BOSS 人才索引采集助手

这是一个本地 RPA MVP，用于辅助 HR 在已经登录的 BOSS 直聘人才库页面中读取当前可见候选人信息，并写入轻量索引文件。它不是无人值守爬虫，也不绕过登录、验证码、风控或隐藏接口。

新方向：HR Browser Agent

下一阶段会把项目从“采集脚本”升级成“用户本机 HR 浏览器操作 agent”：用户和 OpenClaw HR agent 对话，agent 通过本机 FastAPI service 控制可见 Chrome，完成 BOSS 招聘者登录、发 JD、搜索候选人等操作。

设计文档：

• HR Browser Agent Design
• OpenClaw HR Agent Skill
• Smart Talent HR Agent Skill
• BOSS Recruiting Pipeline Skill
• BOSS Job Management Skill
• HR Companion Distribution
• HR Cloud Relay

本机启动：

npm run hr:start

如果由 Hermes/OpenClaw agent 自动启动，请用后台模式：

npm run hr:daemon

面向最终用户的轻量安装入口：

curl -fsSL https://raw.githubusercontent.com/nateEc/candidate-intel-agent/main/scripts/bootstrap_boss_hr_agent.sh | bash

安装后会提供本机 CLI：

~/Library/Application\ Support/BossHrAgent/service/bin/boss-hr-agent status
~/Library/Application\ Support/BossHrAgent/service/bin/boss-hr-agent start
~/Library/Application\ Support/BossHrAgent/service/bin/boss-hr-agent stop
~/Library/Application\ Support/BossHrAgent/service/bin/boss-hr-agent doctor

边界不变：验证码、App 安全确认和平台验证必须由用户本人完成；系统只负责打开页面、点击、填表、等待和识别状态。

P0 招聘闭环目前覆盖：招聘者登录、发布/更新/关闭职位、投递收件箱巡检、投递候选人评估入库、弱去重合并，以及“准备打招呼 + 招聘者确认后发送”。投递处理默认使用同一个本机 HR service：

curl -X POST http://127.0.0.1:8790/v1/boss/applications/scan \
-H 'content-type: application/json' \
-d '{"job_filter":"AI工程师 _ 北京 20-30K","limit":20,"include_resumes":true,"dry_run":true}'

智能简历库 v1

智能简历库现在使用 Postgres + pgvector 作为主库。BOSS/SQLite 只保留为采集缓存和回放来源；agent 查询、匹配、复评、归池、邮件草稿都走 Postgres。

本地开发可以直接启动项目自带的 pgvector Docker 容器：

npm run talent:db:start

这会启动/复用 boss-talent-postgres 容器，监听 127.0.0.1:54329，并把连接串写入本地 .env：

DATABASE_URL=postgresql://talent:talent_dev_password@127.0.0.1:54329/talent_library

如果使用外部数据库，只要手动在 .env 或 shell 里配置：

export DATABASE_URL="postgresql://USER:PASSWORD@HOST:5432/talent_library"

初始化 schema / migration：

npm run talent:migrate

启动 Agent API：

npm run talent:service
curl http://127.0.0.1:8792/health

共享给其他 agent 使用时，不要让对方直连 Postgres。把 Smart Talent Library API 部署到你的服务器上，并配置 API token：

export DATABASE_URL="postgresql://talent:<password>@127.0.0.1:5432/talent_library"export TALENT_LIBRARY_API_TOKEN="<shared-secret>"export TALENT_LIBRARY_HOST="127.0.0.1"export TALENT_LIBRARY_PORT="8792"
npm run talent:service

再用 Nginx/Caddy 把 HTTPS 反代到 127.0.0.1:8792。/health 可公开用于探活；所有 /v1/talent/* 请求在配置 token 后都必须带：

-H "Authorization: Bearer <shared-secret>"

如果临时测试必须直接监听公网地址，启动脚本会要求先设置 TALENT_LIBRARY_API_TOKEN：

TALENT_LIBRARY_HOST=0.0.0.0 TALENT_LIBRARY_API_TOKEN="<shared-secret>" npm run talent:service

不要开放 Postgres 端口到公网。给外部 agent 配置 docs/hr_agent_skill.md 时，只给 TALENT_LIBRARY_BASE_URL 和 TALENT_LIBRARY_API_TOKEN。

