## 工作流程 flowchart LR A[job-init
画像初始化] --> B[job-scan
岗位扫描] B --> C[job-analyze
分析 & 学习计划] 两步闭环：**了解你 → 找岗位 → 分析差距产出学习计划** ## 它能做什么 | 功能 | 说明 | |------|------| | **画像分析** | 采集技术栈、学历、经验、自驱力、可投入时间，判定起点档位 | | **岗位扫描** | 通过 Chrome 连接 BOSS 直聘真实数据，按你的画像匹配岗位 | | **JD 分析** | 分析市场需求，提取高频技能要求、薪资分布、经验门槛 | | **差距分析** | 市场驱动（60%）+ 画像匹配（30%）+ 合理补充（10%）| | **学习计划** | 30/60/90 天定制计划，含费曼学习法 + 第一性原理 | | **技能变现** | 技术内容创作与技能变现模块（可选，不挤占核心学习）| | **反诈检测** | 识别培训贷、包就业、付费内推等话术 | ## 快速开始 ### 前置条件 - Python 3.10+ - Google Chrome - [Claude Code](https://claude.ai/claude-code)（命令行或 IDE 扩展均可） ### 两步启动 **Windows** # 打开 PowerShell 或命令提示符，执行： git clone https://github.com/qxiansheng001/ai-job-hunter.git cd ai-job-hunter claude . # 然后在 Claude Code 中输入： **macOS** # 打开终端（Terminal），执行： git clone https://github.com/qxiansheng001/ai-job-hunter.git cd ai-job-hunter claude . # 然后在 Claude Code 中输入： **Linux** # 打开终端，执行： git clone https://github.com/qxiansheng001/ai-job-hunter.git cd ai-job-hunter claude . # 然后在 Claude Code 中输入： ### 之后会发生什么 skill 会自动帮你完成所有步骤： ① 自动安装 Python 依赖（无需手动 pip install） ② 采集你的技术栈、学历、经验 → 判定起点档位 ③ 引导你启动 Chrome 并登录 BOSS直聘 ④ 推荐匹配岗位 → 自动抓取真实数据 ⑤ 生成市场需求分析报告 + 30/60/90 天定制学习计划 你只需要在引导下登录一次 BOSS直聘，其余都是自动的。 ### 各平台 Chrome 启动方式 如果引导时需手动启动 Chrome，对应平台的命令： # Windows（cmd） start chrome --remote-debugging-port=9222 # macOS open -a "Google Chrome" --args --remote-debugging-port=9222 # Linux google-chrome --remote-debugging-port=9222 ## 子命令 | 命令 | 触发方式 | 作用 | |------|----------|------| | `/job-init` | 首次使用自动触发 | 采集画像，判定 S0-S3 档位 | | `/job-scan` | "帮我找岗位" | 推荐岗位 → CDP 抓取 → 清洗导出 | | `/job-analyze` | 画像+扫描完成后自动可用 | JD 分析 → 差距分析 → 学习计划 | ## 配置 ### 数据目录 所有个人数据存放在 skill 仓库**外部**，避免误提交： 默认：`../ai-job-hunter-data/`（skill 同级目录） # 指定其他位置 export AI_JOB_HUNTER_DATA=/path/to/your/data | 文件/目录 | 内容 | |-----------|------| | `.skill-state.json` | 个人画像、学习进度、历史记录 | | `subjects/{keyword}/` | 岗位数据、JD 分析报告、学习计划 | | `workspace/` | 每日打卡产出 | ### 爬虫参数 | 参数 | 默认 | 说明 | |------|------|------| | `CHROME_PORT` | `9222` | Chrome 远程调试端口 | ## 项目结构 ai-job-hunter/ ├── SKILL.md Claude Code 入口（自动路由） ├── contents/themes.yaml 学习主题数据源 ├── requirements.txt Python 依赖 │ ├── scripts/ │ ├── scraper/boss_scraper.py BOSS直聘 CDP 爬虫 │ ├── export/clean_and_export.py 数据清洗 → Excel │ ├── analysis/ │ │ ├── jd_analyzer.py JD 市场需求分析 │ │ ├── gap_analyzer/ 能力差距分析引擎 │ │ ├── content_generator.py 学习内容生成 │ │ ├── content_loader.py YAML 数据加载 │ │ └── skill_map.py 技能映射库 │ ├── utils/ │ │ ├── time.py 时间计算工具 │ │ └── io.py 文件 IO 工具 │ └── tests/ 单元测试（34 个） │ ├── skills/ │ ├── job-init/SKILL.md 画像初始化 │ ├── job-scan/SKILL.md 岗位扫描 │ └── job-analyze/SKILL.md 分析 & 学习计划 │ ├── shared-references/ │ ├── role-tiers.md 起点档位判定 │ ├── analysis-rubric.md 分析方法论 │ └── city_codes.md 城市编码表 │ └── templates/state.template.json 状态文件模板 ## 报告示例 ### JD 分析报告 📊 JD 市场需求分析 目标岗位：大模型算法工程师 | 样本数：47 条 ───────────────────────────────────────── 薪资分布 25-50K: ████████████████████ 42% 50-75K: ██████████████ 30% 75K+: ██████ 13% 学历要求 硕士及以上: 58% | 本科: 38% | 不限: 4% 高频技能 Python ████████████████████ 87% PyTorch ██████████████████ 82% Transformer ███████████████ 72% ... ### 学习计划 每日任务结构： - **今日主题** — 具体学习范围 - **费曼输出** — 用大白话向小白讲清核心概念 - **实践任务** — 代码/项目实操 - **完成标准** — 可自检的 checklist 计划周期可选 30 天速成 / 60 天标准 / 90 天深入。 ## 学习方法 ### 费曼学习法 每天有「费曼输出任务」，要求你用大白话向小白讲清当天核心概念。卡住的地方就是盲区。 ### 第一性原理 每阶段末有 5 层追问，回归：问题本质 → 核心原理 → 最小实现 → 设计取舍。 ## 技术原理 | 层 | 技术 | |------|------| | 爬虫 | Chrome DevTools Protocol + websockets | | 分析 | 中文分词 + 加权匹配算法 | | 内容 | YAML 驱动，不硬编码 | | 学习计划 | 市场驱动 60% + 画像匹配 30% + 补充 10% | ## 常见问题 | 问题 | 解决 | |------|------| | Chrome 连接失败 | 关闭所有 Chrome，用 `--remote-debugging-port=9222` 重启 | | 抓取不到数据 | 检查 Chrome 中是否已登录 BOSS直聘 | | pip install 报错 | 需要 Python 3.10+，建议用虚拟环境 | | 模块找不到 | 在 skill 根目录执行 `pip install -r requirements.txt` | | 岗位匹配少 | 尝试不同关键词或调整目标城市 | ## License MIT © [qxiansheng001](https://github.com/qxiansheng001)

如果这个工具对你有帮助，欢迎 ⭐ Star

标签：AI代理, Claude Code, 代码示例, 数据分析, 求职助手, 网络调试, 职业规划, 自动化, 逆向工具