JobHunt-Copilot

面向应届生与开发者的求职辅助工具。维护一份 YAML 个人档案，用于排版生成双格式简历、STAR 法则重塑经历、深度分析岗位要求、推荐开源练手项目及批量评估求职机会。

当前功能

• 简历生成：基于 Typst 与 python-docx 从个人档案一键生成 Word (.docx) 和 PDF (.pdf)，支持本地纯离线运行，排版严密紧凑。

• 经历润色：严格遵循工业界 STAR 法则重构项目与实习经历，提取量化指标，并诊断简历技术关键词与 ATS 得分。

• 岗位分析：深度解构目标岗位招聘描述（JD），穿透比对个人技能树与硬性要求，输出一岗一策修改建议与专属自荐信草稿。

• 项目推荐：根据岗位分析诊断出的技能短板，自动从 GitHub 检索高星开源项目，提供精确到核心文件的极简速成路径与简历 STAR 范文。

• 机会雷达：支持多岗位 JD 批量扫描（支持文本列表或本地文件夹），自动对标打分、梯队排序（主投/冲刺/暂缓），统计跨岗位高频共性短板，并导出 Markdown 战略简报。

隐私说明：除本地简历生成外，经历润色、岗位分析、项目推荐与机会雷达调用大模型 API。个人真实档案、照片、真实岗位 JD 与导出报告已全部通过 .gitignore 严格本地隔离，绝不会意外提交至代码仓库。

Related MCP server: job-tracker

快速开始

1. 环境准备

需要 Python 3.12+ 和 uv。在项目根目录运行：

git clone https://github.com/Frank-Joe-99/JobHunt-Copilot.git
cd JobHunt-Copilot
uv sync

2. 准备配置

首次使用时复制示例文件；已有配置时跳过对应文件，避免覆盖：

cp config/profile.example.yaml config/profile.yaml
cp config/preferences.example.yaml config/preferences.yaml
cp config/settings.example.yaml config/settings.yaml

可选个人照片和校徽可放置于 config/assets/ 并在档案中指定路径。详见 配置与字段文档。

3. 一键检查配置

uv run check_config.py

验证三份 YAML 配置文件能否正确解析并通过 Pydantic 强类型校验（不产生模型 API 费用）。

常用功能使用

① 一键导出 Word + PDF 双格式简历

uv run generate_resume.py

产物将输出至：

• storage/resumes/resume_default.docx

• storage/resumes/resume_default.pdf

② 经历 STAR 润色与 ATS 诊断

# 经历 STAR 深度重塑
uv run python -c "from skills.resume_polisher.handler import polish_experiences; report = polish_experiences(); print(report.summary)"

# 简历 ATS 关键词与技术深度体检
uv run python -c "from skills.resume_polisher.handler import diagnose_ats; ats = diagnose_ats(); print(f'ATS 得分: {ats.score} 分 | 命中关键词: {len(ats.matched_keywords)} 个')"

③ 目标岗位 JD 穿透与定制分析

uv run python -c "from skills.jd_matcher.handler import analyze_jd; res = analyze_jd('公司：字节跳动\n职位：后端开发\n要求：熟悉 Python/Go，深入理解 Redis/MySQL 高并发'); print(f'契合度: {res.score} 分\n自荐信草稿:\n{res.cover_letter_draft}')"

④ 开源项目练手推荐（补齐短板）

uv run python -c "from core.state import SkillGap; from skills.project_recommender.handler import recommend_projects; recs = recommend_projects([SkillGap(skill='分布式缓存 Redis', status='missing', suggestion='了解多级缓存')]); [print(f'[{r.repo_name}] {r.stars}★: {r.why_recommended[:50]}...') for r in recs]"

⑤ 机会雷达批量扫描与战略简报

将意向岗位的 JD 文本以 .txt 格式放入 storage/raw_jds/，执行：

uv run python -c "from skills.job_radar.handler import run_radar_pipeline; report = run_radar_pipeline(); print(f'扫描完成，共评估 {report.total_scanned} 个岗位，战略报告已生成：{report.report_file_path}')"

报告将以排版精美的 Markdown 格式保存于 storage/radar_reports/，包含岗位综合排行榜、跨岗位共性缺口及逐岗微调指南。

后续计划

• AI 模拟面试：基于多轮追问交互状态机的模拟面试官与面试复盘体检报告 (skills/mock_interviewer)。

• 求职投递看板：本地求职投递生命周期与备忘管理工具 (skills/application_tracker)。

• MCP 协议服务：本地 Model Context Protocol 服务实现，支持通过 stdio 对接 Claude Desktop 与 Cursor (adapters/mcp_server.py)。

• ChatGPT Work 适配：插件封装与文件交付闭环 (adapters/chatgpt_work)。

模块文档索引

各模块的业务细节与技术实现详见对应文档：

• 配置与字段规范

• 核心数据模型与配置加载器

• 业务技能包总览 (Skills)

  • 简历生成引擎

  • 经历润色与 ATS 诊断

  • 目标岗位 JD 穿透比对

  • 开源项目推荐与 STAR 转化

  • 岗位机会雷达与战略简报

• 底层驱动与工具层 (Tools)

• 产物存储与隐私规则 (Storage)

• 外部协议接入规划 (Adapters)

许可证

MIT