ColdMsg — 招聘冷邮件智能生成工具

喂给它一份简历，它帮你写好一封招聘邮件。

ColdMsg 是一个招聘助手。你把候选人的简历文本丢给它，它会自动判断这个人适合你哪个岗位，然后帮你写好一封可以直接发送的招聘推介邮件（Cold Email）。支持命令行和 Web 界面两种用法。

---

它解决什么问题？

想象你是一个猎头，手里有 10 个待招的岗位，每天要翻上百份简历。每看到一位合适的候选人，你都要：

1. 琢磨他适合哪个岗位
2. 打开邮箱，从头写一封推介邮件
3. 措辞、语气、结构都要拿捏好

这件事重复、耗时、还容易写得很套话。ColdMsg 就是把这三步打包交给 AI 来做——你只管贴简历，它帮你匹配岗位 + 写邮件。

---

它是怎么工作的？

用一个类比来理解：ColdMsg 像一个很会写招聘信的实习生。

你交给这个实习生三样东西：

• 候选人的简历（一张纸）
• 你在招的岗位清单（一张表）
• 你希望邮件长什么样的模板（一份范文）

实习生会：

1. 读简历，对照岗位清单，判断这人适合哪个岗
2. 按照你给的范文风格，写一封完整的邮件
3. 把写好的邮件交给你

背后的流程是这样的：

你的简历 ──┐
           │
岗位清单 ──┤── 拼成一段"提示词" ──► 交给大模型 ──► 大模型返回 JSON
           │                                          │
邮件模板 ──┘                                          ▼
                                            ┌─────────────────┐
                                            │ 是否匹配到岗位？  │
                                            │ 推荐的岗位名称    │
                                            │ 写好的邮件正文    │
                                            └─────────────────┘

大模型（LLM）是"大脑"，负责理解和写作；ColdMsg 是"秘书"，负责把材料整理好递给大脑、再把大脑的回复整理好还给你。

---

功能特性

• 智能匹配：根据候选人背景自动匹配最合适的岗位
• 邮件生成：一键生成完整、可直接发送的招聘推介邮件
• 中英双语：支持中文 / 英文邮件，模板与提示词同步切换
• 模板自定义：称呼、正文、结尾、签名等 10 个字段均可自定义
• 职位管理：增删改查、启用/禁用、统计摘要、YAML 导入
• 历史消息：自动保存生成记录，支持搜索、分页、编辑、删除
• LLM 配置：Web 界面可配置模型 / API Key / API URL，支持连接测试
• 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 -e .

安装后即可使用 cold-msg 命令。

配置 LLM

ColdMsg 通过 llmdog 库调用大模型。最简单的方式是设置环境变量：

# 以 OpenAI 为例
export LLM_API_KEY="sk-xxx"
export LLM_API_URL="https://api.openai.com/v1"
export LLM_MODEL="gpt-4o"

也可以在 Web 界面的「LLM 配置」页面填写（详见下文）。

启动 Web 界面

cold-msg web

浏览器打开 http://127.0.0.1:6060，在首页粘贴简历，点「生成邮件」即可。

命令行生成

# 先添加一个岗位
cold-msg jobs add --title "首席撸猫专家" \
  --qual "撸猫界天花板，下巴挠挠耳后按摩信手拈来" \
  --loc "深圳"

# 贴上简历，生成邮件
cold-msg generate "李四，8年专业撸猫经验，精通英短、布偶、暹罗等15个品种"

---

命令行使用

ColdMsg 提供 5 个子命令：

命令	作用
generate	从简历生成冷邮件
web	启动 Web 界面
config	查看 / 管理配置
jobs	管理岗位清单
template	管理邮件模板

cold-msg generate — 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	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（JSON）
--raw	—	输出原始 JSON

# 指定模型和输出文件
cold-msg generate "王五，AI算法专家" -m gpt-4o -o result.json

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

cold-msg web — 启动 Web 界面

cold-msg web                    # 默认 127.0.0.1:6060
cold-msg web -p 8080            # 换端口
cold-msg web -h 0.0.0.0 --no-debug  # 对外开放，关调试

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

cold-msg config — 查看 / 管理配置

cold-msg config show                    # 查看当前配置
cold-msg config init                    # 生成 config.yaml
cold-msg config set email_lang en       # 切换为英文邮件
cold-msg config set flask_port 8080     # 改端口

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

cold-msg jobs — 管理岗位清单

cold-msg jobs list                                              # 查看所有岗位
cold-msg jobs add -t "高级遛狗专家" -q "3年以上遛狗经验" -l "上海"  # 添加岗位
cold-msg jobs import -f positions.yaml                          # 从文件导入
cold-msg jobs export -f jobs_backup.json                        # 导出为 JSON

