JobHunter — AI 全链路求职自动化平台

从岗位抓取 → 数据清洗 → AI 评估 → 简历改写 → 人工审批 → 自动投递的端到端求职自动化系统，支持飞书 ChatOps 指挥与多维表格数据同步。
🧬 本项目是 Auto-JobHunter（⭐ 80+）的全面升级版：招聘平台从 3 家扩到 4 家，新增四分屏定制工作台、在线简历多平台回写、面试训练营与飞书 ChatAgent，全链路代码重构。

✨ 核心能力

🧪 平台支持状态

招聘平台页面改版与风控升级可能造成功能间歇性失效，适配更新随版本发布；遇到问题欢迎提 issue。

🏗️ 技术栈

• 后端：FastAPI · LangGraph · DrissionPage + Playwright（CDP）· SQLite（岗位主库）· APScheduler · Python 3.10–3.13（uv 管理）
• 前端：Next.js (App Router) · Tailwind CSS v4 · shadcn/ui · Zustand · Vitest · ESLint
• 集成：飞书开放平台（多维表格 + 机器人 + ChatOps）· LLM（OpenAI 兼容接口）· Tavily 搜索 · Sentry
• 部署：宿主机常驻（uvicorn + Next.js；爬虫依赖真实浏览器环境，不可容器化）

📁 项目结构

jobhunter-ai/
├── backend/                  # FastAPI 后端
│   ├── app/                  # 核心应用（API 路由、自动化流水线、ChatOps、设置）
│   │   ├── automation/       # LangGraph 流水线 + 调度器 + 平台守卫
│   │   ├── api/routes/       # chatops / webhook / crawlers 等路由
│   │   └── core/             # 配置、LLM 客户端、飞书客户端、PDF 渲染
│   ├── boss_scraper/         # BOSS 直聘爬虫
│   ├── 51job_scraper/        # 前程无忧爬虫 + 海投
│   ├── liepin_scraper/       # 猎聘爬虫
│   ├── zhilian_scraper/      # 智联招聘爬虫
│   ├── job_processor/        # 清洗流水线（step1 规则过滤 / step2 飞书同步）
│   ├── ai_agents/            # AI 评估、改写、打招呼语生成
│   ├── resume_editor/        # 四平台简历回写引擎
│   └── data/                 # 浏览器 Profile（登录态）与 SQLite 数据库
├── frontend/                 # Next.js 前端（简历编辑器、流水线看板、策略实验室、全链路指挥中心）
├── scripts/                  # 运维脚本（配置验证、GitHub 流量归档）
└── docs/                     # 长期文档（含已弃用的 docker-archive）

🚀 快速开始

环境要求

• Python 3.10–3.13（推荐 3.12；暂不支持 3.14）· 推荐 uv
• Node.js 18+
• Microsoft Edge 浏览器（必需）：四大平台的岗位抓取与自动投递均通过 CDP 接管真实 Edge（持久化 Profile + 登录态）；未安装 Edge 时，岗位抓取与自动投递无法运行

第 0 步：飞书准备（先拿凭证，再谈启动）

系统用飞书多维表格作为岗位 / 简历 / 面经的数据中枢。接入 = 拿齐 5 个值（App ID / App Secret / App Token / 各表 Table ID / 群或个人 ID）+ 做对 3 处授权。按顺序：

1. 复制模板：打开 多维表格模板链接 →「...」→「保存副本」到你的云空间（5 张数据表 + 57 字段岗位汇总表 + 视图配置，免手建）
2. 创建应用：open.feishu.cn → 开发者后台 → 创建企业自建应用 →「凭证与基础信息」复制 App ID（cli_ 开头）与 App Secret
3. 文档授权：副本「分享」→ 把应用加为可编辑协作者（不加的话应用拿着 Token 也读不了表）
4. 开权限并发布：应用开通机器人能力 + im:message / im:chat / bitable 读写权限 → 创建版本并发布（飞书的权限变更不发布版本就完全不生效）
5. 拿表格地址：副本浏览器地址栏里，/base/ 后是 App Token，table= 后是各表 Table ID（每张表各一个）
6. 配置事件订阅：应用「事件与回调 → 事件配置」切到「使用长连接接收事件」，添加 im.message.receive_v1 事件（不做这步机器人收不到群消息，改完建议再发一个版本）

以上值全部填进「策略实验室 → 系统底层配置 → 飞书」分组即可（每个字段对应哪张表、预警接收人 / 审批白名单的 ou_ / oc_ ID 去哪拿，见 docs/feishu-setup.md 的配置项字典；事件订阅、拉群、一键「检测连通性」与排错 FAQ 也在同一手册）。

本地启动

# 1. 后端
cd backend
uv sync                              # 安装依赖
cp .env.example .env                 # 按需填写密钥（飞书/LLM 等）
playwright install chromium          # 首次需安装浏览器
uvicorn app.main:app --reload        # 启动 http://localhost:8000

