job-research

MyCareer

目前不可用，调整架构中

跑在你自己电脑上的 AI 求职助手

找岗位 · 看匹配 · 改简历 · 练面试 · 管投递

求职时，JD 在浏览器里、简历在文件夹里、投递进度在脑子里、面试安排在邮箱里。MyCareer 把它们放进同一个本地工作区：你用对话把事情交给 Agent，它去查岗位、比简历、改草稿、陪你练面试、记进度。

• 数据本地保存：岗位、简历、投递和对话都存在你电脑上的 SQLite 里，没有中心服务器。
• 匹配证据可核对：每条"符合"都引用你简历里的原文；没有证据的地方只会标成缺口，不会替你编经历。
• 外部操作由你确认：写日历、改记忆这类动作，都要你点确认才会执行。

功能

🔍 找到值得投的岗位

• 岗位收藏：装上 Chrome 扩展后，在 BOSS 直聘岗位详情页点一下，就把完整 JD 存进岗位库。只有你点击才会保存，扩展不会自动搜索或投递。
• 岗位分析：把 JD 要求分成四档：硬门槛、核心要求、重要加分、普通加分，每一条都附上对应的 JD 原文。分错了可以改，系统会同时保留原判断和你的修正。
• 岗位比较：结合你确认过的求职偏好，比较几个岗位哪个更值得继续看。覆盖率的算法是公开的：完全符合算 1、部分符合算 0.5、缺失算 0，看不出来的不计入。
• 公司调研：针对岗位库里的岗位检索公开资料，每条结论都标明来源，并区分"事实""推断"和"未知"。

🧩 看清匹配，找到差距

• 简历管理：导入 PDF、TXT 或 Markdown。每次导入都是一个不可改的版本，可以随时打开原文件。简历按目标岗位分组，也能移到别的岗位下；重复上传同一个文件不会存两份。
• 简历点评：不需要 JD，按简历所在的目标岗位，从 HR 初筛、面试官和简历编辑三个角度指出写得弱的地方和改法，并列出面试官可能追问的问题。扫描件或特殊字体的 PDF 读不出文字时，会自动交给模型识别。
• 逐条匹配：拿指定的简历版本对照岗位的每条要求，结论只有四种：匹配、部分匹配、未体现、不明确。整体结论分为强、中、弱和证据不足，这不是录用概率。
• 补强建议：针对缺口给出下一步：澄清问题、补材料、做项目或学技能。

✍️ 把简历和面试准备好

• 简历定制：针对目标岗位生成修改草稿，每条修改都必须引用原简历的内容。草稿先给你看，后台同时自动审核有没有夸大；审核通过后逐条接受或拒绝，再下载定稿。
• 面试准备：根据投递和面试轮次，整理相关经历和项目素材。
• 模拟面试：
  • 可以针对某次投递练，也可以自由练习。自由练习开始前会先问你用哪份简历（也可以现场上传，或者不用简历），可以指定岗位库里的岗位，也可以只说一个公司。
  • 开始时先按岗位出好整场的题，逐题提问，根据你的回答决定要不要追问。默认 10 道主问题，每题最多追问 2 次。
  • 常见大厂（字节、阿里、腾讯等）会参考它们的面试侧重。如果你做过这家公司的调研，也会结合调研里的业务背景出题。
  • 整场结束后逐题评估：从准确性、相关性、具体性、结构、推理和表达六个方面，每项 1–5 分，再生成复盘报告，并指出前后回答里互相矛盾的地方。
  • 中途离开，可以从面试中心回到原对话接着答；练完或取消的练习可以"再来一次"。

📮 把求职进度管起来

• 投递追踪：在外部平台投递后，在这里记一笔：选岗位、选当时用的简历版本、填投递时间。之后跟踪状态、事件和面试轮次。
• 每日概览：Dashboard 和日报汇总进展和下一步要做的事。
• 招聘邮件：连接 Gmail（只读）或 QQ 邮箱，识别招聘相关消息，由你确认后再更新进度。
• 面试日历：在面试中心的月历里查看安排；连接 Google 日历后，确认一次写入一次。

💬 对话与记忆

• 对话式操作：直接说出你想做什么。需要你选择或补充信息时，会弹出选项卡片；想自己填写，选"其他"就能在同一行输入。
• 长期记忆：只保存你确认过的经历和偏好，可以修改、可以删除。Agent 自己的推断会单独存放，不会直接影响推荐或匹配。

界面预览

快速开始

需要： Python 3.11+ · uv · Node.js ^20.19.0 或 >=22.12.0 · 一个 HTTPS 的 OpenAI 兼容模型接口 收藏 BOSS 岗位还需要 Chrome、Edge、Brave、Arc 等 Chromium 内核浏览器。

1. 安装依赖

uv sync --extra test
cd web && npm ci && cd ..

2. 配置模型

cp .env.example .env

至少填下面两组。两组可以先指向同一个模型服务：

# 主 Agent：负责对话和决定下一步做什么
MAIN_AGENT_BASE_URL=https://你的服务/v1
MAIN_AGENT_API_KEY=你的密钥
MAIN_AGENT_MODEL=你的模型名
MAIN_AGENT_TIMEOUT_SECONDS=120

# 专家默认通道：负责简历识别、匹配、邮件处理和面试准备
RESUME_ANALYSIS_AGENT_BASE_URL=https://你的服务/v1
RESUME_ANALYSIS_AGENT_API_KEY=你的密钥
RESUME_ANALYSIS_AGENT_MODEL=你的模型名

