面向中文招聘市场的个人求职智能体。上传简历，说出目标，Agent 会规划搜索、采集岗位、解释结果、给出推荐决策、生成行动建议，并把每次求职任务记录成可复盘的本地记忆。
默认目标场景：上海 / AI Agent、RAG、大模型应用方向 / 社招全职。 默认安全策略：不自动打开浏览器，不自动打开 Boss 登录页，不绕过登录、验证码或滑块。
- 用一句话启动 Agent 搜索：例如“帮我找上海 AI Agent 社招，薪资 20K 以上，3 年以内，双休优先，不要实习不要校招。”
- 自动生成搜索计划：城市、关键词组合、平台、岗位类型、薪资、经验、学历、双休、排除词。
- 多平台采集岗位：智联、51job、猎聘、牛客，Boss 默认只走非交互方式或兜底方式。
- 默认过滤实习和校招，只看社招/全职；也可以手动选择社招、校招、实习。
- 返回字段更完整的岗位结果：公司、岗位、薪资、经验、学历、公司地址、双休/福利、来源、链接。
- 根据简历画像和岗位条件输出推荐等级：强推、可投、谨慎、不建议。
- 对每个岗位解释匹配理由、风险点、简历动作和面试准备重点。
- 生成 Agent 搜索报告 Markdown，记录搜索计划、平台质量、字段完整度、Top 岗位和下一步行动。
- 保存 Agent 运行记录：
run_id、执行步骤、推荐分布、Top 岗位摘要、报告路径。 - 支持本地 Agent 问答：为什么结果少、优先投哪个、双休为什么缺、下一步做什么。
- 保存本地求职记忆：简历画像、岗位反馈、投递状态、搜索历史。
| 维度 | 旧式岗位工具 | CareerPilot Agent |
|---|---|---|
| 交互方式 | 用户手动配关键词和平台 | 用户输入目标，Agent 制定搜索计划 |
| 结果展示 | 岗位表格 | 表格 + 卡片 + 推荐解释 |
| 简历匹配 | 分数和关键词 | 画像、项目、风险、简历动作、面试重点 |
| 数据质量 | 只返回结果 | 解释平台数量、字段完整度、详情抓取限制 |
| 记忆能力 | 一次性搜索 | 搜索历史、反馈、投递状态、运行报告 |
| 安全策略 | 可能自动打开浏览器 | 默认不打开浏览器，Boss 登录必须显式授权 |
git clone https://github.com/anan-root/careerpilot-agent.git
cd careerpilot-agent
python -m venv .venv
.\.venv\Scripts\activate
pip install -r requirements.txt复制 config.yaml 为 config.local.yaml，把真实 API Key 放在本地文件或环境变量里。不要把真实 Key 提交到 GitHub。
llm:
provider: deepseek
model: deepseek-v4-flash
base_url: https://api.deepseek.com
api_key: ${DEEPSEEK_API_KEY}PowerShell 设置环境变量示例：
$env:DEEPSEEK_API_KEY="你的 DeepSeek API Key"streamlit run app.py前端入口包括：
- Agent 求职目标：一句话输入目标并检索。
- 岗位结果：表格/卡片视图切换。
- Agent 计划与解释：搜索计划、执行步骤、求职记忆、报告下载。
- Agent 问答：围绕当前搜索结果提问。
- 简历优化与面试建议：选择岗位后生成本地建议或 DeepSeek 建议。
- 本地求职记忆：导出画像、反馈、投递和搜索历史。
python cli.py agent-search "帮我找上海 AI Agent 社招，薪资 20K 以上，3 年以内，双休优先，不要实习不要校招。"带简历搜索：
python cli.py agent-search "找上海 RAG 工程师，20K 以上，不要外包" --resume .\resume.pdf查看最近 Agent 任务：
python cli.py agent-runs --limit 5基于最近一次搜索提问：
python cli.py agent-ask "为什么结果这么少"
python cli.py agent-ask "优先投哪个"
python cli.py agent-ask "双休为什么获取不到"指定任务提问：
python cli.py agent-ask "下一步怎么做" --run-id 20260518_223632_d1a35c2a普通多平台采集：
python cli.py crawl -k "AI Agent" -l "上海" -p zhilian -p 51job -p liepin --pages 2 --job-type 社招导出岗位：
python cli.py export -f excel
python cli.py export -f all --all-columnsflowchart TD