参数	缩写	说明
ACTION	—	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

cold-msg template show                       # 查看模板
cold-msg template set sender_name "小美"      # 改发件人
cold-msg template set greeting "尊敬的{FullName}，"
cold-msg template preview                    # 预览效果
cold-msg template reset                      # 恢复默认

模板共 10 个字段：

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	—

占位符是什么？ 就像填空题。模板里写 {FullName}，生成邮件时大模型会把它替换成候选人的真实姓名。{TeamName} {CompanyDesc} {SenderName} 由系统自动替换，{FullName} {JobTitle} {Location} 由大模型根据匹配结果填充。

---

Python 库使用

ColdMsg 可作为 Python 库直接调用。

最简用法

from cold_msg import generate_cold_email

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

jobs = [
    JobPosition(job_title="首席撸猫专家", qualification="5年以上撸猫经验", location="深圳"),
    JobPosition(job_title="高级遛狗专家", qualification="3年以上遛狗经验", location="上海"),
]

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",
)

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",
    email_lang="zh",       # "zh" 中文 / "en" 英文
    jobs=jobs,
    email_template=template,
)

result = generate_cold_email(resume_text="李四，8年编译器开发经验", cfg=cfg)
print(result.to_json())

使用自定义 Prompt

from cold_msg import generate_cold_email

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,
    llm_config: Optional[LlmConfig] = None,
) -> ColdEmailResult

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
llm_config	LlmConfig	页面 LLM 配置，完整时覆盖 llmdog 默认配置

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	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）

build_prompt()

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

把简历、岗位清单、邮件模板拼成一段完整的提示词。提示词由 5 部分组成：

1. 候选人信息 — 简历原文
2. 系统提示词 — 告诉大模型"你是招聘邮件撰写专家"（中/英文两套）
3. 邮件示例 — 基于模板生成，保留 {FullName} {JobTitle} {Location} 让大模型填
4. 内容要求 — 邮件撰写规范（结构、语言风格、禁用词等）
5. 职位列表 — 格式化的岗位信息

call_llm()

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

调用大模型并返回解析后的字典。内部流程：发送 Prompt → 清理响应（移除 markdown 代码块）→ 解析 JSON → 失败返回 {}。

模型名优先级：调用方显式指定 > llm_config.model > cfg.llm_model > llmdog 默认值。

配置相关函数

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

cfg = load_config()                                    # 自动搜索 .env 和 config.yaml
cfg = load_config(env_file=Path(".env"), config_file=Path("config.yaml"))
path = save_config(cfg)                                # 默认保存到 ./config.yaml
jobs = load_jobs_from_file(Path("positions.yaml"))     # 支持 yaml/json

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,
)

records = load_history()                    # 从 ./history.json 加载

record = add_record(                        # 新增记录
    records,
    candidate_name="李四",
    job_title="首席撸猫专家",
    email_content="您好李四，...",
    match_job_title=True,
    resume_text="李四，8年专业撸猫经验...",
)

result = search_records(records, keyword="张三", page=1, page_size=50)
# {"records": [...], "total": int, "page": int, "page_size": int, "total_pages": int}
# 搜索范围：title / candidate_name / job_title / email_content
# 按 created_at 降序，page_size 最大 50

record = get_record(records, record_id="a1b2c3d4e5f6")
updated = update_record(records, record_id="a1b2c3d4e5f6", candidate_name="张三丰")
success = delete_record(records, record_id="a1b2c3d4e5f6")
save_history(records)

---

Web 界面

Web 界面提供 5 个页面：

页面	路由	功能
邮件生成	/	粘贴简历，一键生成冷邮件，支持复制
职位管理	/jobs	增删改查、启用/禁用、查看详情、载入示例、统计摘要
历史消息	/history	搜索、查看、编辑、删除生成记录
模板配置	/config	自定义邮件模板，中英双语切换，实时预览
LLM 配置	/llm-config	配置模型 / API Key / API URL，连接测试

职位管理页（/jobs）

• 统计栏：4 列统计 — 总职位 / 有效 / 已禁用 / 待完善
• 启用/禁用开关：禁用的岗位不参与邮件匹配
• 载入示例：一键填充创意示例岗位（首席撸猫专家、高级遛狗专家等）
• 查看详情：点击卡片打开模态框

模板配置页（/config）

• 10 个模板字段均可在线编辑
• 中英双语切换：切换时自动加载对应语言的默认模板
  • 中文：小美 / 喵星人人才寻访中心
  • 英文：Amy / Meow Talent Acquisition Center
• 实时预览渲染效果

