jobfindsme · AI 求职雷达

一句话同时搜 BOSS直聘 + 猎聘，找到匹配你简历的岗位。

快速开始 · 提示词模版 · 岗位来源 · FAQ · English

对 AI Agent 说一句话，它同时搜 BOSS直聘 和 猎聘 两个平台， 基于你的简历做语义匹配，返回合适的岗位和投递链接：

用 jobfindsme，根据本地简历（路径：~/Documents/resume.pdf），
找上海和杭州的 AI 应用工程师岗位，20K以上，社招，正式。

✅ BOSS直聘·上海 ✓ · 猎聘·上海 ✓ (4.2s)
🆕 新增 6 个匹配岗位（已过滤 42 → 20）

1. AI应用工程师（Agent开发）｜某知名公司｜上海｜社招｜正式｜40K-60K
   技能：Agent、Python ｜ 经验：3-5年 ｜ 学历：本科
   推荐理由：JD 要求 Agent 开发与你的 LangGraph 项目经历直接匹配
   投递链接：https://www.liepin.com/job/1980438233.shtml

2. AI应用工程师 ｜上汽云计算中心 ｜上海｜社招｜正式｜25K-40K
   技能：RAG、Python ｜ 经验：3-5年 ｜ 学历：本科
   推荐理由：RAG 技能与你的知识库项目高度重叠，薪资符合预期
   投递链接：https://www.liepin.com/job/1965405095.shtml

3. AI应用工程师（CAD方向）｜极芯拓方 ｜上海浦东｜社招｜正式｜40K-70K
   技能：Python ｜ 经验：1-3年 ｜ 学历：本科
   推荐理由：方向略偏 CAD，但薪资上限高、可考虑
   投递链接：https://www.liepin.com/job/1981816455.shtml

每个岗位的事实、信号和链接由 Server 固定生成（任何 Agent 一致）， 推荐理由由 Agent 基于这些信号与你的简历生成。

使用方式

其余全部自动完成：跨平台去重、已看/已投的岗位不重复推荐、投递状态记录 （说一句「标记第 2 个为已投递」即可）、本地保存无需注册。

💡 没有简历也能搜——直接说条件和偏好即可（如"找上海的 AI 应用工程师 20K以上"）；提供简历路径会让匹配更精准（技能重叠、经验学历对比）。

• 本地保存，无需注册、无需 API Key

（内部机制：硬过滤 → 信号提取 → 粗排 Top-20 → Agent 语义精排 → 增量雷达。详见 工作原理。）

Related MCP server: crosswalk-mcp

为什么不用招聘 App

什么时候不适合用它

说清楚比藏着掖着好：

• 你想海投 —— 它不做自动投递。帮你找到值得投的岗位，点链接自己投。

• 你要覆盖所有公司 —— 官网直投、内推、受访问限制的岗位仍会漏。

• 你不方便在本机跑 Chrome —— BOSS 需要登录态；猎聘纯 HTTP 直连不需要浏览器。

• 你期待"录用概率预测" —— 匹配分是可解释的确定性排序分，不是录用概率。

快速开始

🗣️ 最简单：和 Agent 聊天就能装（推荐）

什么都不用下载、不用敲命令。 把这段话发给你的 AI Agent （Claude Code / Codex / ZCode / Kimi / Qwen / TRAE 等）：

请严格按说明快速安装 jobfindsme。请识别你当前是哪一种 Agent；
不要克隆仓库或运行测试：
https://github.com/russeell/jobfindsme/blob/main/INSTALL.md

Agent 会自动完成检测环境、安装、写入自己的 MCP 配置。你只需要重启 Agent， 然后对它说：

用 jobfindsme，根据我的简历找上海的 AI 应用工程师，20K以上，社招。

想自己动手？也可以一行命令安装（curl ... | bash -s -- codex）， 完整说明见 INSTALL.md。

登录 BOSS直聘（可选）

~/.jobfindsme/runtime/bin/python -m jobfindsme setup

在打开的专用 Chrome 里扫码登录，保持窗口运行，然后重启 Agent。

💡 跳过这步也能用——猎聘纯 HTTP 直连，不需要浏览器也不需要登录。 先用猎聘看看结果，觉得岗位不够再补上 BOSS。

提示词模版

三个核心场景（直接复制改参数）：

# ① 找岗位
用 jobfindsme 根据 ~/Documents/resume.pdf 找北京的 大模型应用工程师，30K以上，社招。

# ② 定时推送（任意时间任意频率）
每天早上 9 点推送新岗位给我。
每周一晚上 8 点推送。
每两天推一次。

# ③ 查询历史匹配过的岗位
我之前看过的岗位有哪些？
我投过哪些岗位？
昨天推送的岗位还在吗？

进阶（可选）：

# 只看今天的新增
继续帮我找新岗位，只要今天新增的。

# 换条件
把城市换成深圳，薪资下限改成 25K，重新搜。

# 管理状态
把刚才第 2 个岗位标记为已投递；把外包公司全部忽略。

返回结果

Agent 基于 MCP Server 提供的结构化岗位信号和粗筛分数做语义分析，每次推荐包含：

大模型应用开发工程师｜示例科技｜上海｜社招｜正式｜25-40K
技能：RAG、Agent、FastAPI ｜ 经验：3-5年 ｜ 学历：本科
推荐理由：JD 要求 RAG、Agent、FastAPI，与你的简历高度重叠
需要注意：JD 要求 Kubernetes 经验，简历中未找到直接证据
投递链接：https://example.com/jobs/123