U["用户目标 + 简历"] --> O["Career Orchestrator"]
O --> P["Profile Agent"]
O --> M["Memory Agent"]
O --> S["Search Strategy Agent"]
S --> C["Crawler Tools"]
C --> R["Ranking Agent"]
R --> A["Advice Agent"]
R --> G["Report Agent"]
G --> Q["Conversation Agent"]
M --> S
M --> R
每次 Agent 搜索都会经历：
- 创建 Agent 任务，生成
run_id。 - 读取上传简历或本地画像。
- 读取本地求职记忆。
- 生成 SearchPlan。
- 调用多平台检索。
- 对岗位排序并生成推荐判断。
- 保存 Markdown 报告和运行记录。
- 支持基于结果的本地问答。
data/
jobs.db # SQLite 岗位库
memory/
profile.json # 简历画像
search_history.jsonl # 搜索历史
job_feedback.jsonl # 岗位反馈
applications.jsonl # 投递记录
agent_runs/*.json # 每次 Agent 任务记录
outputs/
agent_search_report.md # 最近一次 Agent 搜索报告
agent_runs/*.md # 按 run_id 归档的搜索报告
resume_job_match_report.md # 简历匹配报告
agents/
career_orchestrator.py # Agent 总调度
search_strategy_agent.py # 自然语言目标解析和搜索计划
profile_agent.py # 简历画像
ranking_agent.py # 岗位推荐决策
advice_agent.py # 单岗位本地行动建议
memory_agent.py # 求职记忆摘要
report_agent.py # Markdown 搜索报告
conversation_agent.py # 本地搜索结果问答
resume_matcher.py # 简历解析、匹配、DeepSeek 建议
crawlers/
aggregator.py # 多平台聚合、去重、字段质量摘要
zhilian.py # 智联招聘
job51.py # 51job/前程无忧
liepin.py # 猎聘
nowcoder.py # 牛客
boss*.py # Boss 非交互/显式授权/兜底方案
memory/
store.py # JSON/JSONL 本地记忆和 Agent 任务记录
- API Key 不写入代码，优先使用
config.local.yaml或环境变量。 config.local.yaml属于本地私密配置，不应提交。- 默认不启动交互式浏览器。
- 默认不打开 Boss 登录页。
boss_drission只有在用户显式选择或设置allow_browser_login=True时才允许打开登录浏览器。- 51job/猎聘浏览器列表采集默认关闭，只有显式启用才运行。
- 不绕过登录、验证码、滑块或平台安全策略。
- 双休、地址、经验等字段如果平台未公开或详情页被验证拦截，会标记为未知，不会编造。
- MVP 不做自动投递和自动代聊 HR。
平台增多会增加原始候选，但最终展示还会经过去重、社招/校招/实习过滤、薪资、经验、学历、双休、排除词和推荐排序。结果表展示的是“符合条件的最终候选”，不是原始抓取总量。搜索摘要会显示每个平台抓取、筛选和最终展示数量。
这些字段取决于平台是否在列表页公开。部分平台把福利、详细地址、完整经验要求放在详情页，详情页又可能需要登录、滑块或验证。CareerPilot Agent 会尝试记录字段完整度，但不会为了填字段而编造信息。
因为浏览器登录属于高打扰、高不确定的动作。现在默认使用安全模式，不自动打开浏览器。需要 Boss 登录数据时，必须由用户显式授权。
- 把每个平台页数调到 2-3。
- 增加关键词数量。
- 先取消双休优先。
- 放宽薪资下限或经验上限。
- 保留“不要实习/不要校招”，避免结果被实习岗位污染。
当前已完成：
- Phase 1：Agent 骨架。
- Phase 2：简历画像与匹配升级。
- Phase 3：岗位决策 Agent。
- Phase 4：单岗位行动建议。
- Phase 5：本地求职记忆。
- Agent 搜索报告、运行记录、本地问答、岗位卡片视图。
下一步建议：
- Phase 6：三栏式产品化界面。
- Phase 7：项目独立化发布、截图、示例数据、演示脚本。
- 更强的 Agent 对话：基于当前报告和岗位列表进行多轮解释。
- 面试准备工作台：题库、追问、复盘计划。
MIT