Boss Recommend Mcp

Boss 推荐 / 搜索 / 聊天筛选 MCP（stdio）服务。

发布入口：

• npm: @reconcrap/boss-recommend-mcp（https://www.npmjs.com/package/@reconcrap/boss-recommend-mcp）
• GitHub: reconcrap-cpu/boss-recommend-mcp（https://github.com/reconcrap-cpu/boss-recommend-mcp）

AI harness install entrypoint

如果用户只把这个 GitHub 链接交给 Codex、Claude Code、Cursor、OpenClaw、QClaw、Trae 等 AI harness，并要求“安装这个工具”，请优先执行本节，而不是直接在 macOS 上裸跑 npm install -g。

AI harness 不能只完成 npm 安装就结束。安装流程还必须帮助用户完成必填 LLM 配置；如果用户没有提前提供，请向用户索取：

• LLM base URL（默认可用 https://api.openai.com/v1）
• LLM API key
• LLM model（默认可用 gpt-4.1-mini）

然后写入配置：

boss-recommend-mcp config set --base-url <baseUrl> --api-key <apiKey> --model <model> --thinking-level low
boss-recommend-mcp doctor

如果用户用 macOS bootstrap，它会自动尝试交互式询问并写入这些字段。非交互式 AI harness 如果拿不到用户输入，应暂停并询问用户上述三项，不要把安装标记为完成。

macOS 首次安装推荐使用仓库里的 nvm bootstrap。它会把 Node/npm/global packages 放到用户目录，避免首次安装或后续升级时出现：

EACCES: permission denied, mkdir '/usr/local/lib/node_modules/@reconcrap'

这是 npm global prefix 权限问题，不是 boss-recommend-mcp 包内部创建目录失败。

macOS 一键安装：

curl -fsSL https://raw.githubusercontent.com/reconcrap-cpu/boss-recommend-mcp/main/scripts/install-macos.sh | bash

如果要直接配置某个宿主：

curl -fsSL https://raw.githubusercontent.com/reconcrap-cpu/boss-recommend-mcp/main/scripts/install-macos.sh | bash -s -- --agent openclaw
curl -fsSL https://raw.githubusercontent.com/reconcrap-cpu/boss-recommend-mcp/main/scripts/install-macos.sh | bash -s -- --agent qclaw
curl -fsSL https://raw.githubusercontent.com/reconcrap-cpu/boss-recommend-mcp/main/scripts/install-macos.sh | bash -s -- --agent trae-cn

安装后，未来升级只需要在同一个 nvm shell 里运行：

npm -g i @reconcrap/boss-recommend-mcp@latest
boss-recommend-mcp where

如果升级前 npm config get prefix 返回 /usr/local，说明当前 shell 没有使用 nvm Node；请先重新加载 nvm，不要使用 sudo npm install -g。

macOS bootstrap 会执行 boss-recommend-mcp install --mcp-launch global-wrapper。该模式会把 MCP 宿主配置为启动稳定 wrapper：~/.boss-recommend-mcp/bin/boss-recommend-mcp-mcp-server。这个 wrapper 每次启动时都会调用当前全局 boss-recommend-mcp start，因此后续 npm -g i @reconcrap/boss-recommend-mcp@latest 会更新 MCP 宿主实际运行的版本，不需要每次升级后重写 MCP 配置。

如果 AI harness 已经从用户处拿到 LLM 信息，可以非交互式传给 bootstrap：

curl -fsSL https://raw.githubusercontent.com/reconcrap-cpu/boss-recommend-mcp/main/scripts/install-macos.sh \
  | BOSS_RECOMMEND_BASE_URL="https://api.openai.com/v1" \
    BOSS_RECOMMEND_API_KEY="<apiKey>" \
    BOSS_RECOMMEND_MODEL="gpt-4.1-mini" \
    bash -s -- --agent openclaw

2.0.0 是 CDP-only 重写版本：活跃浏览器路径只允许 Chrome DevTools Protocol 的 DOM / Input / Page / Network / Accessibility 等域，不使用 Runtime.evaluate 或页面 JS。包内保留 recommend、search/recruit、chat 三条域服务，并共享浏览器、生命周期、筛选、CV 获取、无限滚动、自愈与 CSV 报告层。

