Job Application Assistant

求职投递自动化助手

概述

本skill为求职者提供端到端的自动化求职投递流程，包括：

1. 通过 we-mp-rss 监控微信公众号招聘文章，也可订阅任意标准 RSS/Atom 招聘源
2. 自动提取JD关键信息（岗位、公司、要求、投递方式）
3. 解析简历PDF全文，基于真实简历内容评估匹配度、生成Cover Letter
4. 根据JD语言智能选择简历版本（中文/英文）和Cover Letter语言
5. AI Agent将分析好的投递任务推送到Web管理后台，用户在浏览器中查看、编辑、一键发送
6. 通过 SMTP 自动发送带附件的申请邮件（由Web后台触发）
7. 通过IMAP自动检查收件箱中的求职回复（面试邀请等），结果在Web后台展示
8. 记录投递历史，避免重复投递

适用平台：本skill与运行平台无关，所有脚本均为标准 Python，可独立运行。 适用于 CodeBuddy、Claude Code、Cursor 等任何支持 Skill 机制的 AI Agent； Web 管理后台亦可完全脱离 Agent 独立使用。

Web管理后台（核心交互界面）

本skill提供本地Web管理后台，是AI Agent与用户之间的桥梁：

• AI Agent 负责获取JD、分析匹配度、生成Cover Letter，将结果通过API写入数据库
• 用户 在浏览器中查看所有待发送任务，可编辑Cover Letter/邮箱/主题，确认后一键发送

启动Web后台

bashCopy code
# 首次需安装依赖
pip install -r requirements.txt

# 启动服务（--data-dir 指定简历、数据库、投递记录所在目录）
python scripts/web_server.py --port 5000 --data-dir "简历文件夹路径"

# 可选安全加固：开启API令牌鉴权（浏览器会提示输入令牌）
python scripts/web_server.py --port 5000 --data-dir "简历文件夹路径" --token "你的令牌"

启动后访问 http://127.0.0.1:5000

调试模式默认关闭；需要时加 --debug。请勿在对外暴露（--host 0.0.0.0）时开启调试或省略令牌。

Web后台功能

刷新文章流程：用户点击"刷新文章" → 弹窗选择每个公众号的拉取数量 → 后端调用 fetch_rss_articles.py 拉取文章（公众号 + 额外RSS源）→ resume_parser.py 解析简历PDF全文 → 调用 jd_analyzer.py 多线程并行（默认10线程，见设置页"分析并发线程数"）分析每篇文章（评估匹配度并给出理由/差距）→ 非招聘信息自动跳过 → 招聘信息创建投递任务（含基于简历真实经历的Cover Letter）→ 如果JD未提供邮箱则留空，等用户手动填写。 限流自动降级：若 LLM 服务商因并发过高返回限流（429），并发会自动减半（10→5→2→1）并退避重试，任务不会中断。

Web后台 API（供AI Agent调用）

鉴权说明：若服务启动时指定了 --token，所有 /api/* 请求需携带请求头 X-API-Token: <令牌>（前端收到401后会提示输入）；未开启令牌时仅建议本机(127.0.0.1)使用。

创建投递任务的JSON格式

jsonCopy code
{
  "company": "BAI资本",
  "position": "投资实习生",
  "location": "上海",
  "jd_summary": "BAI资本招聘投资实习生...",
  "jd_detail": "岗位职责：\n1. 行业研究...\n2. 项目尽职调查...",
  "requirements": "1. 重点大学本科或以上...\n2. 对投资有热情...",
  "receiver_email": "internbai.sh@gmail.com",
  "subject": "张三+XX大学+XX大学+专业+年级+毕业时间",
  "cover_letter": "尊敬的BAI资本招聘团队：\n\n我是XX大学XX专业的硕士研究生...",
  "resume_version": "zh",
  "match_score": 5,
  "match_reason": "金融工程背景契合量化研究要求",
  "gap_list": "缺少二级市场实盘经验；英语需达商务沟通水平",
  "source_url": "https://mp.weixin.qq.com/s/xxx",
  "source_mp": "清北资源"
}

match_score 会被服务端钳制到 1-5；match_reason/gap_list 为可选字段，用于在详情页展示匹配理由与差距。

前置条件（需与用户确认）

部署此skill前，需要与用户确认以下信息：

1. 硬件与服务依赖

• Docker Desktop（Windows/Mac）或 Docker Engine（Linux）
• we-mp-rss 服务（Docker本地部署，用于微信公众号RSS订阅）
  • 部署方式：docker run -d --name we-mp-rss -p 8001:8001 ghcr.io/rachelos/we-mp-rss:latest
  • 管理后台：http://localhost:8001
  • 默认账号：admin / admin@123（请部署后修改）
  • 需用户微信扫码登录微信读书以启用公众号订阅

