BOSS Recruit AI

下载仓库 ZIP 并解压,或拉取 master:

git clone https://github.com/zerlinpi/boss-agent-cli.git
cd boss-agent-cli

然后双击仓库根目录:

start-recruiter-web.bat

第一次启动会自动:

1. 查找 Python 3.10–3.14;
2. 没有可用 Python 时尝试通过 winget 安装 Python 3.12;
3. 创建或修复项目独立 .venv;
4. 安装/更新项目依赖与 pypdf;
5. 检查 Patchright 并尝试安装 Chromium;
6. 启动本地招聘 Web 服务;
7. 自动打开浏览器。

默认地址:

http://127.0.0.1:8765/

关闭启动窗口即可停止服务。

Chromium 下载失败不会阻止本地 PDF/DOCX/JSON 简历工作流,但 BOSS 浏览器登录可能需要修复 Chromium 或使用已安装的 Chrome/CDP。

Windows + Docker Desktop:

双击 start-recruiter-docker.bat

停止:

双击 stop-recruiter-docker.bat

macOS / Linux:

docker compose -f docker-compose.recruiter.yml up -d --build

停止:

docker compose -f docker-compose.recruiter.yml down

默认只发布到本机:

127.0.0.1:8765

自定义端口:

BOSS_WEB_PORT=9000 docker compose -f docker-compose.recruiter.yml up -d --build

Docker 数据保存在命名卷:

boss-recruiter-data

删除容器不会删除招聘数据;只有执行:

docker compose -f docker-compose.recruiter.yml down -v

才会同时删除该 Docker 数据卷。

安装当前仓库后:

pip install -e .
boss-recruit-web

不自动打开浏览器:

boss-recruit-web --no-open

岗位 JD
 │
 ▼
AI 岗位画像 + 可配置评分规则
 │
 ├── 本地 JSON / TXT / Markdown / DOCX / PDF
 └── 当前实现和授权范围内的 BOSS 招聘者数据
 │
 ▼
简历标准化 + 本地联系人提取
 │
 ├── 本地 HR 数据副本
 └── 模型安全副本
 │
 ▼
 证据化 AI 评分
 │
 ▼
 本地重算 0–100 分
 │
 ▼
候选人排名 / 对比 / 风险 / 追问
 │
 ▼
Kanban:新候选人 → 入围 → 面试 → 待定 → 录用 / 不合适
 │
 ▼
AI 回复草稿 → 本地安全扫描 → 人工审核 → 人工联系

• 候选人总量、推荐面试、人工复核、面试阶段等指标;
• 招聘漏斗;
• 评分分布;
• 最近 7 天处理量;
• Top 候选人;
• AI、登录、运行模式状态;
• 旧版本 Z / +08:00 / 无时区 时间戳按实际 UTC 时间排序;
• 多岗位首页引导只扫描一次评估目录,再按岗位在请求内过滤,避免岗位数量放大磁盘读取;
• 岗位 JD 或评分规则变化后,旧评分会退出当前排名/统计/CSV,并显示待重新筛选数量;历史评估文件仍保留用于审计。

• 多岗位管理;
• 粘贴完整 JD;
• AI 自动生成岗位画像;
• 自动生成硬性要求和评分维度;
• 自定义评分权重;
• 自定义推荐阈值;
• 可关联 BOSS 职位 ID。

评分规则是本地强校验契约,而不是仅靠提示词约束。维度、硬性要求、instructions,以及 AI 岗位画像中的标题、画像摘要和建议面试问题,一旦包含年龄、性别、婚育、民族/种族、宗教、健康/残障、政治身份等个人属性,会直接拒绝保存或进入评分链路。90后 / 年轻优先 / under 30 等年龄代理条件同样会被拒绝。

支持:

.json
.txt
.md
.docx
.pdf

当前限制:

• 单文件最大 12 MB;
• 单次最多 100 份,解码后总量最大 40 MB;
• 浏览器和本地 API 使用同一批次上限,超限会在文件解码/解析前拒绝;
• JSON 简历最大 500000 字符;
• DOCX 解压后内容及内部条目数有限额;
• 提取文本有限长;
• PDF 最多 100 页,优先使用 pypdf 并保留基础回退解析;
• 扫描图片 PDF 暂不支持 OCR。

浏览器会按文件顺序读取,而不是同时把全部文件 Promise.all 进内存,以降低大批量上传的瞬时内存峰值。

评分不是简单询问模型"这个人合不合适"。当前流程包含确定性门禁:

• 每个正分维度必须提供简历证据;
• 无证据的正分会在本地归零;
• 硬性要求标为 met 却没有证据时改为 unclear;
• 必需条件为 missing / unclear 时强制进入人工复核;
• 模型提供维度分,本地代码重新计算总分;
• 评分规则的维度分值必须是有限正整数;
• 推荐阈值必须是 0–100 的有限整数并保持正确顺序;
• NaN / Infinity 等非有限模型输出不会进入有效排名;
• 模型返回的维度名会做大小写、camelCase、空格和标点归一,例如 required_skills / RequiredSkills / Required Skills / required-skills 可对应同一标准维度;
• 中文自定义维度名,例如 后端经验 / 项目复杂度,会保留 Unicode 文本并正常匹配;
• 硬性要求会做大小写和多余空白归一,例如配置 Java、模型返回 java 时不会误判为缺失;
• 模型自行增加未配置硬条件时不会进入正式结果;
• 模型输出的 evidence、concerns、next questions、summary 等还会经过本地安全扫描;受保护属性或联系方式内容会被移除,相关证据不能继续支撑正分,并强制进入 manual_review;
• 输出仍使用本地配置中的标准维度/硬性要求名称;
• 输出证据覆盖率、优势、风险和建议追问。

默认评分维度包括:

• 必需技能;
• 相关工作经验;
• 项目证据;
• 职责匹配;
• 行业匹配;
• 量化成果证据。

支持:

• 列表 / Kanban 双视图;
• 排序、搜索、过滤;
• 拖拽招聘阶段;
• 批量状态更新;
• 2–4 人横向比较;
• 候选人详细评分证据;
• 优势、风险、下一步追问;
• 电话、邮箱、微信、QQ 本地查看与复制;
• CSV 导出;
• 候选人当前岗位数据删除,以及岗位级联数据删除。

招聘阶段:

new → shortlisted → interview → hold → hired / rejected

人工阶段和人工备注属于候选人级状态。简历更新触发新的 AI 评估版本时状态不会自动退回 new;即使人工操作来自旧的 evaluation ID,也会同步同一逻辑候选人的所有评估版本,避免旧链接、CLI 与最新 Kanban 出现状态分裂。

删除候选人时只清理该候选人在当前岗位下的全部评估版本和关联回复;同一候选人在其他岗位中的记录会保留。删除岗位则仍会级联清理该岗位的候选人评估、回复和关联任务记录。

同一候选人会根据:

• 稳定候选人标识;
• 简历指纹;
• 岗位 JD;
• 评分规则指纹;

判断是否发生变化。

本地 CLI 文件优先使用规范化来源路径作为稳定身份;BOSS 候选人优先使用 geek_id,再退到其他平台 ID。历史版本在读取时按当前 canonical identity 归组,不要求批量改写旧 JSON。

未变化的候选人默认跳过,避免重复消耗模型调用。即使 AI 当前未配置,只要本次所有简历都已评估且 JD、简历和评分规则都未变化,增量检查也可以正常完成。

JD 或评分规则发生变化后,历史评估不会删除,但会被视为 stale:

• Web 当前排名、Dashboard 指标、分析和 CSV 会排除 stale 结果;
• 页面显示 stale_count 对应的"需要重新筛选"提示;
• 历史候选人详情仍可查看,但会显示 freshness 警告,说明是旧 JD、旧评分规则或已被新版本替代;若已有更新 evaluation,可直接跳到最新版本;
• CLI rank / report 对已保存岗位也只展示当前 JD + rubric 的评估;report 返回 stale_count;
• 没有已保存岗位的 ad-hoc CLI 评估仍保留原来的排名行为;
• 重评后会重新进入当前排名,并继承候选人级人工阶段和备注。

单次 Web 筛选会缓存当前岗位的 latest-candidate 索引,避免每处理一份简历都重新扫描整个评估目录;候选人列表中的排名、报告和分析也在同一请求内共享索引。CLI 批量筛选同样会在当前 Store 生命周期内缓存 latest-candidate 索引,并在外部文件变化或本轮写入后正确失效/更新。

岗位配置读取也使用文件 mtime 可失效缓存;保存、替换或删除岗位 JSON 后会重新加载,避免大批量筛选为每位候选人重复解析同一个岗位文件。

支持:

• 收到简历确认;
• 信息追问;
• 面试邀请;
• 岗位澄清;
• 婉拒草稿。

回复生成后还会做本地规则扫描,包括:

• 受保护属性询问;
• 确定录用承诺,例如"我们决定录用你 / 欢迎入职";
• 电话/邮箱/微信/QQ 等联系方式异常暴露;
• 身份证、护照、住宅地址等高风险身份数据暴露;
• 异常长回复。