LLM 配置页（/llm-config）

填写 model / api_key / api_url 三项，点击「测试连接」可验证是否可用。

配置优先级：页面配置（三项均非空）> llmdog 默认链（环境变量 > .llmdog.yaml > 内置默认值）。三项全空时回退到 llmdog 全局配置。

Web API

邮件生成

路由	方法	说明
POST /api/generate	生成邮件，成功时自动写入历史	请求体：{resume_text, jobs?, email_template?, llm_config?, model?}

配置管理

路由	方法	说明
GET /api/config	获取完整配置
POST /api/config	保存配置（合并更新）

职位管理

路由	方法	说明
GET /api/jobs	获取职位列表 + 统计摘要 {jobs, stats: {total, active, disabled, invalid}}
POST /api/jobs	整体更新职位列表（覆盖）
POST /api/jobs/import-yaml	从 YAML 文本导入（追加模式）

邮件模板

路由	方法	说明
GET /api/email-template	获取模板
POST /api/email-template	更新模板（合并更新）
POST /api/email-template/preview	预览模板（不保存）

LLM 配置

路由	方法	说明
GET /api/llm-config	获取 LLM 配置
POST /api/llm-config	保存 LLM 配置
POST /api/llm-config/test	测试连接（发送 ping，返回 {success, message, model, api_url, latency_ms}）

历史消息

路由	方法	说明
GET /api/history	列表（查询参数：keyword, page, page_size）
POST /api/history	新增记录
GET /api/history/<id>	获取详情
PUT /api/history/<id>	更新记录
DELETE /api/history/<id>	删除记录

---

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

company_desc、email_lang、jobs、email_template、llm_config 仅从 config.yaml 读取，不支持环境变量。

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）

配置文件（config.yaml）

首次运行时自动生成，完整示例：

sender_name: 小美
team_name: 喵星人人才寻访中心
company_desc: 国际领先宠物研究所
email_lang: zh              # "zh" 中文 / "en" 英文
llm_model: ''               # 兜底模型名，为空时用 llmdog 默认
flask_host: 127.0.0.1
flask_port: 6060
flask_debug: true

jobs:
  - job_title: 首席撸猫专家
    qualification: 撸猫界天花板，下巴挠挠耳后按摩信手拈来...
    location: 深圳
    enabled: true           # false 则不参与匹配

email_template:
  sender_name: 小美
  team_name: 喵星人人才寻访中心
  company_desc: 国际领先宠物研究所
  greeting: 您好{FullName}，
  intro: 我来自{TeamName}，很冒昧地给您发这封邮件...
  body: 我负责{CompanyDesc}的招聘工作...
  location_line: 职位地点：{Location}
  closing: 如果您有兴趣进一步了解...
  sign_off: 祝颂商祺
  signature: 小美

llm_config:                 # 三项均非空时覆盖 llmdog 默认配置；全空时省略此块
  model: gpt-4o
  api_key: sk-xxx
  api_url: https://api.openai.com/v1

职位列表文件格式

支持 YAML 和 JSON，兼容 JobTitle/Qualification/Location 首字母大写键名：

# 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
    enabled: true

// positions.json
{
  "jobs": [
    { "job_title": "AI算法研究员", "qualification": "深度学习，NLP", "location": "北京" }
  ]
}

也支持 positions 作为顶层键名。

历史消息存储

历史记录保存在 history.json：

[
  {
    "id": "a1b2c3d4e5f6",
    "title": "李四 - 首席撸猫专家",
    "candidate_name": "李四",
    "job_title": "首席撸猫专家",
    "email_content": "您好李四，...",
    "match_job_title": true,
    "resume_text": "李四，8年专业撸猫经验...",
    "created_at": "2026-07-17T20:00:00.000000",
    "updated_at": "2026-07-17T20:00:00.000000"
  }
]

通过 Web 生成邮件时，匹配成功的结果自动保存，候选人姓名默认为空，可在历史消息页手动补充。

---

数据模型

ColdMsgConfig — 完整配置

字段	类型	默认值	说明
sender_name	str	"小美"	发件人姓名
team_name	str	"喵星人人才寻访中心"	招聘团队名称
company_desc	str	"国际领先宠物研究所"	公司描述
email_lang	str	"zh"	邮件语言：zh / en
llm_model	str	""	LLM 模型名（兜底，为空时用 llmdog 默认）
flask_host	str	"127.0.0.1"	Web 监听地址
flask_port	int	6060	Web 监听端口
flask_debug	bool	True	调试模式
jobs	list[JobPosition]	(见代码)	职位列表
email_template	EmailTemplate	EmailTemplate()	邮件模板
llm_config	LlmConfig	LlmConfig()	LLM 页面配置
config_dir	Path	Path.cwd()	配置目录