安装 boss-recommend-mcp 后可以直接：

• 读取推荐页岗位列表，供 cron / 一次性任务提前填写完整 job 参数。
• 运行推荐页筛选、搜索页筛选、聊天页筛选。
• 使用 Network 优先、完整滚动截图兜底的 CV 获取策略。
• 通过共享 run lifecycle 查询、暂停、恢复、取消任务。
• 把运行态保存在用户目录下的 ~/.boss-recommend-mcp/（chat 默认在 ~/.boss-recommend-mcp/boss-chat/，可通过 BOSS_CHAT_HOME 覆盖）。

MCP 工具：

• list_recommend_jobs（只读读取推荐页岗位下拉框，返回可直接用于 cron/一次性任务的 job_names）
• run_recommend（start_recommend_pipeline_run 的短别名；用户已经确认且要现在启动时优先调用）
• start_recommend_pipeline_run（异步启动；先经过前置门禁，通过后返回 ACCEPTED + run_id）
• prepare_recommend_pipeline_run（只校验完整 payload；不启动筛选。主要用于显式预检或定时任务前校验；若现在运行，READY 后继续调用 run_recommend / start_recommend_pipeline_run）
• schedule_recommend_pipeline_run（只用于用户明确要求稍后/cron/定时；保存已 READY 的完整 payload，启动 detached scheduler，到点后直接调用 start_recommend_pipeline_run）
• get_recommend_scheduled_run（查询 package-owned 定时任务；到点后会显示内层 run_id 和 run 快照）
• get_recommend_pipeline_run（用已知 run_id 轮询状态）
• list_recommend_pipeline_runs（只读列出最近 run 摘要并返回 latest_run；忘记 run_id 时用它恢复，不要读磁盘 JSON）
• cancel_recommend_pipeline_run（取消运行中任务）
• pause_recommend_pipeline_run（请求暂停 run；会在当前候选人处理完成后进入 paused）
• resume_recommend_pipeline_run（继续 paused run；沿用同 run_id 与同 CSV）
• run_recommend_self_heal（手动运维工具；扫描 Boss recommend 的 selector / network 规则漂移，并在确认后应用高置信度修复）
• run_recruit_pipeline
• start_recruit_pipeline_run
• get_recruit_pipeline_run
• pause_recruit_pipeline_run
• resume_recruit_pipeline_run
• cancel_recruit_pipeline_run
• boss_chat_health_check
• list_boss_chat_jobs（只读读取聊天页岗位列表；chat-only 获取 job_options 的首选别名，不会启动任务）
• prepare_boss_chat_run
• start_boss_chat_run
• get_boss_chat_run
• pause_boss_chat_run
• resume_boss_chat_run
• cancel_boss_chat_run

推荐页 page scope：

• 支持 recommend / featured / latest，对应 Boss UI 的 推荐 / 精选 / 最新。
• 切换岗位后再选择 page scope；如果所选岗位没有用户要求的 scope，会自动回退到 推荐 并继续运行。

推荐页岗位列表：

boss-recommend-mcp list-jobs --slow-live --port 9222

返回的 job_names 可直接作为后续 start_recommend_pipeline_run 的 overrides.job；旧版 confirmation.job_value 仍兼容。

Cron / 一次性定时任务设置建议先在设置阶段完成 Chrome/登录/岗位发现与一次总确认；确认文件推荐只包含 { "final_confirmed": true }：

boss-recommend-mcp prepare-run --instruction-file boss-recommend-instruction.txt --overrides-file boss-recommend-overrides.json --confirmation-file boss-recommend-confirmation.json --slow-live --port 9222
boss-recommend-mcp schedule-run --schedule-delay-minutes 10 --instruction-file boss-recommend-instruction.txt --overrides-file boss-recommend-overrides.json --confirmation-file boss-recommend-confirmation.json --slow-live --port 9222
boss-recommend-mcp schedule-status --schedule-id <schedule_id>

只有 prepare-run 输出 status: "READY" 且 cron_ready: true 后，才继续调用 schedule-run。只有 schedule-run 输出 status: "SCHEDULED" 且带有 schedule_id 后，才算定时任务真的创建成功。不要让外部 AI harness 自己拼 /tmp/*.log shell cron 或未来对话提醒；那类 cron 容易丢失 JSON/file 参数并在到点后重新卡确认门禁。

