findjobs

name

findjobs

description

Use when working with findjobs, a local-first AI job-application assistant that uses the user's own LLM API and logged-in browser session to search jobs, score resume/JD fit, draft greetings, apply or start recruiter conversations, auto-reply to routine recruiter messages, and track applications locally. Use for explaining, packaging, operating, documenting, marketing, or extending this repository.

findjobs skill

名称

“findjobs｜AI 求职跟进助手”skill

简介

findjobs 是一个本地运行的 AI 自动求职助手：用你的招聘账号和你自己的 LLM API，帮你完成岗位搜索、规则过滤、简历与 JD 匹配打分、个性化打招呼、投递/沟通、招聘方常规回复和本地追踪。

它覆盖 Boss直聘、猎聘、前程无忧、智联招聘、拉勾，以及海外公司官网/ATS 表单。核心不是“无脑海投”，而是先筛选、再匹配、再预览，确认后再执行；遇到约面、谈薪、要电话、验证码、平台限制或不确定问题时，交还给真人处理。

如果把这个 skill 用在小红书/内容上传场景，输入材料限制为：

• 支持上传单个 .md 文件
• 支持上传一个包含 .md / .txt 文件的文件夹
• 单文件最大 10MB
• 总大小不超过 30MB
• 不支持图片、音频、视频、PDF、压缩包或其它格式

介绍

findjobs

AI 自动投简历助手。

一条命令，跑遍 Boss直聘 / 猎聘 / 前程无忧 / 智联招聘 / 拉勾，外加海外公司官网。它在本地运行，用你自己的模型、你自己的账号、你自己的浏览器登录态，把“找岗位、看 JD、判断匹配、写开场白、投递、跟进聊天”串成一条可预览、可追踪、可接管的流程。

它不是那种“批量乱投”的工具

找工作最累的地方，往往不是点下投递按钮。

真正消耗人的，是每天打开多个平台、筛掉外包和中介、判断 JD 到底合不合适、给不同岗位写不一样的开场白、投完以后还要盯着招聘方消息。尤其在 Boss直聘上，很多时候“投递”本身就是一次聊天开场；聊得慢、回得硬、已读不回，机会就很容易断掉。

findjobs = 本地 AI 求职工作台。

它先把明显不合适的岗位过滤掉，再用 LLM 对“你的简历 ↔ 岗位 JD”打分，分数够才生成个性化打招呼；投递之后，还能处理招聘方的常规问答。拿不准、需要真人判断、涉及面试和薪资时，它不会硬编，而是转人工。

它到底帮你做什么

环节	findjobs 做什么	关键边界
搜索岗位	按关键词和平台抓取你账号可见的岗位	不绕过登录，不走平台私有 API
规则过滤	城市、薪资、黑名单、外包/中介先过滤	先便宜规则，再花 token
AI 匹配	简历和 JD 语义打分，给出理由和顾虑	低于阈值直接跳过
打招呼	为每个岗位生成不同的开场白	只使用简历事实，不编造
投递/沟通	Boss/猎聘走沟通，51job/智联/拉勾走投递	默认 dry-run，确认后才 live
自动回复	读取未读会话，回复常规问题	约面、谈薪、要电话、不确定就转人工
本地追踪	SQLite 记录岗位、状态、配额、历史	数据留本机，便于去重和复盘

支持的平台

平台	代号	机制	自动沟通
Boss直聘	boss	打招呼即投递	支持
猎聘	liepin	投递 / 沟通	支持
前程无忧 51job	job51	申请职位	不支持
智联招聘	zhilian	申请职位	不支持
拉勾	lagou	投递简历	不支持
海外/公司官网	generic	ATS 表单自动填写	不支持

海外官网模式不是统一搜索源，而是把目标职位 URL 写进配置里。findjobs 会识别常见 ATS，例如 Greenhouse、Lever、Ashby、Workday，填写基础字段、上传简历，并用 LLM 处理自由文本问题；不确定字段留给你手动补。

典型使用流程

pip install -e .
playwright install chromium

findjobs init
findjobs doctor
findjobs login
findjobs apply
findjobs apply --no-dry-run
findjobs chat
findjobs status

日常使用时，最稳的路径是：

1. findjobs init 生成 config.yaml 和 resume.yaml
2. 如实填写简历、技能、项目、常见问答
3. 配置自己的 LLM provider 和 API key
4. findjobs doctor 做环境自检
5. findjobs login 扫码登录平台
6. 先跑 findjobs apply，默认 dry-run 预览匹配分、理由和打招呼
7. 确认没问题后，再用 findjobs apply --no-dry-run
8. 用 findjobs chat 处理招聘方常规回复
9. 用 findjobs status / findjobs list 看进展

AI 自动聊天怎么接管

自动聊天只处理“可以基于简历事实回答”的问题。

它会读取最近会话、恢复岗位上下文、把简历和常见问答交给你的模型，让模型判断：这条消息应该自动回复，还是转人工。

会自动转人工的情况包括：

• 约面试时间
• 谈薪资和 offer
• 要手机号、微信或其它敏感信息
• 对方问到简历里没有的事实
• 模型不确定
• 已经自动回复多轮
• 发送失败

它的目标不是替你“演一个更完美的人”，而是把你真实简历里的信息表达得更快、更稳。

数据和隐私

findjobs 默认本地运行：

• 简历留在本机
• Cookie / 登录态留在本机浏览器 profile
• 投递历史和聊天状态写入本地 SQLite
• LLM 调用走你自己配置的服务商
• webhook 只有在你主动配置时才会外发

需要保守表达的一点是：数据不是绝对不出本机。只要你配置了外部 LLM provider，发给模型的简历片段、岗位信息或会话上下文就会进入你选择的服务商。findjobs 的边界是：它不自建中转服务器，也不替你偷传数据。

风险边界

招聘平台通常限制自动化访问。findjobs 驱动的是你本人登录的浏览器，会尽量保持拟人化节奏、每日配额和 dry-run 预览，但这不等于“无风险”。

使用时应该遵守这些原则：

• 不把配额调成机械海投
• 不绕过验证码
• 不全天候 7×24 跑
• 不采集和倒卖岗位或简历数据
• 不让模型编造经历、学历、薪资或承诺
• 平台触发限制、验证墙或异常时停止

一句话：把它当成“更勤快的你自己”，不是刷量脚本。

适合谁

适合：

• 正在密集求职，需要同时看多个招聘平台的人
• 想减少机械投递、提升匹配质量的人
• 需要 Boss/猎聘这类聊天型投递辅助的人
• 懂一点命令行，愿意配置自己的 LLM API 的人
• 重视本地数据和可追踪历史的人

不适合：

• 想完全无人值守海投的人
• 想绕过平台限制或验证码的人
• 不愿意检查 dry-run 内容的人
• 期待工具保证面试或 offer 的人

一句话

findjobs 帮你把求职里的重复劳动交给本地 AI：先筛岗位，再判断匹配，再写开场白，再跟进常规聊天；关键决定永远留给你。