BOSS 直聘 · HR 智能体技能包

[!NOTE] 由 7 个 AI 智能体 Skill 组成，基于 patchright + CDP 直连真实 Edge 浏览器（共享 wt2/zp_at/bst cookie），实现 BOSS 直聘简历筛选的全流程自动化：从岗位到可视化报告，一键搞定。

统一入口 CLI boss-hr：所有 Agent / 用户通过 boss-hr 命令（boss-hr start / confirm / fetch / score / report / greet / status）调用本工具包。禁止直接调用底层脚本。详见 boss-hr-auto/SKILL.md。

自包含：不依赖第三方 BOSS CLI。所有 BOSS HTTP 调用走浏览器内 fetch（自动带 cookie + TLS 指纹），岗位查询走 shared/recruiter_job_catalog.py，登录检测走 shared/cdp_preflight.py。

当前发布形态：GitHub 源码工具包 + editable install（pip install -e .）。不是独立 wheel，不依赖移动源码后仍能运行。移动源码后必须重新 pip install -e . 才能继续使用 boss-hr 命令。

📑 目录

• ✨ 这是什么
• 🎯 核心能力
• 🧩 技能一览与工作流
• 🚀 快速开始
• 🧠 评分系统
• 🛡️ 安全与风控
• 📂 项目结构
• 📤 输出文件
• ⚙️ 环境变量
• 🔗 相关链接

🚀 快速开始（CLI 工作流）

前置：Windows + Python 3.10+ + Edge 浏览器 + pip install -e . 安装本工具包。

v1.1.2 自动恢复：不需要预先手动启动 Edge，也不需要预先跑 boss-hr doctor。直接 boss-hr start 即可：

• 9222 已开 + 已登录 → 立即进入业务；
• 9222 未开 → 自动启动专用 Edge （%LOCALAPPDATA%\boss-hr-edge-profile + --remote-debugging-port=9222， 不污染日常 Edge profile）；
• 自动启动后未登录 → 自动打开 BOSS 招聘者登录页，轮询等待（默认 20s）；
• 超时未登录 → 返回 status=waiting_user_login（不是错误）， next_action=retry_same_command，不创建 run；
• 用户在专用 Edge 窗口内登录后，重试同一条 start 即可继续。

boss-hr doctor 仍是独立诊断工具，但不再是 start 的必经前置。

git clone https://github.com/<owner>/boss-hr-agent-toolkit
cd boss-hr-agent-toolkit
python -m pip install -e .

# 验证安装
boss-hr --help          # 应列 8 个公开命令（含 doctor）
python -m boss_hr --help # 等价入口

完整 8 命令工作流（详见 docs/CLI_WORKFLOW.md）：

# 1. 直接创建新 run（停在人工确认门；v1.1.2 自动启动 Edge + 等登录）
boss-hr start "<encryptJobId|jobId|岗位名>" \
  --job-name "<岗位名>" --encrypt-job-id "<id>"
# → status=waiting_user_confirmation，run_id=...
# → 智能体停下，告知用户在 BOSS 推荐牛人页面调整筛选条件
# 若 start 返回 status=waiting_user_login：智能体停下，告知用户在专用
# Edge 中登录后重试同一条 start

# 用户回复"继续"后：
# 2. confirm + fetch
boss-hr confirm --job-name "<>" --encrypt-job-id "<>" --run-id "<rid>"
boss-hr fetch   --job-name "<>" --encrypt-job-id "<>" --run-id "<rid>" --count N

# 3. score 循环（LLM 评一位 → 再调一次相同 score → scoring_complete）
boss-hr score   --job-name "<>" --encrypt-job-id "<>" --run-id "<rid>"
# → 读返回的 input_file、按 resume-screener/SKILL.md 评 4 维度（不评 edu）、
#   写 output_file、再调一次相同的 score
boss-hr score   --job-name "<>" --encrypt-job-id "<>" --run-id "<rid>"
# → status=scoring_complete

# 4. report
boss-hr report  --job-name "<>" --encrypt-job-id "<>" --run-id "<rid>"

# 5.（可选 + 用户明确批准时）greet — 这是**真实写操作**
boss-hr greet   --job-name "<>" --encrypt-job-id "<>" --run-id "<rid>"

# 6. 任意时点查看当前 run 状态
boss-hr status  --job-name "<>" --encrypt-job-id "<>" --run-id "<rid>"

⚠️ 当前限制（GitHub 首版）：

• 不支持 continue / batch / 多批累计
• 真实 greet 成功点击（≥70 分候选人实际点击发送）尚未完成受控验证
• 仅在 Windows 上完整验证过；macOS / Linux 需自测

✨ 这是什么

你有一个岗位，剩下的交给 AI：

   岗位          →   AI 自动提取 JD   →   自动下载候选人简历   →   自动评分排名   →   自动打招呼 + 可视化报告
(一句话需求)        (boss-job-detail)      (boss-recommend-downloader)    (resume-screener)     (boss-hr-greet + html-report)