# 2. 前端
cd frontend
npm install
npm run dev                          # 启动 http://localhost:3000

Windows 用户可直接双击 start_all.bat 一键拉起前后端。

新机自检（点「启动全链路」之前，先跑这条命令）

服务能起来 ≠ 链路能跑：飞书凭证、清洗策略、评估权重、简历、平台 Cookie 文件
都在 git 仓库之外，全新克隆后必须补齐，否则指挥中心的启动按钮会被配置门禁
拦下（或跑起来后整轮 0 条空转）。一条命令体检：

cd backend && uv run python scripts/newmachine_check.py   # 或 .venv/bin/python scripts/newmachine_check.py

• 每个缺失项都会就地打印「怎么补」；exit 0 = 抓取资产齐备，可以去指挥中心点启动。
• 按钮若显示「待配置规则 (N)」：点它弹出 toast 并打开第一个未完成的配置面板，逐项补齐即可。
• 投递就绪段仅提示：平台 CDP 端口未监听属正常（尚未唤起浏览器），投递前在指挥中心
  「平台会话」唤起并扫码即可；投递登录态以投递引擎登录门实测为准。

配置模板：cp backend/data/settings.json.example backend/data/settings.json
（纯 JSON 不可写注释，逐字段说明见下方配置说明表格与 docs/feishu-setup.md
配置项字典；也可以不复制，直接在前端「策略实验室 → 系统底层配置」页面填写，写入的就是同一文件）。

猎聘说明：猎聘搜索预检免 DOM 登录校验，但抓取引擎依赖本地
backend/liepin_scraper/liepin_cookies.json（缺失时预检会拦截并等你扫码）——
新机请先在 backend 终端跑 liepin_scraper/liepin_cookie_harvester.py 扫码生成，
步骤见 docs/liepin-setup.md。

生产部署（宿主机常驻）

⚠️ 本项目不支持 Docker 部署：四大平台爬虫依赖真实 Edge 浏览器 + 持久化登录态 +
人工扫码/滑块介入，容器内 headless 浏览器指纹会触发平台风控（历史编排归档见
docs/docker-archive/）。

# 后端（生产模式，去掉 --reload）
cd backend && uvicorn app.main:app --host 0.0.0.0 --port 8000

# 前端（构建后启动）
cd frontend && npm run build && npm start

建议用 pm2 / launchd / supervisor 守护进程常驻，示例：

pm2 start "uvicorn app.main:app --host 0.0.0.0 --port 8000" --name jobhunter-api --cwd backend
pm2 start "npm start" --name jobhunter-web --cwd frontend

⚙️ 配置说明

后端采用 pydantic-settings + .env + settings.json 双层配置：.env 提供启动期默认值，运行时可在「策略实验室 → 系统底层配置」页面热更新（写入 settings.json，优先级更高）。页面保存后绝大多数配置即时生效（飞书长连接自动用新凭证重连、ChatAgent 自动重建），无需重启。

📚 新手第一次接入飞书？请按 docs/feishu-setup.md 完整手册一步步来（创建应用 → 权限 → 长连接 → 拉群 → 一键「检测连通性」→ ping 通），附排错 FAQ。

关键配置项：

运行 python scripts/test_config_validation.py 可一键验证所有密钥是否生效。

🧪 测试

# 前端单元测试
cd frontend && npm test

# 后端测试
cd backend && pytest tests/

# ChatOps 指令批量验证（13 用例）
python backend/test_scripts/test_feishu_chatops.py --batch

# 底层配置验证（飞书/LLM/搜索/数据库）
python scripts/test_config_validation.py all

💬 交流与反馈

• 飞书交流群（快问快答 / 使用咨询）：扫描下方二维码即可加入（二维码永久有效）。
• Bug 反馈与功能建议：请提 Issue（可追踪、可检索，方便后来人搜到同类问题）；提问时请附上操作系统、Python 版本（3.10–3.13）与完整报错原文。

⚠️ 免责声明

本项目仅供学习与技术交流，使用本项目即表示你理解并同意：

• 各招聘平台的用户协议通常禁止自动化抓取与自动投递，使用本项目产生的账号风控、封禁等一切后果由使用者自行承担；
• 请合理控制请求频率，尊重平台与招聘方，勿将本项目用于垃圾信息投递；
• 本项目不收集、不上传任何用户数据：浏览器登录态、数据库与密钥均仅保存在使用者本地；
• 本项目按 GPL-3.0 提供，不附带任何形式的担保，作者不对使用者的使用行为承担责任。

📄 License

本项目基于 GPL-3.0 协议开源。随附的第三方资产按其各自协议提供（如 Noto Sans SC 字体，SIL Open Font License）。

🙏 参考项目

本项目参考了以下项目，感谢原作者的分享：

• wanyichen06/LLMInternSkill
• lan1177/interview-prep
• santifer/career-ops