2. Gmail配置

需用户提供：

• Gmail邮箱地址
• Gmail应用专用密码（非登录密码）
  • 获取方式：Google账户 > 安全性 > 两步验证 > 应用密码
• 保存为工作目录下的 gmail_config.txt，支持两种格式（推荐方式一）：

  Copy code
  # 方式一：key=value
  email=your_email@gmail.com
  password=your_app_password
  
  # 方式二：中文标签（两种均可自动识别）
  邮箱地址: your_email@gmail.com
  应用密码: your_app_password
  

  Gmail 应用密码写成 "abcd efgh ijkl mnop" 分组格式也会自动去空格。

3. 简历文件

需确认：

• 简历存放路径（工作目录或绝对路径）
• 中文简历文件名（如 resume_zh.pdf）
• 英文简历文件名（如 resume_en.pdf）

4. 用户求职偏好（需逐项确认）

• 求职意向（哪些行业/岗位）
• 工作地点偏好（优先顺序）
• 可实习时间（每周几天，几个月以上）
• 排除项（不投递的岗位类型）
• 邮件主题命名规则（默认按招聘方要求）

核心配置

服务地址

• we-mp-rss: http://localhost:8001
• API基础路径: /api/v1/wx
• RSS路径: /rss/{feed_id}（无需认证）
• 管理后台: 浏览器访问 http://localhost:8001

Gmail SMTP/IMAP配置

• SMTP服务器：smtp.gmail.com:587 (TLS)
• IMAP服务器：imap.gmail.com:993 (SSL)
• 配置文件：工作目录下 gmail_config.txt

简历文件

工作目录下存放中文和英文两个版本的简历：

• resume_zh.pdf — 中文版
• resume_en.pdf — 英文版

简历内容解析：resume_parser.py 会用 pypdf 提取简历全文（扫描版无文字层则自动跳过）， 供 LLM 评估匹配度并生成基于真实经历的 Cover Letter。解析失败不影响主流程。

用户求职偏好（示例，需按用户实际填写）

• 求职意向：科技企业、PE/VC、基金等
• 工作地点偏好：深圳 > 上海 > 北京（示例）
• 可实习时间：每周5天，3个月以上
• 排除项：券商投行（IPO/FA/承做等）、纯咨询岗位
• 邮件主题命名：按照招聘方要求命名
• 简历附件：需重命名为与邮件主题一致
• 语言选择规则：根据JD语言选择对应语言版本（中文JD→中文简历+中文申请信，英文JD→英文简历+英文Cover Letter）

工作流程

流程1：监控新招聘文章（定时触发）

1. 获取公众号列表：调用 GET /api/v1/wx/mps（需Bearer token认证）
2. 登录获取token：POST /api/v1/wx/auth/login，body为 username=admin&password=admin@123
3. 遍历每个公众号：调用 GET /rss/{feed_id}?limit=10 获取最新文章RSS XML
4. 解析RSS：提取每篇文章的 title、link（微信文章URL）、pubDate
5. 去重：与 投递记录.csv 对比，跳过已处理的文章
6. AI筛选：根据用户求职意向筛选，排除不投递的岗位类型
7. 输出推荐列表：生成直观的表格，包含序号、公司、岗位、地点、匹配度、投递方式
8. 保存汇总：将推荐列表保存为 daily_report_日期.md 到工作目录

推荐列表输出格式示例

Copy code
## 今日招聘筛选结果

共获取 N 篇文章，筛选出 M 篇匹配岗位

| # | 公司 | 岗位 | 地点 | 匹配度 | 投递方式 |
|---|------|------|------|--------|----------|
| 1 | BAI资本 | 投资实习生 | 上海 | ⭐⭐⭐⭐⭐ | internbai.sh@gmail.com |
| 2 | 软银中国 | 投资实习生 | 上海 | ⭐⭐⭐⭐⭐ | sbcvc_recruit@126.com |
| 3 | CMC资本 | 股权投资实习生 | 上海/北京 | ⭐⭐⭐⭐⭐ | 需回复"极职Zenith"→"CMC" |