状态机：

• NEED_INPUT
• NEED_CONFIRMATION
• READY（仅准备工具）
• SCHEDULED（仅定时工具）
• COMPLETED
• FAILED

异步 run 状态快照（get_recommend_pipeline_run）：

• queued
• running
• paused
• completed
• failed
• canceled

旧版 recommend -> chat 自动衔接属于 legacy-only 行为，2.0.0 的 CDP-only MCP 路径会 fail closed。需要聊天页筛选时，请在 recommend 完成后显式调用 prepare_boss_chat_run / start_boss_chat_run。

设计特点

• 页面目标固定为 https://www.zhipin.com/web/chat/recommend
• 活跃浏览器自动化为 CDP-only；硬静态门禁会阻止活跃路径重新引入 Runtime.evaluate、page.evaluate / $eval / $$eval、page.js、脚本注入或其他页面 JS。
• 支持推荐页原生筛选：当前城市限定 / 活跃度 / 学校标签 / 学历 / 性别 / 近14天没有
• current_city_only 默认为 false，只切换“仅推荐期望城市为本城市的牛人”，不会改变 Boss 当前已选择的城市；activity_level 接受自然语言并归一化到最靠近用户意图的 不限/刚刚活跃/今日活跃/3日内活跃/本周活跃/本月活跃，无法理解或有冲突时安全回退为 不限
• 支持推荐页岗位列表只读读取：list_recommend_jobs / boss-recommend-mcp list-jobs
• 支持推荐页 page scope：推荐 / 精选 / 最新
• 学校标签支持多选语义：如“985、211”会同时勾选这两项
• 学校标签对“混合输入”按容错处理：如“985、211、qs100”会忽略无效项 qs100，保留并应用有效项；仅当全部无效或用户明确“不限”时才回落到“不限”
• 学历支持单选与多选语义：如“本科及以上”会展开为 本科/硕士/博士；如“大专、本科”只勾选这两项
• 执行前会先补齐筛选值、岗位、后置动作和休息强度，然后只做一次总确认
• 页面就绪（已登录且在 recommend 页）后，会先提取岗位栏全部岗位，使用精确岗位名填入 run payload，再进入总确认
• 在真正开始 search/screen 或创建 cron 前，总确认需包含岗位、全部筛选参数、criteria、target_count、post_action、可选 max_greet_count、restLevel 和定时信息（如适用）
• npm 全局安装后会自动执行 install：生成 skill、导出 MCP 模板，并自动尝试写入已检测到的外部 agent MCP 配置（含 Trae / trae-cn / Cursor / Claude / OpenClaw）
• 2.x installer 会迁移已存在的 legacy Boss MCP 配置：把 boss-recommend 指向统一 @reconcrap/boss-recommend-mcp，并从同一个 mcp.json 中移除旧 boss-recruit-mcp / standalone boss-chat / 本地 legacy Boss 路径；写入前会生成 .boss-mcp-migration-*.bak 备份
• 2.x installer 会刷新外部 agent skills：boss-recommend-pipeline、boss-recruit-pipeline、boss-chat 都来自当前包，旧 recruit/chat skill 会被覆盖为统一 MCP 路由
• npm / npx 安装后会自动初始化 screening-config.json 模板（优先写入 workspace 的 config/，不可写时回退到用户目录）
• npm 安装流程会预创建运行目录（跨平台）：~/.boss-recommend-mcp、~/.boss-recommend-mcp/runs、~/.boss-recommend-mcp/boss-chat 及其 logs/runs/profiles/reports/artifacts/state
• post_action、target_count 和可选 max_greet_count 通过同一次总确认锁定
• 新流程中 confirmation.final_confirmed=true 是总确认；旧版逐字段 *_confirmed JSON 仍兼容但不是推荐写法
• 一旦确认 post_action，本次运行内所有通过人选都统一按该动作执行
• 若达到可选 max_greet_count 但流程仍需继续，后续通过人选会继续筛选但不再执行打招呼动作
• 不会对每位候选人重复确认
• 推荐页详情处理完成后，会强制关闭详情页并确认已关闭
• 简历提取优先使用 Network 响应；没有可解析 Network CV 时，回退到完整滚动截图序列再交给多模态模型判断
• recommend / search / 带 criteria 的 chat 正式运行默认全部使用 screening-config.json 配置的 LLM 筛选；chat 的 criteria 留空时进入收集简历模式，不需要 LLM 配置。deterministic/local scorer 只保留给明确测试场景，必须显式传 debug_test_mode=true 且 screening_mode=deterministic 或 use_llm=false。
• detail_limit=0、no_filter、filter_enabled=false、后置动作 dry-run、chat 求简历 dry-run 等调试路径不会在正式 live run 默认启用；需要测试时必须显式传 debug_test_mode=true。
• 提供显式运维自愈工具：只在手动调用 run_recommend_self_heal 时运行，不会接入正常 run / doctor / preflight 自动链路
• 运行前会自动做依赖体检（Node.js、Python、Pillow、chrome-remote-interface、ws），缺失时会在 doctor 与流水线失败诊断中明确提示
• 若 preflight 失败，返回 diagnostics.recovery（含有序修复步骤与 agent_prompt），可直接交给 AI agent 自动按顺序安装依赖
• 不依赖 PowerShell；Windows / macOS 均可运行（命令提示会按平台给出）
• package-local legacy/vendor 代码被隔离在 legacy/research/，不会进入 npm clean install 包。