一句话概括： AI 帮你在几十份简历中，几分钟内筛出最匹配的那几个，自动给高分候选人打招呼，并告诉你该和每个人聊什么。

🎯 核心能力

🚪 boss-hr-auto 是唯一入口，其余 Skill 是其子步骤。使用时始终从 boss-hr-auto 开始。

🆕 v2 接口（2026-07-29+）：6 个 CLI 脚本全部接受 --encrypt-job-id（或 env BOSS_HR_ENCRYPT_JOB_ID），目录名从中文岗位名改为 BOSS 的 encryptJobId。详见 📤 输出文件 章节。

🧩 技能一览与工作流

工作流示意图

flowchart LR
    A[岗位需求] --> B[boss-job-detail<br/>提取 JD]
    B --> C[boss-recommend-downloader<br/>推荐牛人列表 + 在线简历]
    C --> D[resume-screener<br/>LLM 评分 + 公式重算]
    D --> E[html-report<br/>可视化报告]
    D --> F[boss-hr-greet<br/>≥70 自动打招呼]
    B -.->|查询岗位| G[(shared/recruiter_job_catalog<br/>BOSS 后端 API)]
    B -.->|登录自检| H[(shared/cdp_preflight<br/>zp_at/wt2/bst cookie)]
    G -.->|浏览器内 fetch| I[Edge CDP 9222]
    H -.->|patchright| I

虚线箭头表示底层依赖：boss-job-detail 通过 recruiter_job_catalog 查岗位列表， 每个 Step 入口通过 cdp_preflight 自检登录态；二者都通过 patchright 连到本地 Edge 9222 端口（共享同一份 wt2/zp_at/bst cookie）。

🚀 快速开始

无需打包任何二进制文件。 以下全部通过包管理器安装，浏览器用系统自带的即可。

前置依赖

1. 安装

# Python 依赖（patchright 是唯一第三方依赖）
pip install patchright

2. 启动 CDP 浏览器（v1.1.2 通常由 start 自动启动）

正常流程无需手动启动：boss-hr start 会自动启动专用 Edge （%LOCALAPPDATA%\boss-hr-edge-profile + --remote-debugging-port=9222）， 并在专用 Edge 中打开 BOSS 登录页等待登录。

仅当自动启动失败、或你希望手动控制时，使用下面命令：

Windows（推荐自带 Edge）：

Start-Process "msedge" -ArgumentList `
  "--remote-debugging-port=9222", `
  "--user-data-dir=$env:LOCALAPPDATA\boss-hr-edge-profile"

macOS / Linux：

google-chrome \
  --remote-debugging-port=9222 \
  --user-data-dir="$HOME/.boss-hr-edge-profile"

3. 登录

在打开的 Edge 窗口里人工扫码登录 BOSS 招聘者，登录态会被 9222 端口的浏览器 session 持有。

v1.1.2 默认行为：start / fetch / greet 都会自动在专用 Edge 中打开 BOSS 登录页，等待用户登录后继续。boss-hr doctor 也支持 --launch-edge 手动启动专用 Edge。

验证脚本会自动检查 zp_at / wt2 / bst 三 cookie 是否齐全，无须手动命令。可以用 shared 模块快速自检：

from shared.cdp_preflight import connect_cdp, check_login
session = connect_cdp()        # 默认连 http://localhost:9222
print(check_login(session))    # {'logged_in': True/False, 'cookies': {...}, ...}

4. 开始使用

在智能体中调用：

@skill://boss-hr-auto 车架工程师

或直接说：

帮我筛选车架工程师的简历

🧠 评分系统

当前权重（5 维加权求和）

[!NOTE] 当前 resume-screener/scripts/score_resumes.py 已统一为单套 5 维权重（合计 100%）。如需区分岗位类型，建议在 WEIGHTS 常量上扩展，不要直接硬编码多套。

总分与档位

• weighted[d] = round(dims[d] * WEIGHTS[d], 2)
• total = round(sum(weighted.values()), 1)
• 档位阈值：>= 70 → 推荐　>= 60 → 待定　否则 → 不推荐
• 全部逻辑在 resume-screener/scripts/score_resumes.py，由 tests/ 下的单元测试用例覆盖：python -m pytest tests/