每个岗位固定包含：事实行 + 信号行 + 推荐理由 + 投递链接（裸 URL，客户端自动可点击）。 其中事实、信号和链接由 Server 确定生成（任何 Agent 完全一致）；推荐理由 由 Agent 基于信号与简历生成（措辞因模型而异，但依据相同）。

结果不足时 Agent 不会用弱匹配岗位凑数；来源字段不完整时会明确标注。

岗位来源

默认双平台：从 v0.3.1 起精简为 BOSS直聘 + 猎聘。两者覆盖了中国技术岗位市场的绝大部分， 维护成本与稳定性远优于四平台并存。

工作原理

Agent (Claude/GPT/Qwen — 负责语义精排)
  → MCP Server (本地 stdio)
  → 本地 Core
      → 纯 HTTP 直连（猎聘亚秒级）
      → 浏览器 CDP 拦截（BOSS直聘 SPA 自带签名，被动读取 JSON）
      → 快速模式：刷新主来源，复用其他来源缓存
      → 全量模式：并行刷新双平台
  → 标准化 → 跨来源去重 → 硬过滤（城市/薪资/校招社招/实习正式）
  → 信号提取 + 加权粗筛（技能/经验/学历/活跃度/薪资）
  → 增量雷达（新增/变化/重开/关闭识别）
  → Agent 收到 Top-20 粗筛后的结构化岗位数据，自己做语义精排

MCP Server 做三件事：硬过滤、结构化信号提取、确定性粗筛（技能权重 50%、 经验 25%、学历 10%、活跃度 5%、薪资 5%）。Agent 用自己的 LLM 做最终语义排序。 这遵循了 MCP 架构最佳实践：Server 提供结构化数据，Agent 负责理解决策。 若合格岗位 ≤20 个，跳过粗筛，全量交给 Agent。

简历、岗位状态和搜索计划全部保存在本地 SQLite。Core 不需要模型 API。

隐私与安全

• 完整简历不进入 Agent 上下文，只把本地路径交给 Core 解析；

• 岗位描述按不可信外部数据处理，不作为 Agent 指令；

• 导出写入本地文件；删除走"预览 + 确认令牌"两阶段协议；

• 不自动投递、不绕过验证码、不承诺覆盖全部岗位。

FAQ

Q：平台都要登录吗？ 只有 BOSS 需要（扫码一次，后续复用本地登录态）。猎聘纯 HTTP 直连，不需要浏览器；

Q：会不会封号？ 它做的是低频、拟人节奏的读取，不批量抓取、不自动操作。但自动化访问在平台条款里 都属于灰色地带，存在账号被限制的可能——请个人低频使用，风险自负。

Q：搜索结果为什么是 0 / 某个平台经常没有结果？ 先跑 jobfindsme doctor 自检。BOSS 检查登录态是否过期；其余平台可能触发验证码， 系统会降级或明确标注使用缓存，不会静默给你空结果。

Q：简历会被上传吗？ 不会。简历只在本地解析成结构化事实存入 SQLite，完整简历文本不进入 Agent 上下文。 export_local_data / delete_local_data 可随时导出和清除。

Q：和直接把简历发给 AI 让它搜，有什么区别？ 通用 Agent 没有平台接入、没有跨天去重和状态记忆、也不能稳定解析 PDF 简历成结构化 事实。jobfindsme 把这三件事做成了确定性的本地服务，Agent 只负责对话。

开发

python -m pip install -e ".[dev]"
python -m pytest
ruff check . && ruff format --check .

架构、来源门禁和评测闭环见 PROJECT_SPEC.md。 发现错排、漏排、重复或失效链接，请提交脱敏 Issue。

免责声明

• 本项目为免费开源的个人学习工具，帮助整理你已登录、有权查看的岗位信息；

• 自动化访问招聘平台可能触发对方风控，由此产生的账号限制、封禁等后果由使用者 自行承担，与作者无关；

• 禁止用于商业转售、大规模爬取或绕过平台限制；

• 平台页面结构随时可能变化导致某个来源失效，请通过 Issue 反馈，作者会尽力跟进。

License

MIT