Menú
BOSS直聘自动化招聘工作流。批量打招呼、查看回复、筛选简历、交换联系方式，并生成候选人分析表格。当用户提到「BOSS直聘招聘」「批量打招呼」「筛选简历」「自动招聘」「BOSS直聘候选人」或任何与 BOSS 直聘招聘流程相关的需求时，使用此技能。
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Basado en la clasificación ocupacional SOC
| name | boss-recruiter |
| description | BOSS直聘自动化招聘工作流。批量打招呼、查看回复、筛选简历、交换联系方式，并生成候选人分析表格。当用户提到「BOSS直聘招聘」「批量打招呼」「筛选简历」「自动招聘」「BOSS直聘候选人」或任何与 BOSS 直聘招聘流程相关的需求时，使用此技能。 |
这是一个端到端的招聘自动化流程，通过 opencli 的 BOSS 直聘适配器完成以下工作： 批量向推荐候选人打招呼 → 等待回复 → 查看简历 → 与 JD 匹配分析 → 对合适的人请求交换联系方式 → 输出结构化分析表格。
opencli ）向用户确认以下信息，缺一不可：
目标职位：用户要操作哪个岗位？运行以下命令获取职位列表：
opencli boss joblist -f json
返回字段：job_name, salary, city, status, encrypt_job_id
JD 要求：这个岗位的核心要求是什么？让用户提供或自己根据职位信息总结。关键维度包括：
招呼语：用户是否有自定义的打招呼文案？如果没有，使用默认文案。
将 JD 要求记录下来，后续用于简历匹配分析。
先查看当前推荐候选人列表：
opencli boss recommend --limit 20 -f json
返回字段：name, job_name, last_time, labels, encrypt_uid, security_id, encrypt_job_id
然后执行批量打招呼，每次限制 10 人：
opencli boss batchgreet --job-id <encrypt_job_id> --limit 10 --text "<招呼语>"
向用户汇报打招呼的结果（成功/失败数量和名单）。
告知用户需要等待约 10 分钟让候选人回复。使用 /loop 或提醒用户稍后回来。
10 分钟后（或用户指示继续时），查看聊天列表获取回复情况：
opencli boss chatlist --job-id <encrypt_job_id> --limit 50 -f json
返回字段：name, job, last_msg, last_time, uid, security_id
判断回复的逻辑：对比打招呼名单和聊天列表，找出 last_msg 不是我们发出的招呼语的候选人——这些人就是有回复的。重点关注 last_time 在打招呼之后的消息。
对每个有回复的候选人，逐一查看简历：
opencli boss resume --uid <encrypt_uid> -f json
返回字段：name, gender, age, experience, degree, active_time, work_history, education, job_chatting, expect
将每个人的简历信息完整记录下来。
对每份简历，按以下维度与第一步记录的 JD 要求逐一比对：
| 维度 | 判断方法 |
|---|---|
| 工作年限 | 简历中的 experience 是否满足 JD 要求 |
| 学历 | degree 是否达到要求 |
| 技能匹配 | work_history 中的公司、职位、行业经验是否相关 |
| 教育背景 | education 中的学校、专业是否匹配 |
| 薪资期望 | expect 是否在 JD 薪资范围内 |
| 活跃度 | active_time 反映候选人的求职活跃程度 |
给出明确结论：符合 或 不符合，并写出具体理由。
对所有判定为「符合」的候选人，自动请求交换手机号：
opencli boss exchange --uid <encrypt_uid> --type phone
如果用户希望交换微信，改为 --type wechat。
执行前向用户确认名单，得到确认后再批量执行。
在工作目录下创建 Markdown 文件，文件名格式：boss_招聘分析_<职位名>_<日期>.md
表格结构如下：
# BOSS 直聘招聘分析报告
**职位**: <职位名称>
**日期**: <执行日期>
**招呼人数**: <N> 人
**回复人数**: <M> 人
**符合要求**: <X> 人
**不符合要求**: <Y> 人
## 一、回复并提供简历的候选人
| 姓名 | 年龄 | 学历 | 工作年限 | 最近公司/职位 | 期望薪资 | 匹配结果 |
|------|------|------|----------|--------------|----------|----------|
| ... | ... | ... | ... | ... | ... | 符合/不符合 |
## 二、符合要求的候选人
| 姓名 | 学历 | 工作年限 | 核心匹配点 | 联系方式交换状态 |
|------|------|----------|-----------|----------------|
| ... | ... | ... | <具体原因> | 已发送/未发送 |
## 三、不符合要求的候选人
| 姓名 | 学历 | 工作年限 | 不符合原因 |
|------|------|----------|-----------|
| ... | ... | ... | <具体原因> |
## 四、未回复的候选人
| 姓名 | 打招呼时间 | 状态 |
|------|-----------|------|
| ... | ... | 未回复 |
-f json 获取结构化数据，便于解析处理。用户要求抓取某个 Twitter 用户的推文，用户要求搜索 Twitter 上的特定关键词，用户提到 "拉取推文"、"抓取 Twitter"、"获取推特上关于XX的讨论或者 用户提供 Twitter 用户名并希望获取其推文的时候进行调用
微信公众号关键词文章搜索与深度分析工具。根据用户输入的关键词，搜索最近一周的公众号文章（默认获取3页约30篇），进行多维度深度分析并生成 Markdown 报告。 分析维度包括：(1) 标题分析 - 分析标题特征、关键词、吸引力元素；(2) 话题归类 - 将文章按主题/子领域分类归纳；(3) 写作风格拆解 - 分析写作技巧、文章结构、hook点；(4) 互动数据分析 - 分析阅读量、点赞、评论等数据。 当用户需要：(1) 根据关键词搜索公众号文章，(2) 分析特定话题的热门文章，(3) 寻找内容创作灵感和选题参考，(4) 学习高阅读量文章的写作方法，(5) 了解某个领域的内容趋势时使用此技能。
小红书信息图系列风格分析与生成器，支持 10 种视觉风格和 8 种布局。将内容拆解为 1-10 张卡通风格图片，专为小红书优化。当用户提到"小红书图片"、"XHS images"、"RedNote infographics"、"小红书种草"，"分析小红书图文笔记风格"，或需要中文社交媒体信息图时使用。