安装

推荐（npm 全局安装）：

npm install -g @reconcrap/boss-recommend-mcp@latest
boss-recommend-mcp start

macOS 首次安装如果没有确认 npm prefix 在用户目录，优先使用本文开头的 scripts/install-macos.sh。完成 bootstrap 后，后续升级仍然使用同一个 npm 命令：

npm -g i @reconcrap/boss-recommend-mcp@latest
boss-recommend-mcp where

无需安装（npx 直接运行）：

npx -y @reconcrap/boss-recommend-mcp@latest start

从 GitHub 源码运行（开发/调试）：

git clone https://github.com/reconcrap-cpu/boss-recommend-mcp.git
cd boss-recommend-mcp
npm install
node src/cli.js start

迁移 legacy MCP / skills

全局 npm 安装会自动运行 boss-recommend-mcp install。该安装器会在 Windows 和 macOS 上自动检测 Trae / Trae CN / OpenClaw / QClaw 的常见配置目录：

• Windows: %APPDATA%\Trae*\User\mcp.json、%USERPROFILE%\.trae*\mcp.json、%USERPROFILE%\.openclaw\mcp.json、%USERPROFILE%\.openclaw\openclaw.json、%APPDATA%\OpenClaw\User\mcp.json、%USERPROFILE%\.qclaw\openclaw.json
• macOS: ~/Library/Application Support/Trae*/User/mcp.json、~/.trae*/mcp.json、~/.openclaw/mcp.json、~/.openclaw/openclaw.json、~/Library/Application Support/OpenClaw/User/mcp.json

如果检测到 legacy Boss server entries，installer 会：

• 保留非 Boss MCP server。
• Trae/Trae-CN 默认写入三个小 toolset server：boss-recommend（BOSS_RECOMMEND_MCP_TOOLSET=recommend）、boss-chat（chat）、boss-recruit（recruit）。这样 recommend/chat/search 的 tool list 不会互相挤占 agent 可见工具预算。
• 其它宿主默认仍写入兼容统一 server：boss-recommend -> npx -y @reconcrap/boss-recommend-mcp@<installed-version> start。
• 如果传入 --mcp-launch global-wrapper，Trae/Trae-CN 同样会写入三个 toolset server，但 command 指向升级稳定 wrapper。该 wrapper 会加载 ~/.nvm/nvm.sh 并执行当前全局 boss-recommend-mcp start，适合 macOS 上通过 npm -g i @reconcrap/boss-recommend-mcp@latest 持续升级。
• 从同一个 mcp.json 删除旧 boss-recruit-mcp、standalone boss-chat、旧本地 Boss repo 路径，避免 agent 继续调用 legacy 包。
• 在原文件旁生成 mcp.json.boss-mcp-migration-*.bak。
• 同步外部 skills 目录里的 boss-recommend-pipeline、boss-recruit-pipeline、boss-chat。

手动指定 agent：

boss-recommend-mcp install --agent trae-cn
boss-recommend-mcp install --agent openclaw
boss-recommend-mcp install --agent qclaw
boss-recommend-mcp doctor --agent trae-cn
boss-recommend-mcp doctor --agent openclaw
boss-recommend-mcp doctor --agent qclaw

macOS 上如果希望 MCP 宿主总是使用全局 npm 最新安装版本：

boss-recommend-mcp install --mcp-launch global-wrapper --agent openclaw
boss-recommend-mcp install --mcp-launch global-wrapper --agent qclaw
boss-recommend-mcp install --mcp-launch global-wrapper --agent trae-cn