学历分档表

[!IMPORTANT] 学历评分必须严格执行分档表，禁止给所有人相同分数。

行动建议规则

输出格式：📊 排名表（含 5 维加权分）+ 📋 每人评分依据 + 🎯 个性化行动建议

• 推荐面试：每人必须写「候选人背景」+「沟通方向」
• 待沟通确认：每人必须写「优势」+「需确认问题」
• ❌ 禁止所有人使用相同的沟通方向

🛡️ 安全与风控

推荐牛人下载

通用规则

• ❌ 不自动发消息（CLI 权限不足）
• ✅ 批量操作间隔随机延迟
• ✅ 增量同步（已下载简历自动跳过）
• ✅ Cookie 优先从浏览器本地提取

风控检测维度

📂 项目结构

boss-hr-agent-toolkit/
├── README.md                          # 本文件
├── FILE_MANAGEMENT.md                 # 文件管理规范
├── .gitignore
│
├── boss-hr-auto/                      # 🚪 全流程编排（唯一入口，纯文档）
│   └── SKILL.md                        # 智能体按此文档顺序调用各子 Skill 脚本
│
├── boss-job-detail/                   # Step 1：JD 提取
│   ├── SKILL.md
│   └── scripts/boss_jd.py
│
├── boss-recommend-downloader/         # Step 2：推荐牛人列表 + 在线简历
│   ├── SKILL.md
│   └── scripts/
│       ├── recommend_list.py          # 获取候选人列表
│       ├── recommend_download.py      # 批量获取简历（patchright + fetch）
│       └── run_all.py                 # 一键运行（list + download）
│
├── resume-screener/                   # Step 3：评分系统
│   ├── SKILL.md
│   └── scripts/
│       ├── score_resumes.py           # 加权评分 + 分档校准
│       └── school_tier.py             # 学历分档表
│
├── html-report/                       # Step 4：报告生成
│   ├── SKILL.md
│   ├── scripts/generate_html_report.py
│   └── templates/report.html
│
├── boss-hr-greet/                     # Step 5：自动打招呼（主流程自动触发）
│   ├── SKILL.md
│   └── scripts/auto_greet.py          # 位置表 + 倒序招呼
│
├── shared/                            # 共享工具
│   ├── output_manager.py              # 统一文件路径管理
│   ├── run_orchestrator.py            # 跨 Step run_id 编排
│   ├── job_resume_store.py            # 候选人键 + 状态读写 + 简历合并
│   ├── human_interaction.py           # 拟人鼠标移动
│   └── fix_encoding.py                # 编码修复
│
└── tests/                             # 单元测试
    ├── conftest.py
    ├── test_school_tier.py
    └── test_score_resumes.py

📤 输出文件（新设计 · 2026-07-29+）

目录名 = BOSS 的 encryptJobId（不再是中文岗位名）。job_name（中文岗位名）只作为 jobs.json 里的可读元数据。这样做的核心原因：避免中文路径在 URL/文件 IO 里的编码翻车；6 个 CLI 脚本统一通过 --encrypt-job-id（或 env BOSS_HR_ENCRYPT_JOB_ID）透传给 JobOutputManager，路径选择集中在 shared 层。

~/Desktop/boss-hr-output/                         # 工作区根（可用 BOSS_HR_OUTPUT_DIR 改）
├── jobs.json                                      # JobRegistry：encryptJobId → {name, company}
└── <encryptJobId>/                                # 例如 9a7759badfd95d350nFz3d-_F1NX
    ├── state/                                     # 跨 run 保留（不覆盖）
    │   ├── candidate_pool.json
    │   ├── download_state.json
    │   ├── resumes_master.json                    # 累计简历（含 _meta）
    │   ├── collection_state.json
    │   ├── scored_state.json
    │   ├── geek_positions.json
    └── runs/                                       # 每次筛选任务一个 run_id 子目录
        └── <run_id>/
            ├── <run_id>_screening_report.html     # 最终 HTML 报告
            └── process/                            # 过程文件（留痕查阅）
                ├── job_detail.json                 # Step 1 输出
                ├── recommend_geek_ids.json         # Step 2a 输出
                ├── new_resumes.json                # Step 2b 输出
                ├── scoring/                        # Step 3a 净化层输出
                │   ├── manifest.json
                │   ├── inputs/candidate_<geek_id>.json
                │   └── outputs/candidate_<geek_id>.json
                ├── _llm_scores.json                # Step 3b collect 合并产物
                ├── screening_results.json          # Step 3c score 收尾产物
                ├── failed_resumes.json
                └── greet_log.json                  # Step 5 输出

🚨 严格模式（缺 --encrypt-job-id 直接报错）

6 个 CLI 脚本（boss_jd.py / recommend_list.py / recommend_download.py / score_resumes.py / generate_html_report.py / auto_greet.py）必须传 --encrypt-job-id（或 env BOSS_HR_ENCRYPT_JOB_ID）。缺则：

ValueError: 缺少 encrypt_job_id。
  传 --encrypt-job-id，或设置 env BOSS_HR_ENCRYPT_JOB_ID

不会静默回退到中文目录名——避免你以为跑了新路径、实际又落到中文路径的事故。

[!TIP]

• 禁止在桌面散落文件；HTML 报告放 run 目录（文件名含 run_id，永不覆盖历史），中间数据放 process/
• 临时 Python 脚本任务结束后删除
• 复用 skill 内已有的 Python 脚本，禁止重复造轮子
• 同一 job 的 5 步脚本必须传同一个 --encrypt-job-id 和 --run-id

详见 FILE_MANAGEMENT.md。

⚙️ 环境变量

🔗 相关链接

• patchright — Playwright 分支（CDP 浏览器控制）

📄 License

MIT