一个面向多种求职场景的本地求职运营工作台。项目将职位信息整理、简历匹配、职业画像、AI 辅助决策和求职进度记录集中到同一个 Flask Web 界面中，帮助使用者在本地完成信息分析与求职复盘。
本项目仅用于技术交流、学习研究和本地实验，不构成商业服务、招聘服务或平台运营工具。
- 通过受控浏览器流程采集公开可见的职位信息，并保存职位、公司、技能、福利和 JD 等数据。
- 支持职位列表分页、关键词搜索、HR 活跃状态、经验、学历、匹配分和跟进状态筛选。
- 支持自动补抓岗位 JD，并在任务启动前提示单次任务规模，避免高频、过量访问。
- 基于本地岗位库生成城市、薪资、经验、学历、行业、高频技能和 JD 完整率等分析视图。
- 支持导出岗位 CSV 与分析报告，便于后续在 Excel、Python 或 BI 工具中继续分析。
- 支持上传 PDF、DOCX、TXT、MD 简历并在本地提取文本。
- 从简历生成可编辑的匹配配置，包括目标岗位、技能、行业偏好与排除条件。
- 支持对历史岗位批量重新计算匹配度。
- 提供深度简历解读：简历质量、优势、风险与缺口、优先改进建议和求职策略。
- 自动生成职业画像，并以技能证据、实习/工作经历、项目经历、教育经历等结构化卡片展示。
- 职业画像可人工确认或在“高级编辑职业画像”中修改后保存，后续 AI 面试会使用确认后的版本。
- 对部分兼容模型不稳定的 JSON 输出提供文本兼容模式，避免因格式问题中断简历解读。
- 采用国内模型优先的 AI 配置：内置 DeepSeek、通义千问/阿里云百炼、Kimi、百度千帆、智谱 GLM、MiniMax 和本地 Ollama 预设；同时保留其他 OpenAI 兼容服务与 OpenAI Responses API。
- 选择预设后会自动填入推荐的协议、Base URL 和模型名，用户只需填写对应服务商的 API Key；模型名和 Base URL 仍可按控制台配置修改。
- 保存配置后会自动发起一次不包含简历、岗位数据的短连接测试，并显示“未验证 / 验证成功 / 验证失败”状态；可随时单独重新测试。
- 支持岗位 AI 评价：推荐理由、风险点和行动建议。
- 招呼语会针对每个岗位，结合已入库 JD、已保存的简历职业画像和简历原文事实生成；支持人工编辑、重新生成、保存与复制。
- 可从岗位详情发起 AI 模拟面试，当前支持：综合初面、专业技能面、项目深挖、HR 面、压力追问。
- 模拟面试支持逐轮回答、即时反馈与结束复盘；记录仅保存于本地数据库，不会发送到任何招聘平台。
- 支持将岗位加入待处理队列，并手动维护投递状态、投递时间、渠道、简历版本和备注。
- 支持公司黑名单；被拉黑公司会在默认岗位列表中隐藏，并跳过后续入库。
- 支持生成、保存、复制招呼语草稿；浏览器单条发送需要用户二次确认。
- 支持用户主动开启并保持一个可见浏览器会话；爬取完成后不自动关闭，消息检查、单条招呼和单条投递会串行复用同一登录态。
- 支持单条受控投递尝试：只有页面给出明确信号后才更新本地状态，无法确认时由用户手动记录。
- 支持只读检查未读会话并生成 HR 回复提醒；不会自动回复消息。
- 后端：Python、Flask、SQLite
- 浏览器层：DrissionPage、Chrome
- 简历解析：pypdf、python-docx
- AI 接口：OpenAI Responses API / OpenAI 兼容 Chat Completions API
- 前端：原生 HTML、CSS、JavaScript
请在启动 Web UI 的同一个 Python 环境中安装依赖：
python -m pip install -r requirements.txt如果运行时出现 No module named 'DrissionPage'，通常表示当前启动服务的 Python 环境与安装依赖的环境不一致。
python app.pyWindows 下开发更新后，可使用项目内的重启脚本清理旧 Flask 进程并启动新服务：
powershell -ExecutionPolicy Bypass -File .\restart_server.ps1- 在“匹配度配置”上传简历，检查自动提取的目标岗位与技能。
- 打开“简历工作区”，生成深度简历解读并确认职业画像。
- 配置搜索条件后启动小规模职位采集；建议每次仅使用 1 个关键词、1–2 页。
- 在“岗位雷达”筛选和查看岗位详情，结合 AI 评价决定是否加入待处理队列。
- 手动记录投递与沟通进度；需要时从岗位详情发起本地 AI 模拟面试。
项目会在本地保存 SQLite 数据库、简历文本、浏览器登录状态、Cookie、浏览器 Profile、AI 配置和操作日志。这些内容可能包含个人信息或认证信息。
- 请不要将
boss_bot.db、boss_cookies.json、浏览器 Profile、日志文件或包含 API Key 的配置上传到公开仓库。 - 共享或发布代码前，请自行检查并移除个人简历、职位数据、Cookie、截图和密钥。
- 使用 AI 接口前，请阅读并理解所选服务商的数据处理与隐私政策。
本项目必须在遵守适用法律法规及目标平台用户协议、robots 规则、隐私政策和访问规范的前提下使用。
- 不得绕过、破坏或对抗平台安全机制、访问控制或风控系统。
- 不得高频请求、批量抓取、恶意访问或影响平台正常运行。
- 不得未经授权收集、保存、传播个人信息或其他受保护数据。
- 不得批量骚扰、发送垃圾消息、虚假沟通，或在未确认的情况下自动投递、自动回复。
- 浏览器自动化仅应在用户知情、单条确认、合理频率和合法授权的范围内进行。
使用者应对自己的配置、运行方式和由此产生的行为承担全部责任。
浏览器自动化与爬虫层在开发和学习过程中参考了 GitHub 开源项目 BossFlow 的部分思路与实践。感谢 BossFlow 原作者及所有贡献者的无私开源和技术分享。
README 工作流配图使用 Ian Xiaohei Illustrations Skill 生成，感谢作者 Ian 的开源分享。
如使用或参考相关开源项目，请同时遵守其许可证、版权声明和使用条款。本项目不声明拥有 BossFlow 的代码或相关知识产权。
项目交流、学习讨论或版权相关问题请联系：
项目仍处于持续迭代的学习与实验阶段。招聘平台页面、接口和规则可能发生变化，浏览器自动化流程也可能随之失效；请在隔离环境中验证，并自行评估使用风险。