Web 和 CLI 的批量筛选 draft_top 都只会自动为本轮实际新增/重新评估的候选人生成草稿,不会因为历史 Top 候选人仍排在前面就重复调用模型或重复读取聊天。

单独生成草稿时必须使用当前候选人的最新且基于当前 JD/rubric 的 evaluation。旧 JD、旧评分规则或已经被新版本替代的 evaluation 会被 Web 以 STALE_EVALUATION 拒绝;CLI 同样会在解析 AI 配置和调用模型之前拒绝旧 evaluation ID。历史记录仍可查看,但不能直接作为新的 AI 沟通依据。

系统不会自动发送这些回复。

招聘工作台刻意把"HR 在本机需要查看的数据"和"允许进入模型决策的数据"分成两条通道。

本地记录可以保留用于人工招聘流程的信息,例如:

• 候选人姓名;
• 简历原始/结构化业务字段;
• 年龄、性别、婚姻状况等原简历字段(仅供人工查看,不进入 AI 决策输入);
• 手机号;
• 邮箱;
• 微信;
• QQ;
• 人工粘贴的聊天内容;
• 招聘阶段;
• 人工备注。

为减少不必要的数据留存,以下信息会在本地标准化/持久化边界被移除:

• 连续或常见空格/短横线格式的身份证号;
• 护照号字段及带明确标签的护照号码;
• 家庭住址、现住址、居住地址等住宅详细地址。

电话、邮箱、微信、QQ 等用于人工约面的联系方式可以本地保留;面试地址 等招聘流程信息不会因为住宅地址规则被误删。回复记录中的本地聊天也执行同一高风险身份数据清理,而不是重新写回未清洗原文。

调用 AI 时会生成独立的模型安全副本。模型输入会移除或替换:

• 姓名;
• 手机号和座机;
• 邮箱;
• 微信、QQ;
• 身份证号、护照号和住宅详细地址;
• 婚姻状况;
• 年龄和出生日期;
• 性别;
• 民族 / race / ethnicity;
• 国籍;
• 政治面貌;
• 宗教;
• 健康、疾病和残障信息;
• 怀孕、生育和相关状态;
• 年龄限制 / 性别偏好 / 婚姻稳定性 / 90后 / 年轻优先 等个人属性代理条件。

字段匹配同时覆盖常见:

• snake_case;
• camelCase;
• 英文别名;
• 中文字段名;
• 自由文本;
• 常见带空格/短横线的身份证格式。

例如:

31岁 | 男 | 已婚 | 中共党员 | 已育一子 | 5年 Java 经验 | 电话 010-12345678 | 微信 abc123

进入评分模型前会保留 5年 Java 经验 等岗位证据,并隔离其他身份、联系方式和受保护属性。

候选人"稳定性"应依据:

• 每段工作任职时长;
• 工作切换频率;
• 履历空档;
• 项目持续时间;
• 职责连续性;

而不是婚姻、性别、年龄等属性。

更多说明:

• 招聘联系人数据处理
• 招聘数据生命周期

Web 设置页可以完成 BOSS 登录和运行模式切换。

默认 assisted 模式侧重本地辅助和低风险能力。候选人读取链路只应在当前实现支持、账号具备相应权限并明确启用的场景使用。

当前招聘 AI CLI 仍保留:

boss hr ai configure
boss hr ai jobs
boss hr ai evaluate
boss hr ai evaluate-geek
boss hr ai screen
boss hr ai screen-applications
boss hr ai rank
boss hr ai report
boss hr ai mark
boss hr ai reply

发生以下情况时应停止自动化重试并回到官方页面:

• 验证码;
• 风险控制页面;
• 登录异常;
• 账号限制;
• 权限错误;
• 页面/接口明显变更。

不要将 CDP、Patchright、Bridge 或其他浏览器能力用于规避平台风控。

详细说明:平台风险边界。

优先在 Web 的 系统设置 页面配置:

• Provider;
• Model;
• Base URL;
• API Key;
• temperature;
• max tokens。

也保留 CLI:

boss ai config --provider deepseek --model deepseek-chat --api-key "$DEEPSEEK_API_KEY"

系统继续兼容 OpenAI-compatible Provider,也可使用项目已有的 Ollama / vLLM 本地模型配置能力。

API Key 使用项目已有加密存储机制保存在本机数据目录。

AI HTTP 客户端使用进程级惰性共享 httpx.Client 复用连接池,批量评分不会为每位候选人重新建立一套 HTTP/TLS 连接。客户端在进程退出时关闭,同时保留现有测试/集成对模块级 httpx.post 的 monkeypatch 兼容。

