💡 为什么选择 BossFlow？
传统的求职方式常常面临 海投效率低下、AI 乱编履历被面试官戳穿 等痛点。
BossFlow 重新定义了个人求职流水线：
- 🛡️ 数据完全本地存储：岗位库、基础简历、证据库与 Cookie 全部保留在你的电脑上，不上传任何第三方云端。
- 🔍 事实约束型 AI：AI 绝不假造未确认的经历，每一条简历建议与面试准备都严格基于你的实际证据。
- 📦 多求职方向隔离：针对“AI 算法”、“前端开发”、“产品经理”等不同目标，独立隔离岗位库与简历版本。
- 🤖 本地 MCP 接口支持：原生支持 MCP 协议，无缝联动 Claude Code, Trae, Codex 等 AI Agent。
✨ 界面预览与核心特性
1. 自动化岗位发现与粗评分数
支持 Boss 直聘自动化采集，设置多城市/关键词、黑名单与规则过滤，按命中技能与薪资匹配度自动粗评分数。
💡 BOSS 求职记录同步
支持一键同步个人 Boss 直聘账号的真实沟通与求职记录（沟通中、已投递、已关闭、收藏），自动比对当前求职目标匹配度，方便统一管理历史求职脉络。
2. 候选岗位与履历证据链核对
自动比对 JD 要求与个人真实经历，区分“已有证据”、“待确认”与“技能缺口”，避免 AI 瞎编经历。
3. 多格式个人简历导入与维护
支持 Markdown、文本 (TXT) 及 PDF 等多种格式的基础简历快速导入与自动解析，便于集中维护核心履历线索。
4. 优化建议自主勾选与定制简历输出
所有 LLM 优化建议均支持自主勾选与人工确认；未确认项仅作为补充参考，只有经你确认的事实才会写入简历，生成针对目标岗位的定制 Markdown 简历。
5. 材料定制与能力档案库
基于能力覆盖度生成匹配报告与能力面板，直观展现个人各项技能覆盖的目标岗位数量与硬性要求占比。
6. 针对性面试准备与 STAR 故事库
按岗位考察能力点自动生成面试准备文档，将真实项目经历整理为可复用的 STAR 面试故事库。
7. 原生 MCP 服务支持与 Agent 联动
内置 Streamable HTTP & stdio 桥接 MCP Server，支持 Claude Code, Trae 等工具直接调用岗位、简历与技能面板。
📐 架构设计与工作流
flowchart TD
A["岗位采集 Boss Crawler"] -->|"写入 SQLite"| B["岗位库 Projects DB"]
B -->|"规则/黑名单过滤"| C["候选岗位 Pipeline"]
C -->|"JD 要求拆解"| D{"证据覆盖度核对 Evidence Check"}
E["个人基础简历 cv.md"] --> D
F["个人故事库 Story Bank"] --> D
D -->|"仅使用用户确认的事实"| G["材料生成 Engine"]
G --> H["定制简历 Custom CV"]
G --> I["沟通话术 Draft"]
G --> J["面试准备 STAR"]
K["外部 Agent (Claude Code / Trae)"] -->|"MCP Protocol"| B
K -->|"MCP Protocol"| C
🚀 快速开始
💻 Windows 用户快速体验：如无需开发源码，可以直接前往 Releases 页面 下载最新的 Windows 桌面安装包 (.exe) 一键开箱使用！
环境要求 (源码运行)
- Python:
3.10+
- Node.js:
18+
- Chrome 浏览器（用于岗位采集和登录 Cookie）
1. 克隆项目与安装依赖
# 克隆仓库
git clone https://github.com/chenyu152/BossFlow.git
cd BossFlow
# 后端依赖
pip install -r requirements.txt
# 前端依赖
cd bossspider-web
npm ci
cd ..
2. 启动服务
# 终端 1：后端 (FastAPI)
python -m uvicorn backend.app:app --reload --port 8000
# 终端 2：前端 (Vite)
cd bossspider-web
npm run dev -- --host 127.0.0.1 --port 5173
打开浏览器访问：
- Web 工作台:
http://127.0.0.1:5173/
- API 文档:
http://127.0.0.1:8000/docs
3. Windows 桌面版 (Electron + Python sidecar)
前端与后端开发服务已启动后，另开终端联调桌面窗口：
cd desktop
npm ci
npm run dev
构建 Windows 发布安装包 (release/installer/)：
cd desktop
npm run dist:win
🔒 设计边界与隐私承诺
- 绝对本地化 (Local-First)：所有数据（包含岗位库、基础简历、证据、Cookie）均存放在本机
projects/ 目录下；不会把简历或证据上传到本项目自己的服务端。
- 用户在回路 (Human-in-the-Loop)：LLM 生成的入库规则、评分词库、简历建议、定制简历和故事都需要用户查看、编辑或确认。
- 真实性第一 (Strict Grounding)：没有来自简历、用户输入或用户确认事实的内容，不应进入简历或面试材料。
- 求职方向间完全隔离：切换求职方向时，不共享基础简历、证据、故事、岗位库或生成材料。
🧩 本地 MCP (Model Context Protocol) 联动
桌面版打开“系统设置 → MCP”，可查看 Server 的实时状态、工具和资源数量，直接按说明复制对应配置。
仓库内置 3 套可复用 Skills (位于 .agents/skills/)：
- 🎯
triage-new-jobs：评估新采集的岗位，对比求职目标并加入候选管线
- 📝
prepare-application：评估候选角色，核对证据覆盖并准备简历修改建议
- 📚
import-story-bank：从代码库或工作日志中提取证据确凿的 STAR 面试故事
详细规格与安全边界请参见 MCP 与 Skills v1 规格。
🤝 贡献与反馈
欢迎提交 Issue 或 Pull Request！
📜 开源协议
本项目采用 MIT License 协议开源。
评论