自定义路径：

BOSS_RECOMMEND_MCP_CONFIG_TARGETS="/path/to/mcp.json" boss-recommend-mcp install
BOSS_RECOMMEND_EXTERNAL_SKILL_DIRS="/path/to/skills" boss-recommend-mcp install

可选环境变量（用于跨 agent 自动配置）：

BOSS_RECOMMEND_HOME               # 统一状态目录，默认 ~/.boss-recommend-mcp
BOSS_CHAT_HOME                    # 覆盖 boss-chat 运行态目录；默认 ~/.boss-recommend-mcp/boss-chat
BOSS_RECOMMEND_SCREEN_CONFIG      # 显式指定 screening-config.json 路径（最高优先级）
BOSS_RECOMMEND_MCP_TOOLSET        # 可选收窄 MCP 工具：all|recommend|chat|recruit；Trae/Trae-CN installer 会自动设置
BOSS_RECOMMEND_MCP_CONFIG_TARGETS   # JSON 数组或系统 path 分隔路径列表，指定额外 mcp.json 目标文件
BOSS_RECOMMEND_EXTERNAL_SKILL_DIRS  # JSON 数组或系统 path 分隔路径列表，指定额外 skills 根目录

推荐运行入口是 MCP 工具 run_recommend / start_recommend_pipeline_run。在 Trae/Trae-CN 这类普通 MCP 宿主中，用户完成总确认并要求现在运行时，应直接调用 run_recommend 或 start_recommend_pipeline_run。prepare_recommend_pipeline_run 只做显式预检或定时任务前校验；如果已经调用过 prepare 且返回 READY + cron_ready=true，下一步仍然必须调用 run_recommend / start_recommend_pipeline_run，不要改用 terminal/shell/run_command/PowerShell/CLI/manual JSON-RPC，也不要用短延迟 schedule_recommend_pipeline_run 冒充立即启动。prepare 能返回结果就证明该宿主已经可以调用本 MCP server。

只有宿主是 QClaw 这类真正 shell-only agent、没有把 MCP tools 暴露给模型、且当前会话从未成功调用过 boss-recommend/prepare_recommend_pipeline_run 时，才使用 CDP-only CLI fallback。CLI fallback 也必须显式传本次用户确认的 rest level：

npx -y @reconcrap/boss-recommend-mcp@latest run --detached --instruction-file boss-recommend-instruction.txt --overrides-file boss-recommend-overrides.json --confirmation-file boss-recommend-confirmation.json --rest-level <low|medium|high> --slow-live --port 9222

--detached 会让父进程输出 ACCEPTED + run_id 后退出，子进程继续持有 Chrome DevTools 会话并执行长任务。岗位发现可以使用只读 CLI：

如果用户明确要求稍后启动/cron/定时任务，不要手写系统 cron；用 package-owned scheduler：

npx -y @reconcrap/boss-recommend-mcp@latest prepare-run --instruction-file boss-recommend-instruction.txt --overrides-file boss-recommend-overrides.json --confirmation-file boss-recommend-confirmation.json --rest-level <low|medium|high> --slow-live --port 9222
npx -y @reconcrap/boss-recommend-mcp@latest schedule-run --schedule-delay-minutes 10 --instruction-file boss-recommend-instruction.txt --overrides-file boss-recommend-overrides.json --confirmation-file boss-recommend-confirmation.json --rest-level <low|medium|high> --slow-live --port 9222
npx -y @reconcrap/boss-recommend-mcp@latest schedule-status --schedule-id <schedule_id>

schedule-run 会保存同一份已验证 payload 并启动 detached scheduler worker；到点后 worker 会直接调用包内 start_recommend_pipeline_run，不会重新让 AI harness 拼参数。

npx -y @reconcrap/boss-recommend-mcp@latest list-jobs --slow-live --port 9222
# 源码模式（GitHub clone 后）
node src/cli.js list-jobs --slow-live --port 9222

配置

screening-config.json 默认写入路径（按优先级）：

1. BOSS_RECOMMEND_SCREEN_CONFIG（若已设置）
2. ~/.boss-recommend-mcp/screening-config.json（默认主路径）
3. <workspace>/config/screening-config.json（兼容历史路径）
4. <workspace>/boss-recommend-mcp/config/screening-config.json（兼容历史路径）
5. 兼容旧路径：$CODEX_HOME/boss-recommend-mcp/screening-config.json