BASE_URL 填 /v1 基地址或完整的 /chat/completions 地址都可以。.env 已被 Git 忽略，不要提交真实密钥。

模型选择建议：

• QwenCloud：优先推荐。qwen3.7-plus 适合主 Agent、岗位分析、简历匹配和简历定制；qwen3.8-flash 适合摘要、邮件识别和模拟面试。QwenCloud 提供 OpenAI 兼容的 Chat Completions 接口，并支持函数调用和结构化数据。官方模型选择 · 官方兼容接口
• DeepSeek：deepseek-flash 适合成本敏感的普通对话、摘要和结构化分析；官方接口支持 JSON Output 和 Tool Calls。官方模型与能力
• 岗位调研：继续使用 GPT 通道，因为当前实现依赖 Responses web_search；不要把普通 Chat Completions 模型直接填到这个通道。

对话摘要是独立的 Agent worker，但默认复用 MAIN_AGENT_* 的连接；只有需要单独模型时才填写完整配置：

CONVERSATION_SUMMARY_AGENT_BASE_URL=${MAIN_AGENT_BASE_URL}
CONVERSATION_SUMMARY_AGENT_API_KEY=${MAIN_AGENT_API_KEY}
CONVERSATION_SUMMARY_AGENT_MODEL=更快的摘要模型
CONVERSATION_SUMMARY_AGENT_TIMEOUT_SECONDS=30
CONVERSATION_SUMMARY_AGENT_MAX_INPUT_TOKENS=32000
CONVERSATION_SUMMARY_AGENT_MAX_OUTPUT_TOKENS=1200
CONVERSATION_SUMMARY_AGENT_CONTEXT_WINDOW_TOKENS=65536

岗位调研单独配置为支持 Responses web_search 的 GPT 通道；这里必须填写完整的 URL、密钥和模型：

JOB_RESEARCH_AGENT_BASE_URL=${RESUME_ANALYSIS_AGENT_BASE_URL}
JOB_RESEARCH_AGENT_API_KEY=${RESUME_ANALYSIS_AGENT_API_KEY}
JOB_RESEARCH_AGENT_MODEL=支持web_search的GPT模型
JOB_RESEARCH_AGENT_TIMEOUT_SECONDS=120

模拟面试和简历定制可以单独换模型。简单配置只覆盖模型名和超时，复用 RESUME_ANALYSIS_AGENT_* 的连接：

MOCK_INTERVIEW_AGENT_MODEL=更快的模型名
MOCK_INTERVIEW_AGENT_TIMEOUT_SECONDS=60
MOCK_INTERVIEW_AGENT_PROTOCOL=chat_completions
RESUME_TAILORING_AGENT_MODEL=更强的模型名
RESUME_TAILORING_AGENT_TIMEOUT_SECONDS=120

*_PROTOCOL 可选 responses 或 chat_completions。使用只提供 OpenAI 兼容 Chat Completions 的模型服务时要填 chat_completions，否则请求可能一直等到超时。若某个能力要改用其他模型服务，则为该通道一起填写 BASE_URL、API_KEY、MODEL；不要只填半组：

RESUME_TAILORING_AGENT_BASE_URL=https://官方模型服务/v1
RESUME_TAILORING_AGENT_API_KEY=另一把密钥
RESUME_TAILORING_AGENT_MODEL=官方快速模型

不填写时仍使用 RESUME_ANALYSIS_AGENT_*。当前尚未单独拆出的能力是简历解析、岗位分析、简历匹配、邮件识别和面试准备，它们继续共用这个专家默认通道。

配置关系可以概括为：

CAREER_EMBEDDING_* 是可选的向量检索服务，不是对话 Agent；CONTEXT_* 只是上下文压缩参数。

3. 创建本地访问密钥

两条命令要用同一个 --user-id，这样网页和浏览器扩展保存的数据才属于同一个用户：

uv run career-agent api-keys issue --user-id local-user --name local-web \
  --scope workspace:read --scope workspace:write \
  --scope chat:write --scope settings:write --no-expiry

uv run career-agent api-keys issue --user-id local-user --name boss-extension \
  --scope capture:write --no-expiry

每条命令只显示一次 secret。把它们分别填进 web/.env：

CAREER_AGENT_WEB_API_KEY=第一条命令返回的_secret
VITE_CAPTURE_API_KEY=第二条命令返回的_secret

4. 启动

uv run career-agent-api        # 终端一，后端默认 http://127.0.0.1:8000
cd web && npm run dev          # 终端二，前端默认 http://127.0.0.1:5173

浏览器打开 http://127.0.0.1:5173 即可使用。curl http://127.0.0.1:8000/ready 返回 503 时，按响应里提示的配置错误检查 .env。修改 web/.env 后需要重启前端。

5. 安装 BOSS 岗位收藏扩展（可选）

1. 在 Chrome 打开 chrome://extensions，开启"开发者模式"。
2. 点击"加载已解压的扩展程序"，选择仓库里的 browser-extension/。
3. 用同一个 Chrome 用户打开 MyCareer 网页，并在其中登录 BOSS 直聘。
4. 打开 BOSS 岗位详情页，右下角会出现保存卡片，点击后才会写入岗位库。

扩展不会自动搜索、滚动、投递或发消息，也不会读取 Cookie、绕过平台验证。详见 browser-extension/README.md。

怎么用

第一次上手

1. 在"简历管理"导入简历（也可以直接拖进对话框），选好它属于哪个目标岗位。
2. 在简历版本上点"简历点评"，看看哪里需要先改。
3. 用扩展保存几个感兴趣的 BOSS 岗位。
4. 让 Agent 做匹配、比较岗位或公司调研。
5. 需要时发起简历定制：先看草稿，等自动审核通过后逐条确认，再下载定稿。
6. 投递后在"投递记录"记一笔，之后面试准备、模拟面试都可以从投递开始。

可以这样说