完整 ECS/云端部署步骤见 Smart Talent Library Cloud Deployment。

把已有 BOSS 采集缓存导入 Postgres：

npm run talent:ingest -- --sqlite-db data-python/boss_talent.sqlite --limit 100

直接把一份简历文本/文件导入智能简历库：

npm run talent:ingest-resume -- --file-path "/path/to/resume.txt"

如果需要一套可重复的测试数据，可以导入 20 个合成候选人：

npm run talent:seed-fake -- --reset-synthetic

这会写入 20 个 synthetic_resume 候选人，覆盖 AI Agent/RAG、后端平台、算法、数据、产品、HRBP/招聘、运营/市场等画像；其中 5 人会追加第二版简历，用于测试 /resume-diff 和 /timeline。--reset-synthetic 只清理上一轮合成测试数据，不会删除真实/手工候选人。

Hermes/HR agent 更推荐调用 API，把“LLM 抽取后的结构化 JSON + 原始简历文本”一起写入：

curl -X POST http://127.0.0.1:8792/v1/talent/ingest/resume \
-H 'content-type: application/json' \
-H "Authorization: Bearer <shared-secret>" \
-d '{ "resume_text": "张三\\n邮箱 zhangsan@example.com\\n期望职位：AI Agent 后端工程师\\n...", "structured_data": { "profile": { "display_name": "张三", "expected_position": "AI Agent 后端工程师", "city": "北京", "education_level": "本科", "work_years_text": "5年", "expected_salary_text": "45-60K" }, "skills": [{"skill_name": "RAG", "evidence_text": "负责 RAG 平台"}], "work_experiences": [] } }'

常用接口：

POST /v1/talent/ingest/boss-snapshot 从现有 BOSS/SQLite 采集缓存入 Postgres
POST /v1/talent/ingest/resume 从粘贴文本/本地文件/base64 文件导入简历
POST /v1/talent/recommend 从公司/项目上下文自动推断招聘需求并推荐候选人
POST /v1/talent/candidates/resolve 用 email/手机号/简历 hash/姓名学校等定位候选人
POST /v1/talent/candidates/merge 合并重复候选人档案
POST /v1/talent/candidates/{id}/enrich 结构化简历、生成信号和证据
GET /v1/talent/candidates/{id} 查看完整候选人档案
POST /v1/talent/candidates/{id}/resume 给已有候选人追加/更新一份新简历版本
GET /v1/talent/candidates/{id}/resume-diff 比较候选人最近两版或指定两版简历
GET /v1/talent/candidates/{id}/timeline 查看候选人简历、匹配、互动、任务时间线
GET /v1/talent/search 关键词/城市/学历/评级/人才池检索
POST /v1/talent/semantic-search 本地 hash embedding 语义检索
POST /v1/talent/match-job 给定 JD 生成候选人排序
POST /v1/talent/pools/auto-assign 自动归入人才池
POST /v1/talent/tasks/review 生成复评/回捞任务
POST /v1/talent/outreach/email-draft 基于可见/导入 email 生成邮件草稿
POST /v1/talent/outreach/batch-draft 为多个候选人批量生成邮件草稿
POST /v1/talent/outreach/email-sent 外部邮件工具发送成功后回写互动记录

这版支持两种简历入库方式：Hermes/HR agent 先用 LLM 抽取结构化 JSON 再调用 /v1/talent/ingest/resume，或服务端用本地规则兜底抽取。已有候选人的新简历走 /v1/talent/candidates/{id}/resume，旧版本会保留，后续可用 /resume-diff 和 /timeline 看变化。所有结构化字段尽量带 evidence_span_id、confidence 和 extractor_version。email 只来自简历可见、HR 手动补充、或导入数据，不做自动猜测。婚姻/家庭/健康等敏感属性只进入 candidate_sensitive_attributes 受限表，默认不参与匹配分、薪资判断或自动触达。

BOSS HR Browser Agent 在 DATABASE_URL 存在时，会在投递巡检后自动把该次 scan 同步到 Postgres；未配置时仍只写本地采集缓存。