配置路径优先级：

1. BOSS_RECOMMEND_SCREEN_CONFIG
2. <workspace>/config/screening-config.json（优先；在受限权限环境推荐使用）
3. <workspace>/boss-recommend-mcp/config/screening-config.json
4. ~/.boss-recommend-mcp/screening-config.json（当 workspace 不可写或无 workspace 时回退）
5. 兼容旧路径：$CODEX_HOME/boss-recommend-mcp/screening-config.json

注意：

• install / postinstall 会自动创建 screening-config.json 模板（若目标路径可写）
• 当当前目录是系统目录（例如 C:\\Windows\\System32）、用户主目录根（例如 C:\\Users\\<name>）或磁盘根目录时，不会再写入 <cwd>/config，而是回退到 ~/.boss-recommend-mcp/screening-config.json
• doctor / run 默认优先读取 ~/.boss-recommend-mcp/screening-config.json；如需强制其它路径，请设置 BOSS_RECOMMEND_SCREEN_CONFIG
• 首次运行时，若仍检测到默认占位词（如 replace-with-openai-api-key），pipeline 会返回配置目录并要求用户修改后确认“已修改完成”再继续
• 在 npx 临时目录（如 AppData\\Local\\npm-cache\\_npx\\...）执行时，不会再把该临时目录当作 screening-config.json 目标路径
• boss-chat 运行态默认固定写入 ~/.boss-recommend-mcp/boss-chat；即使宿主把 MCP 进程启动在系统根目录，也不会再尝试写入 /.boss-chat
• 若当前工作区存在历史 .boss-chat 且新用户目录尚未初始化，首次运行会自动把 logs/runs/profiles/reports/artifacts/state 迁移到新目录，并保留旧目录作为只读历史来源

配置样例见：

config/screening-config.example.json

必填字段：

• baseUrl
• apiKey
• model

也可以用 llmModels 配置多个 OpenAI-compatible 模型。运行时会先调用第一个模型；当该模型请求失败、超时、返回非 JSON、或没有返回 {"passed": true/false} 决策时，会自动切到下一个模型。未配置 llmModels 或数组为空时，继续使用上面的单模型字段，旧配置无需迁移。

{
  "llmModels": [
    {
      "name": "primary",
      "baseUrl": "https://api.openai.com/v1",
      "apiKey": "sk-primary",
      "model": "gpt-4.1-mini"
    },
    {
      "name": "backup",
      "baseUrl": "https://api.openai.com/v1",
      "apiKey": "sk-backup",
      "model": "gpt-4.1-nano"
    }
  ],
  "greetingMessage": "Hi同学，能麻烦发下简历吗？",
  "llmScreeningStrategy": "single_pass",
  "llmThinkingLevel": "low",
  "llmFastThinkingLevel": "current",
  "llmVerifyThinkingLevel": "low",
  "llmFastMaxTokens": 384,
  "llmVerifyMaxTokens": null,
  "llmMaxRetries": 1
}

