LLM 调用	llmdog 0.0.3+
前端	Tailwind CSS (CDN) + 原生 JavaScript
配置管理	PyYAML + python-dotenv
数据模型	Python dataclass
数据持久化	YAML（配置）+ JSON（历史记录）
代码检查	Ruff（line-length=100）
测试	pytest

---

常见问题

生成邮件时报错 "LLM 调用失败"

请检查：

1. 是否已正确配置 llmdog 的 API Key
2. 网络是否能访问 LLM API 服务
3. 模型名称是否正确（可通过 cold-msg config set llm_model <model> 修改）

生成结果显示 "未匹配到合适职位"

可能原因：

1. 职位列表为空 - 请先通过 cold-msg jobs add 或 Web 界面添加职位
2. 候选人背景与现有职位不匹配 - 尝试添加更多相关职位

Web 界面无法访问

1. 确认服务已启动：cold-msg web
2. 检查端口是否被占用：cold-msg web -p 8080 尝试其他端口
3. 如需远程访问，使用 --host 0.0.0.0

历史消息中候选人姓名为空

通过 Web 界面生成邮件时，候选人姓名默认为空（因为 LLM 返回结果中不包含结构化的姓名字段）。请在历史消息页面点击编辑按钮手动补充候选人姓名。

---

开发

运行测试

pip install -e ".[dev]"
pytest

代码检查

ruff check .
ruff format .

项目配置

代码风格和构建配置见 pyproject.toml：

• Ruff: line-length = 100, target-version = "py310"
• Python: >= 3.10
• 入口点: cold-msg = "cold_msg.cli:app"

---

免责声明

1. 本工具仅供合法的招聘沟通用途。使用者应确保所发送的邮件内容符合当地法律法规，不得用于垃圾邮件、骚扰或任何违法用途。

2. AI 生成内容可能存在不准确之处。本工具通过大语言模型自动生成邮件内容，生成结果可能包含事实性错误、措辞不当或其他不适宜内容。使用者应在发送前仔细审核邮件内容，对最终发出的邮件承担全部责任。

3. 候选人隐私保护。使用本工具处理候选人简历信息时，应遵守相关隐私保护法律法规（如《个人信息保护法》等），确保候选人信息的收集、使用和存储符合法律要求。

4. LLM API 使用。本工具依赖第三方大语言模型 API 服务，API 的可用性、稳定性和数据安全由相应服务提供商负责。使用者应自行评估并遵守 API 服务商的使用条款和隐私政策。

5. 数据安全。本工具将历史记录保存在本地 history.json 文件中，配置保存在 config.yaml 中。这些文件可能包含候选人简历等敏感信息，使用者应自行负责安全保管，避免敏感信息泄露。建议不要将这些文件提交到公开的版本控制仓库。

6. 无担保声明。本工具按"原样"提供，不作任何明示或暗示的担保，包括但不限于适销性、特定用途的适用性和非侵权性。在任何情况下，作者或版权持有人均不对因使用本工具而产生的任何索赔、损害或其他责任负责。

---

License

MIT