目标边界

• 读取 HR 当前可见的搜索结果卡片。
• 可选点开详情弹窗，对在线简历 canvas 截图 OCR，保存简历快照和轻量索引字段。
• 不保存账号密码。
• 在线简历长文本只保存 HR 当前账号可见内容的 OCR 快照；联系方式会做基础脱敏。
• 不采集联系方式。
• 遇到登录、验证码、账号异常时由人工处理，脚本暂停或退出。

安装

npm install
python3 -m venv .venv
.venv/bin/pip install -r requirements.txt

默认使用本机 Chrome。也可以通过环境变量指定浏览器路径：

BOSS_BROWSER_EXECUTABLE="/Applications/Google Chrome.app/Contents/MacOS/Google Chrome" npm run capture

使用

npm run capture -- --limit 10 --details

首次运行会打开一个独立 Chrome 用户目录 .browser-profile。请在浏览器里手动登录 BOSS，进入人才库搜索页，设置好城市、岗位、关键词和筛选条件。准备好后回到终端按回车，脚本会读取页面上可见候选人。

常用参数：

--limit 20 最多读取多少个候选人卡片
--details 点开详情弹窗并抽取轻量索引
--no-details 只读取列表页卡片
--start-url <url> 起始页面
--user-data-dir <dir> 浏览器登录态目录
--output-dir <dir> 输出目录
--headless 无头模式，不推荐用于首次登录

输出文件。capture 默认写入 data/，capture:cdp 默认写入 data-python/：

<output-dir>/candidates.ndjson 候选人索引，追加写入
<output-dir>/observations.ndjson 每次搜索观察记录，追加写入
<output-dir>/resume_snapshots.ndjson 在线简历 OCR 快照，追加写入
<output-dir>/runs/run-*.json 单次运行结果，便于复核

候选人索引会保留页面上的 active_status 原始活跃标签，例如 刚刚活跃、3日内活跃、本周活跃，并推断一个保守的 last_seen_at。区间类标签按区间起点推断，例如 今日活跃 记为当天 00:00，本周活跃 记为本周一 00:00，3日内活跃 记为采集时间减 3 天。

如果你已经在普通 Chrome 里打开并登录了 BOSS 页面，但 Chrome 没有开启远程调试，也没有允许 Apple Events 执行 JavaScript，可以用辅助功能 fallback：

npm run capture:chrome-ax -- --limit 15

这个模式只读取当前 Chrome 窗口里辅助功能树暴露出来的候选人卡片文本，不会点开详情页。

Python + CDP 连接已启动 Chrome：

open -na "Google Chrome" --args \
--remote-debugging-port=9222 \
--remote-allow-origins=http://127.0.0.1:9222 \
--user-data-dir=/tmp/boss-rpa-chrome \
--no-first-run \
https://www.zhipin.com/web/chat/search
npm run capture:cdp -- --limit 10 --skip-apply --detail-max-pages 3

这个模式会连接 9222 端口上的 Chrome，用 DOM 读取页面，比辅助功能 fallback 快很多。 详情页正文由 BOSS 的 canvas 渲染，脚本会裁剪详情弹窗截图并用 macOS Vision OCR 读取文字；原始截图会保存在 data-python/resume-screenshots/<run-id>/ 便于复核。

如果 BOSS 的职位侧和人才库侧必须使用两个不同账号，请启动两个独立 Chrome 用户目录和两个 CDP 端口。不要在同一个 Chrome profile 里开两个账号，同站 cookie 会互相覆盖：

# 人才库/招聘者账号
open -na "Google Chrome" --args \
--remote-debugging-port=9222 \
--remote-allow-origins=http://127.0.0.1:9222 \
--user-data-dir=/tmp/boss-rpa-candidates \
--no-first-run \
https://www.zhipin.com/web/chat/search
# 职位侧/求职者账号
open -na "Google Chrome" --args \
--remote-debugging-port=9223 \
--remote-allow-origins=http://127.0.0.1:9223 \
--user-data-dir=/tmp/boss-rpa-jobs \
--no-first-run \
"https://www.zhipin.com/web/geek/jobs?city=100010000"

分别登录两个账号后，统一入口默认会用 9222 抓人才库、9223 抓职位侧：

npm run org:intel -- \
--company 月之暗面 \
--aliases Moonshot Kimi moonshot.ai \
--refresh auto \
--report