可选字段：

• openaiOrganization
• openaiProject
• greetingMessage：chat 求简历流程发送的招呼语。兼容 greetingText / greeting_text；本次 run 显式传入的 greeting_text 优先级最高。
• debugPort：未显式传 port 时，recommend / search / chat CDP-only MCP run 和健康检查默认连接这个 Chrome 调试端口。
• outputDir：recommend / search / chat 完成后的最终 CSV 与 report JSON 会写入这里；run state / checkpoint 仍保留在各自状态目录，方便 pause/resume/cancel。
• llmScreeningStrategy：默认 single_pass，保持旧行为并使用 llmThinkingLevel。设为 fast_first_verified 时，recommend / search / chat 会先用 llmFastThinkingLevel 快速判断，再只对快速通过、快速判断要求复核、或快速输出无效/缺字段的候选人用 llmVerifyThinkingLevel 复核；明确 passed=false 且 review_required=false 的快速淘汰不会复核。复核发生时，复核结果作为最终结果。
• llmFastThinkingLevel / llmVerifyThinkingLevel：仅在 llmScreeningStrategy="fast_first_verified" 时生效；默认分别为 current 和 low，可设为 off/minimal/low/medium/high/auto/current。此策略会忽略 llmThinkingLevel 的通过选择。
• llmFastMaxTokens / llmVerifyMaxTokens：仅在 llmScreeningStrategy="fast_first_verified" 时生效。快速首轮默认最多输出 384 tokens，即使全局 llmMaxTokens 更大，也会使用这个快速轮上限，避免 current 模式输出冗长推理；可用 llmFastMaxTokens 覆盖。复核轮默认沿用全局 llmMaxTokens / llmMaxCompletionTokens，也可用 llmVerifyMaxTokens 单独覆盖。
• fast_first_verified 的快速轮只有在硬性不通过证据直接、明确、且没有可见反向证据时才应返回 review_required=false。如果简历里存在任一可能合格的学校/学历、产品或行业、职责或指标、海外/语言证据、或需要精确计算的任期/年限证据，即使快速轮倾向 passed=false，也应返回 review_required=true 交给复核轮。
• LLM provider 返回预算、额度、账单或鉴权类 fatal 错误（例如 budget_exceeded、quota exceeded、401/403）时，单次 LLM 调用最多重试 2 次；若仍失败，recommend / search / chat 会直接让本次 run 失败，不再把后续候选人记录为筛选不通过。
• llmThinkingLevel：默认 low。可设为 off/minimal/low/medium/high/auto/current，用于控制 OpenAI-compatible LLM 的 thinking/reasoning 强度。recommend / search / chat 共用同一套 LLM 筛选提示词：模型会按筛选标准顺序检查硬性淘汰项，若某项已可确定不满足（包括标准要求“证据不足即不通过”的缺失证据），会直接返回不通过；只有当前淘汰项存在截图不清、信息冲突或可能被后续简历内容澄清时才继续核实。
  • current：不显式发送 thinking/reasoning 参数，并要求 LLM 返回 {"passed": true/false, "summary": "少于100个中文词的筛选总结"}；CSV 的 判断依据(CoT) 写入该 summary。
  • 其他值：只要求 LLM 返回 {"passed": true/false}；若 provider 返回 reasoning / CoT 字段，CSV 的 判断依据(CoT) 写入该内容。
  • 在 fast_first_verified 下，快速首轮始终要求 {"passed": true/false, "summary": "少于100个中文词的筛选总结", "review_required": true/false}。若最终来自快速轮，CSV 的 判断依据(CoT) 写入快速 summary；若最终来自复核轮，CSV 优先写入复核 CoT/reasoning，复核轮为 current 时写入复核 summary。
• humanBehavior：默认 { "enabled": true, "profile": "paced_with_rests", "restLevel": "low" }。用于 recommend / search / chat 的可靠性实验，支持：
  • profile: "baseline"：关闭人类节奏，保持确定性行为。
  • profile: "paced"：启用 CDP-only Bezier 鼠标移动、较大按钮的安全 inset 点击点、分块 Input.insertText、列表 wheel/settle jitter，以及小的动作前后读秒。
  • profile: "paced_with_rests"：在 paced 基础上启用候选人短休和批次休息。
  • restLevel: "low"：保持旧版休息策略不变，候选人短休 8% 概率暂停 3-7 秒，批次休息约每 25-32 人暂停 15-30 秒。
  • restLevel: "medium"：随机分散短/长休息，平均目标约每 5 小时或 700 位候选人累计休息 30 分钟。
  • restLevel: "high"：随机分散短/长休息，平均目标约每 5 小时或 700 位候选人累计休息 1 小时。
• humanRestEnabled：兼容旧配置。设为 true 时等价于 humanBehavior.profile="paced_with_rests"；设为 false 时不会关闭当前默认节奏。如需关闭，请显式设置 humanBehavior.enabled=false 或 humanBehavior.profile="baseline"。
  • recommend / search / chat 图片简历 fallback 与主列表滚动都会在启用 listScrollJitter 时使用 coverage-safe scroll jitter：每次 wheel delta 在安全范围内变化，并保留截图重叠、重复检测、bottom-marker / stop-boundary 逻辑，实际 delta 和 settle 时间会写入 artifact metadata。
  • chat/recommend/search run 也兼容显式参数 safe_pacing、batch_rest_enabled 与 human_behavior.restLevel：run 参数优先于配置文件。AI harness/skill 启动每次 run 前必须让用户明确选择 low/medium/high，再把选择写入 human_behavior.restLevel。