JobPosition — 职位信息

字段	类型	默认值	说明
job_title	str	—	职位名称
qualification	str	—	任职要求
location	str	—	工作地点
enabled	bool	True	是否启用（False 时不参与匹配）

EmailTemplate — 邮件模板

字段	类型	默认值	说明
sender_name	str	"小美"	发件人姓名
team_name	str	"喵星人人才寻访中心"	招聘团队名称
company_desc	str	"国际领先宠物研究所"	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	"小美"	签名

LlmConfig — LLM 连接配置

字段	类型	默认值	说明
model	str	""	模型名称
api_key	str	""	API Key
api_url	str	""	API URL

三字段全空 → 回退到 llmdog 默认配置链；三字段均非空 → 以此配置为准。

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 + 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）

---

项目架构

cold_msg/
├── __init__.py              # 包入口，导出 generate_cold_email
├── cli.py                   # CLI 命令行接口（Typer）
├── core/                    # 核心业务逻辑
│   ├── 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）
│   ├── prompt.py            # Prompt 提示词构建（中/英文）
│   ├── llm.py               # LLM 调用封装（基于 llmdog）
│   └── history.py           # 历史消息管理（增删改查 + 搜索）
├── web/                     # Web 界面模块
│   ├── app.py               # Flask 应用工厂（路由 + API）
│   ├── templates/           # Jinja2 HTML 模板
│   │   ├── index.html       # 主页 - 邮件生成
│   │   ├── jobs.html        # 职位管理
│   │   ├── history.html     # 历史消息
│   │   ├── config.html      # 邮件模板配置
│   │   └── llm_config.html  # LLM 配置
│   └── static/              # CSS / JS 静态资源
├── pyproject.toml           # 项目配置 / 构建文件
├── config.yaml              # 运行时配置（自动生成）
└── history.json             # 历史记录（运行时生成）

核心模块说明

模块	职责
core/config.py	定义 ColdMsgConfig、JobPosition、EmailTemplate、LlmConfig 数据类；提供 load_config() / save_config() / load_jobs_from_file()；支持环境变量、.env、YAML 多级配置
core/generator.py	核心入口 generate_cold_email()，组合配置、Prompt、LLM 生成邮件；过滤禁用职位；定义 ColdEmailResult
core/prompt.py	将简历、职位列表、邮件模板拼成完整 Prompt；中/英文两套系统提示词与内容要求；提供 build_prompt()
core/llm.py	封装 llmdog 调用；提供 call_llm() / test_llm_connection()；支持 LlmConfig 覆盖默认配置；响应清理与 JSON 解析
core/history.py	历史消息的加载、保存、增删改查和分页搜索；定义 HistoryRecord；持久化到 history.json
web/app.py	Flask 应用工厂 create_app()；定义所有页面路由和 REST API；启动时加载历史；生成后自动保存历史
cli.py	基于 Typer 的 CLI；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（过滤禁用）+ 邮件模板 + 系统提示词（中/英）
    │
    ▼
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 0.1.0+
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=120）
类型检查	mypy
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 LLM 的 API Key（环境变量、.llmdog.yaml 或 Web 的 LLM 配置页）
2. 网络是否能访问 LLM API 服务
3. 模型名称是否正确（可在 Web LLM 配置页点击「测试连接」验证）

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 — 先通过 cold-msg jobs add 或 Web 界面添加职位
2. 所有职位都被禁用 — 在职位管理页打开启用开关
3. 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 生成邮件时，候选人姓名默认为空（LLM 返回结果中不包含结构化姓名）。请在历史消息页点击编辑手动补充。

中英双语怎么切换？

• CLI：cold-msg config set email_lang en
• Web：在「模板配置」页点击语言切换按钮，会自动加载对应语言的默认模板

---

开发

环境搭建

pip install -e ".[dev]"

运行测试

pytest
pytest --cov=cold_msg

代码检查

ruff check .          # lint
ruff check . --fix    # 自动修复
mypy cold_msg         # 类型检查

项目配置

代码风格和构建配置见 pyproject.toml：

• Ruff: line-length = 120, target-version = "py310"
• Python: >= 3.10
• 入口点: cold-msg = "cold_msg.cli:main"

---

免责声明

1. 本工具仅供合法的招聘沟通用途。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。发送前请仔细审核邮件内容，对最终发出的邮件承担全部责任。

3. 候选人隐私保护。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）。

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。

5. 数据安全。history.json 和 config.yaml 可能包含敏感信息，请妥善保管，建议不要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。

---

License

MIT