### 需要你手动获取邮箱的岗位：

1. **CMC资本**：打开微信 → 搜索公众号"极职Zenith" → 回复关键词"CMC" → 获取投递邮箱
2. **小米**：打开微信 → 搜索公众号"极职Zenith" → 回复关键词"小米" → 获取投递邮箱

获取到邮箱后，回复"投递+序号"（如"投递1,2"），将自动生成Cover Letter并发送邮件。

流程2：单篇文章投递（用户触发或定时触发）

1. 提取JD：使用 web_fetch 工具抓取微信文章内容，提取：

   • 公司名称
   • 岗位名称
   • 岗位职责
   • 任职要求
   • 工作地点
   • 投递邮箱
   • 邮件命名要求

2. 判断语言：JD为英文→使用英文简历和英文Cover Letter；JD为中文→使用中文简历和中文申请信

3. 匹配评估：根据用户背景评估匹配度

4. 生成Cover Letter：基于简历内容，撰写简洁的申请信，突出匹配点

5. 推送到Web后台：调用 POST /api/jobs 将投递任务写入数据库（需确保web_server.py正在运行）

   ⚠️ 重要：必须使用 push_job.py 脚本推送，不要用 PowerShell 的 curl/Invoke-RestMethod（会有中文编码问题）：

   bashCopy code
   # 方式1：JSON文件模式（推荐，Cover Letter较长时用此方式）
   # 先将任务数据写入临时JSON文件，再推送
   python scripts/push_job.py --json-file /tmp/job.json
   
   # 方式2：批量推送
   python scripts/push_job.py --batch --json-file /tmp/jobs.json
   
   # 方式3：参数模式（适合简单任务）
   python scripts/push_job.py --company "BAI资本" --position "投资实习生" --email "hr@bai.com" --subject "主题" --cover-letter "正文"
   

6. 通知用户：告知用户已将投递任务推送到Web后台，请在浏览器中查看并确认发送

7. 用户操作：用户在Web后台查看任务详情，可编辑Cover Letter/邮箱/主题，点击"一键发送"

8. 邮件发送：Web后台调用 send_application_email.py 发送邮件，并自动记录到 投递记录.csv

批量推送：如果有多篇文章需要投递，可使用 POST /api/jobs/batch 一次性推送多个任务。

流程3：收件箱求职回复检查（定时触发）

1. 运行IMAP检查脚本：执行 python scripts/check_inbox_replies.py --days 7 --output inbox_replies.json
   • 脚本通过IMAP连接Gmail
   • 搜索最近7天的邮件
   • 匹配已投递公司的回复邮箱
   • 搜索求职关键词（面试/offer/简历/感谢/申请/岗位/实习/interview等）
2. 识别面试邀请：脚本自动判断是否包含面试关键词（面试/interview/一面/二面/终面/笔试等）
3. 输出结果：
   • 结果保存为 inbox_replies.json，Web后台自动读取并在"收件箱回复"标签页展示
   • 面试邀请会以红色高亮标注，提醒用户尽快回复
4. 更新投递记录：如收到回复，更新 投递记录.csv 中的状态列

流程4：投递记录查询

查询 投递记录.csv，展示已投递的公司、岗位、日期、状态。 字段：日期,公司,岗位,工作地点,投递邮箱,邮件主题,简历版本,状态

关键脚本

scripts/web_server.py

Web管理后台服务（Flask），是AI Agent与用户交互的核心界面。

• AI Agent通过REST API将投递任务写入数据库
• 用户在浏览器中查看、编辑、一键发送
• 自动调用 send_application_email.py 发送邮件并记录到 投递记录.csv
• 自动读取 inbox_replies.json 在前端展示收件箱回复

启动方式：python scripts/web_server.py --port 5000 --data-dir "简历文件夹路径" [--token 令牌] [--debug] 依赖：pip install -r requirements.txt

scripts/push_job.py

推送投递任务到Web管理后台。AI Agent生成Cover Letter后，通过此脚本将任务写入数据库。 必须使用此脚本而非curl/Invoke-RestMethod，避免PowerShell中文编码问题。 调用方式：python scripts/push_job.py --json-file job.json 或 python scripts/push_job.py --company "..." --position "..." ...