如果你想换端口，可以显式传：

npm run org:intel -- \
--company 月之暗面 \
--jobs-cdp-url http://127.0.0.1:9223 \
--candidates-cdp-url http://127.0.0.1:9222 \
--refresh auto \
--report

也可以让脚本先设置搜索条件，再抓取。例如搜索「上海 / 不限职位 / 腾讯」：

npm run capture:cdp -- \
--city 上海 \
--position 不限职位 \
--keyword 腾讯 \
--clear-filters \
--limit 90 \
--detail-max-pages 2

只设置搜索条件、不抓取：

npm run capture:cdp -- \
--city 上海 \
--position 不限职位 \
--keyword 腾讯 \
--clear-filters \
--apply-only

注意：BOSS 下拉里的「热门」是城市列表分组，不是最终城市值；脚本会真实点击它，但页面城市不会变成「热门」。量产时建议传具体城市，比如 北京、上海、深圳。

如果当前搜索结果每次只加载 15 个，可以让脚本先滚动加载更多：

npm run capture:cdp -- --limit 100 --skip-apply --no-details

--limit 100 会滚动到累计 100 个候选人或没有更多结果为止。要一直加载到列表没有新增候选人：

npm run capture:cdp -- --load-all --skip-apply --no-details

量产抓详情时可以去掉 --no-details，并用 --detail-max-pages 1 或 2 控制每份在线简历 OCR 的页数。

BOSS 职位侧采集

组织情报还需要招聘岗位信号。职位侧采集默认连接 9223 端口上的职位侧/求职者 Chrome，会打开 BOSS 的 /web/geek/jobs 职位搜索页，先读取左侧职位列表，再逐个点击职位卡读取右侧详情：

npm run capture:jobs -- \
--company 腾讯 \
--cdp-url http://127.0.0.1:9223 \
--limit 30

默认城市是全国，等价于 BOSS URL 里的 city=100010000。如果要限定城市，可以传 --city 上海 或 --city 101020100；--city 热门 和 --city-group hot 仍会展开成常用城市组：北京、上海、深圳、广州、杭州、成都、武汉、南京、苏州、西安。--limit 表示每个城市最多读取多少条左侧职位卡。左侧列表每次加载约 15 条时，脚本会持续滚动到目标数量或没有新增职位。

如果你已经手动打开了类似下面的页面，也可以直接读取当前搜索：

npm run capture:jobs -- --company 月之暗面 --limit 90 --cdp-url http://127.0.0.1:9223 --no-manual-ready

默认会点击每个职位卡并读取右侧 JD；只想快速读取左侧列表时加 --no-details。

职位采集输出：

<output-dir>/boss_job_postings.ndjson
<output-dir>/runs/run-*.json

导入 SQLite：

.venv/bin/python python/import_run_sqlite.py data-python/runs/run-*.json \
--db data-python/boss_talent.sqlite

组织情报报告

统一入口会编排职位侧采集、人才库采集、入库和报告生成：

npm run org:intel -- \
--company 月之暗面 \
--aliases Moonshot Kimi moonshot.ai \
--refresh auto \
--report

--refresh auto 会先看 SQLite 里是否已有近 24 小时的新鲜数据；缺职位侧数据就跑 capture:jobs，缺人才侧观察就跑 capture:cdp。如果只想生成报告不刷新：

npm run org:intel -- \
--company 月之暗面 \
--aliases Moonshot Kimi moonshot.ai \
--refresh none \
--report

也可以只刷新某一侧：

npm run org:intel -- --company 月之暗面 --refresh jobs --report
npm run org:intel -- --company 月之暗面 --refresh candidates --report

OpenClaw 对接时使用本地 FastAPI service：

npm run org:service

固定机器部署时建议直接用一键脚本，它会启动两套 CDP Chrome，并把 FastAPI worker 指向对应端口：

ORG_INTEL_HOST=0.0.0.0 ORG_INTEL_PORT=8787 ./scripts/start_org_intel_stack.sh

生产对接建议配置 API token：

ORG_INTEL_API_TOKEN=<shared-secret> npm run org:service

配置后，除 /health 外的 /v1/org-intel/* 请求都需要：

-H "Authorization: Bearer <shared-secret>"