AI 客户端只对明确的瞬时错误做有限重试:429 / 500 / 502 / 503 / 504、连接建立失败和连接超时最多尝试 3 次;400 / 401 等配置或权限错误不会重试。读取超时也不会自动重试,因为服务端可能已经执行了模型请求,自动重放可能造成重复计费。

Docker 工作台最适合:

本地简历上传
→ AI 分析
→ 排名
→ Kanban
→ 人才库
→ 回复草稿

BOSS 登录涉及真实浏览器环境,Windows 原生启动通常更直接。

Docker 需要连接用户主动开启的宿主机 Chrome CDP 时,可以设置:

BOSS_CDP_URL=http://host.docker.internal:9222 \
docker compose -f docker-compose.recruiter.yml up -d --build

Compose 默认只把容器端口映射到宿主机 127.0.0.1,不会默认暴露到局域网或公网。

原生默认数据目录:

~/.boss-agent/

招聘工作台主要数据:

~/.boss-agent/recruiter-ai/
├── jobs/
├── evaluations/
├── replies/
├── web_tasks.db
└── audit.jsonl

后台任务使用 SQLite:

• WAL;
• NORMAL synchronous;
• busy timeout;
• 服务重启后将未完成的 queued / running 任务标为 TASK_INTERRUPTED;
• 任务横幅支持取消:排队任务会直接取消,运行中任务进入 cancelling,等待当前原子操作返回后终结为 TASK_CANCELLED;
• 若服务在 cancelling 中被重启,该任务会在恢复时终结为 TASK_CANCELLED,不会永久占用岗位筛选锁;
• cancelling 仍被视为活跃筛选,因此不会出现"点击取消后立即删除岗位、旧线程随后又写回数据"的竞态;
• 删除岗位/候选人与筛选任务提交使用同一临界区,避免"删除检查通过后又插入新筛选任务"的 check-then-delete 竞态;
• queued / running / cancelling 活跃任务总数硬限制为 20,超过后 API 返回 TASK_QUEUE_FULL / HTTP 429,避免长期运行时无界堆积;
• 线程池在服务关闭竞态中拒绝新任务时,该任务会立即记录为 TASK_SUBMIT_FAILED,不会永久停在 queued;
• 候选人删除会清理当前岗位内同一 canonical identity 下的历史评估、回复和任务结果引用,包括升级前的旧 key;其他岗位中的同一候选人会保留;
• 岗位删除会级联清理关联招聘记录;
• 有关联筛选任务运行或取消中时会阻止删除。

运行中的 Python 线程无法安全强杀一条已经发出的 HTTP/模型请求。取消的语义是"停止继续处理并等待当前调用返回";当前调用完成后任务不会再变成 completed,也不会继续处理下一位候选人。

本地 Web 工作台包含:

• 默认只绑定 127.0.0.1 / localhost;
• 启动时随机生成 Web API Token;
• API 请求 Token 校验;
• Host / Origin 回环地址检查;
• 请求体大小限制;
• 负数/非法 Content-Length 拒绝;
• 简历批次解码前 40 MB 服务端门禁;
• 写请求严格类型校验,危险 _delete 必须是字面布尔值 true;
• 异步筛选/JD 分析的明显结构错误会在进入任务队列前拒绝;
• CSP;
• X-Frame-Options: DENY;
• X-Content-Type-Options: nosniff;
• Referrer-Policy: no-referrer;
• Permissions Policy;
• CSV Formula Injection 防护;
• Docker 非 root 用户;
• Docker Host 端口仅发布到回环地址。

Browser
 │
 ▼
Recruiter Web SPA
 │ localhost JSON API + token
 ▼
RecruiterWebController
 ├─ Job / Rubric
 ├─ Resume documents
 ├─ Recruiter AI evaluator
 ├─ Candidate ranking
 ├─ Reply drafting + deterministic safety
 ├─ RecruiterAIStore
 ├─ AuditLog
 └─ TaskManager / SQLite
 │
 ├─ Local resume data
 └─ guarded recruiter platform adapter
AI decision path
 │
 ├─ local recruiter copy
 │
 └─ model-safe copy
 ↓
 LLM evidence scoring
 ↓
 local score validation / recomputation
 ↓
 human review

本 fork 没有删除原 boss-agent-cli 能力。开发者仍可使用:

boss doctor
boss login
boss status
boss schema --format native
boss search "Python"
boss shortlist list
boss ai local --help
boss hr --help

MCP:

pip install -e '.[mcp]'
boss-mcp --transport stdio

能力真源始终以:

boss schema --format native

为准,而不是 README 中手写的命令数量。

Agent 文档:

• Agent Quickstart
• Capability Matrix
• Host Examples

推荐开发环境:

git clone https://github.com/zerlinpi/boss-agent-cli.git
cd boss-agent-cli
uv sync --all-extras

全量质量基线:

uv run python scripts/quality_baseline.py

单独执行:

uv run pytest tests/ -v
uv run ruff check src/ tests/ scripts/
uv run mypy src/boss_agent_cli

离线 smoke:

BOSS_SMOKE_DRY_RUN=1 uv run python scripts/smoke_p0.py
uv run python evals/run_eval.py --mode fixture

当前 CI 工作流覆盖:

• Python 3.10 / 3.11 / 3.12 / 3.13 / 3.14;
• pytest + coverage;
• compileall;
• Ruff;
• mypy;
• CLI/MCP Docker 镜像;
• MCP stdio handshake;
• Recruiter Web Docker 镜像;
• Recruiter Compose 配置验证;
• 非 root 容器检查;
• Recruiter Web HTTP / healthcheck smoke。

启动器会优先尝试 py / python,没有可用 Python 时使用 winget 安装 Python 3.12。企业电脑禁用 winget 时,需要手动安装 Python 3.10–3.14。

Windows 一键启动会自动尝试:

patchright install chromium

也可以在项目虚拟环境中手动执行。

Docker:

BOSS_WEB_PORT=9000 docker compose -f docker-compose.recruiter.yml up -d --build

Windows Docker 启动器会拒绝非法端口值。

确认 PDF 中的文字能被鼠标选择和复制。纯图片/扫描版 PDF 当前没有 OCR。

先检查:

• 评分维度是否有简历证据;
• 硬性要求是否被判为 missing / unclear;
• JD 或评分规则是否刚修改;
• 简历是否实际提供了岗位要求的信息;
• 模型输出是否因为包含受保护属性/联系方式而被本地安全层移除证据并降级为人工复核。

"无证据不加分"是当前设计,而不是异常。

当前评分只对生成它时的 JD 和 rubric 有效。修改岗位 JD 或评分规则后,旧评估会保留为历史审计记录,但不会继续参与当前排名、统计或 CSV。Web 会显示需要重新筛选的候选人数;历史详情会标明它为什么过期,并在已经存在新 evaluation 时提供"打开最新评估"。重新筛选后,新评估会重新进入排名并继承人工阶段/备注。

回复必须建立在该候选人最新、且与当前岗位 JD/rubric 一致的评估上。旧岗位配置或已经被新版本替代的 evaluation 会被拒绝,以免模型基于过期判断继续沟通。请先重新筛选或打开最新候选人结果。

评分规则不能把年龄、性别、婚育、民族/种族、宗教、健康/残障、政治身份等个人属性作为评分维度、硬性要求、画像条件或面试问题。90后 / 年轻优先 / under 30 等代理条件同样不允许。请改写为岗位相关的技能、职责、项目、任职时长、工作切换频率和可验证成果等证据。

如果全部候选人都未变化,系统可以直接跳过,不需要调用模型;只有出现需要重新评估的简历、JD 或评分规则变化时才会解析 AI 配置。

如果任务正在等待一次已经发出的 BOSS/AI HTTP 请求,Python 线程不能安全地从外部中断该调用。界面会显示 cancelling;请求返回后任务终结,不再处理后续候选人,也不会覆盖成成功状态。

• 当前主要面向本地单用户,不是中心化多租户 ATS;
• 暂无 RBAC / SSO;
• 扫描图片 PDF 暂无 OCR;
• Docker 内直接完成 BOSS 浏览器登录不如 Windows 原生环境顺畅;
• BOSS 页面、私有端点和风控策略可能变化,不承诺长期稳定;
• 运行中任务采用协作取消,不能强杀正在执行的第三方 HTTP 请求;
• 不自动发送候选人消息;
• 不自动录用或淘汰;
• 本地保存候选人数据时,使用者仍需负责组织内部访问权限、数据保留期限和合法使用。

• 快速开始
• 招聘 AI CLI
• 招聘 Web 控制台
• 招聘联系人数据处理
• 招聘数据生命周期
• 平台风险边界
• 排障
• Capability Matrix

上游项目:can4hou6joeng4/boss-agent-cli

当前 fork:zerlinpi/boss-agent-cli

• Issues: https://github.com/zerlinpi/boss-agent-cli/issues
• Pull Requests: https://github.com/zerlinpi/boss-agent-cli/pulls
• Actions: https://github.com/zerlinpi/boss-agent-cli/actions

许可证:MIT。原作者和上游贡献者的版权与贡献历史继续保留。