scripts/resume_parser.py

简历文本解析器（pypdf）。提取中英文简历PDF全文，供 LLM 评估匹配度、生成基于真实经历的 Cover Letter。 提供 extract_text(path) 与 load_resume_texts(data_dir)；解析失败返回空串，不影响主流程。

scripts/llm_client.py

统一 LLM 客户端，支持 DeepSeek / Kimi(Moonshot) / Qwen(DashScope) / 自定义(OpenAI兼容)。 自定义供应商在设置页填写 API 地址（llm_base_url）+ 任意模型名，可对接 Ollama、vLLM、第三方网关等。 Web后台的"刷新文章"功能通过此模块调用 LLM 分析JD和生成Cover Letter。 API Key 在 Web后台设置页面配置，存储在 settings.json。

scripts/jd_analyzer.py

JD 分析器，使用 LLM 从微信公众号文章中提取 JD 信息并生成 Cover Letter。 流程：抓取文章HTML（平衡标签提取 js_content 正文）→ LLM判断是否招聘信息 → 提取公司/岗位/要求/邮箱 → 结合简历全文评估匹配度（返回 match_score/match_reason/gap_list）→ LLM生成Cover Letter。 如果文章中未提供投递邮箱，receiver_email 为空，等用户在Web后台手动填写。

scripts/send_application_email.py

通过 SMTP 发送带PDF附件的邮件。使用MIMEApplication处理附件，utf-8编码中文文件名。 失败时抛出携带真实原因的异常（Web后台会把原因透出到任务错误信息）；端口465自动走SSL。 调用方式：python scripts/send_application_email.py --to email@example.com --subject "主题" --body "正文" --attach resume.pdf

scripts/fetch_rss_articles.py

从we-mp-rss获取所有订阅公众号的最新文章，并支持 --rss-url 拉取任意标准 RSS/Atom 源，输出JSON格式。 调用方式：python scripts/fetch_rss_articles.py --limit 10 --output articles.json [--rss-url https://rsshub.app/xxx] 注意：Windows下需先执行 $env:PYTHONIOENCODING="utf-8" 避免编码错误

scripts/check_inbox_replies.py

通过Gmail IMAP检查收件箱中的求职回复邮件。 调用方式：python scripts/check_inbox_replies.py --days 7 --output replies.json 另提供 fetch_job_replies() 供Web后台"刷新面试"调用：按已投递邮箱精确匹配发件人（关键词兜底），返回完整邮件正文。

scripts/interview_analyzer.py

面试事件分析器。使用 LLM 从求职回复邮件中提取结构化事件：事件类型（interview/written_test/rejection/other）、 日期（结合邮件发送日期推断相对日期）、时间、地点/链接、备注（如需加微信）。 识别到拒绝时Web后台会联动更新任务状态为"已拒绝"并追加到 投递记录.csv。

邮件发送故障排查

问题1：附件发送空白/损坏

• 根因：使用 MIMEBase + encoders.encode_base64 处理PDF附件时编码不完整
• 解决方案：必须使用 MIMEApplication 替代

问题2：中文文件名乱码

• 解决方案：使用 ('utf-8', '', filename) 三元组编码文件名

问题3：附件路径错误

• 解决方案：使用原始字符串 r"path"，发送前验证文件存在且大小 > 0

问题4：PowerShell控制台编码错误

• 解决方案：执行脚本前设置 $env:PYTHONIOENCODING="utf-8"

发送邮件前的检查清单

1. 检查附件文件存在：os.path.exists(attachment_path)
2. 检查附件大小 > 1000 bytes
3. 检查附件是有效PDF（文件头为 %PDF）
4. 验证收件人邮箱格式
5. 首次使用先发送测试邮件给自己确认

注意事项

1. we-mp-rss服务自动唤起：启动Web后台时会自动检查并启动 we-mp-rss 容器（容器名可在设置页"Docker容器名"配置，默认 we-mp-rss；Docker 未运行时仅告警不中断）。如启动后仍无文章，用 docker ps 检查容器状态、docker logs we-mp-rss --tail 50 查看日志
2. Web管理后台必须运行：投递流程依赖Web后台，启动命令 python scripts/web_server.py --data-dir "简历文件夹路径"
3. 微信读书登录可能过期：如RSS返回空，需在管理后台重新扫码登录
4. 附件必须使用MIMEApplication：使用MIMEBase会导致附件损坏
5. 投递前用户在Web后台确认：AI Agent推送任务后，由用户在浏览器中点击"一键发送"
6. 记录所有投递：Web后台发送邮件后自动写入 投递记录.csv，避免重复投递
7. IMAP检查是只读的：收件箱检查使用 BODY.PEEK[] + 只读模式，不会把HR邮件标记为已读
8. 设置保存有回读验证：设置页保存后会从磁盘回读确认并在底部显示配置文件实际路径；若更换 --data-dir 启动，设置、数据库、CSV都会切换到新目录