默认端口约定：

BOSS_CANDIDATES_CDP_URL=http://127.0.0.1:9222 # 人才库/招聘者账号
BOSS_JOBS_CDP_URL=http://127.0.0.1:9223 # 职位侧/求职者账号

提交异步情报任务：

curl -X POST http://127.0.0.1:8787/v1/org-intel/requests \
-H 'content-type: application/json' \
-d '{ "company": "字节", "aliases": ["字节跳动", "ByteDance", "抖音", "TikTok", "飞书"], "mode": "standard", "refresh": "auto", "client_request_id": "openclaw-example" }'

如果库里没有新鲜报告，接口会立即返回 job_id、eta_seconds 和 eta_at。OpenClaw 到时间后轮询：

curl http://127.0.0.1:8787/v1/org-intel/requests/<job_id>

状态可能是 queued、running_jobs、running_candidates、importing、generating_report、ready、blocked_needs_human 或 failed。ready 时返回 report_markdown 和结构化 findings；如果 BOSS 触发验证，会返回 blocked_needs_human，由人工在采集浏览器里处理。

CEO 定时周/月报由 Hipilot 或外部 cron 触发，本服务只保存订阅和生成 digest。创建订阅：

curl -X POST http://127.0.0.1:8787/v1/org-intel/subscriptions \
-H 'content-type: application/json' \
-H "Authorization: Bearer <shared-secret>" \
-d '{ "owner_id": "ceo-1", "display_name": "CEO 重点公司监控", "cadence": "weekly_and_monthly", "companies": [ {"company": "字节", "aliases": ["字节跳动", "ByteDance", "抖音"], "mode": "standard"}, {"company": "腾讯", "aliases": ["Tencent", "腾讯云", "微信"], "mode": "standard"}, {"company": "月之暗面", "aliases": ["Moonshot", "Kimi"], "mode": "standard"} ], "timezone": "Asia/Shanghai", "freshness_policy": "auto" }'

到点后触发 digest：

curl -X POST http://127.0.0.1:8787/v1/org-intel/subscriptions/<subscription_id>/digest-runs \
-H 'content-type: application/json' \
-H "Authorization: Bearer <shared-secret>" \
-d '{"cadence":"weekly","client_request_id":"hipilot-cron-run-id"}'

如果返回 queued / running，按 eta_at 轮询：

curl -H "Authorization: Bearer <shared-secret>" \
http://127.0.0.1:8787/v1/org-intel/digest-runs/<digest_job_id>

也可以按 owner/subscription/cadence 取最近 digest，例如查看上一次月报：

curl -H "Authorization: Bearer <shared-secret>" \
"http://127.0.0.1:8787/v1/org-intel/digest-runs?owner_id=ceo-1&cadence=monthly&limit=1"

ready 时返回多公司 digest_markdown；partial_ready 会返回可用公司摘要，并在风险区说明阻塞公司；blocked_needs_human 表示 BOSS 账号验证需要运营处理。

导入人才库和职位侧 run 后，可以生成 BOSS-only 组织情报 Markdown：

npm run report:org -- \
--company 腾讯 \
--alias Tencent \
--alias 腾讯科技 \
--db data-python/boss_talent.sqlite

也可以用目标配置：

npm run report:org -- \
--company 腾讯 \
--target-config org_targets.example.json \
--db data-python/boss_talent.sqlite

报告会写入 org-intel/<公司名>/report-*.md，并把报告正文、来源计数和结构化组织判断写入 SQLite 的 org_intel_reports / org_findings 表。正文只输出聚合判断；原始候选人信号以脱敏 ID 折叠展示。

数据策略

这个 MVP 采用 B+C 混合版：

• B：Playwright 半自动读取页面可见信息。
• C：候选人索引落主表，在线简历落快照表，避免覆盖历史。

OCR 快照用于内部检索和复核，最终原文仍以 BOSS 页面为准。

PostgreSQL

见 sql/schema.sql。第一版先落 NDJSON，确认字段稳定后再接 PostgreSQL。

当前也可以把单次 run 导入本地 SQLite：

.venv/bin/python python/import_run_sqlite.py data-python/runs/run-*.json \
--db data-python/boss_talent.sqlite

测试

npm test