离线筛选延迟 benchmark

可以用已保存的 recommend run JSON 和截图证据离线评估筛选策略，不打开 Boss、不重新点击候选人，也不改变 简历来源。benchmark 会读取每个 saved run 自己的 result.screen_params.criteria，缺失时再回退到 run context / instruction，避免用同一套 criteria 误测不同岗位。

npm run benchmark:screening -- --dry-run
npm run benchmark:screening -- --max-candidates 20

默认会自动选择 ~/.boss-recommend-mcp/runs 下最近 4 个仍有 detail.image_evidence.llm_file_paths 的 recommend run，并把输出写到 .live-artifacts/screening-benchmark/<timestamp>/。真实 LLM replay 会复用当前 screening-config.json；如需指定配置或 run：

npm run benchmark:screening -- --config C:/Users/yaolin/.boss-recommend-mcp/screening-config.json --run mcp_recommend_mq92ltt5_3x9liodw

内置策略：

• oracle_full_image_high：完整图片筛选，llmThinkingLevel=high，作为 pass/fail 质量基准。
• baseline_full_image_reasoning：完整图片筛选，llmThinkingLevel=low，用于衡量当前低思考 baseline。
• extract_then_reason：先从图片抽取结构化简历事实，再用文本 reasoning 对每位候选人做最终判断；抽取/判断异常会升级到完整图片筛选。
• extract_hard_gate_then_reason：抽取后先做 cheap hard-fail gate；只有明确违反硬条件/排除项时直接 passed=false，否则继续文本 reasoning。
• batch_extract_then_reason：批量抽取多个候选人的结构化事实，再逐个文本 reasoning。
• batch_extract_hard_gate_then_reason：批量抽取后逐个执行 hard-fail gate，明显不合适的候选人不再进入后续 reasoning。
• pipeline_simulation：基于 saved timings 估算浏览器采集和 LLM 重叠后的理论下界；只用于判断是否值得后续改 workflow。

为避免把“输出解释”本身的耗时算进策略，benchmark-native 的抽取/判断提示词不会要求模型输出筛选理由、summary 或 CoT；hard-fail gate 只要求 {"hard_fail": true/false, "continue_reasoning": true/false, "uncertain": true/false}，判断阶段只要求 {"passed": true/false, "uncertain": true/false}。

输出文件包括 benchmark-summary.json、benchmark-results.json、benchmark-results.csv、benchmark-disagreements.csv 和 benchmark-manifest.json。所有非 oracle 策略都会和 oracle_full_image_high 对比 false negative / false positive / pass-rate drift，并用 saved_non_llm_ms + benchmark_llm_ms 计算 projected total time；hard-gate 策略会额外报告 gate_ms 和 early_exit_count；默认 eligibility 目标是平均 <30000ms 且 false negative 为 0。

常用命令

npm 包安装后可直接使用可执行命令 boss-recommend-mcp。以下示例展示源码模式（node src/cli.js）：

node src/cli.js install --agent trae-cn
node src/cli.js init-config
node src/cli.js config set --base-url https://api.openai.com/v1 --api-key <your-key> --model gpt-4o-mini --thinking-level off --greeting-message "您好，方便发下简历吗？"
node src/cli.js set-port --port 9222
node src/cli.js doctor --agent trae-cn
node src/cli.js launch-chrome --port 9222
node src/cli.js list-jobs --slow-live --port 9222
node src/cli.js chat health-check
node src/cli.js chat prepare-run --slow-live --port 9222

Recommend + Chat Follow-up（Legacy-only）

旧版曾支持 recommend screen 完成后自动开始 boss-chat，把 chat 配置放到同一个 recommend run 的顶层 follow_up.chat。2.0.0 的 CDP-only MCP 路径已将该链式 orchestration fenced，避免回到 legacy page-JS 路径。推荐做法是：recommend run 完成后，显式启动 chat 工具。

历史 payload 形状如下，仅作迁移参考：

{
  "follow_up": {
    "chat": {
      "criteria": "候选人需要继续在聊天页过滤有 AI Agent 经验的人选",
      "start_from": "unread",
      "greeting_text": "您好，方便发下简历吗？",
      "target_count": 20,
      "profile": "default",
      "dry_run": false,
      "no_state": false,
      "safe_pacing": true,
      "batch_rest_enabled": true
    }
  }
}

说明：

• start_from / target_count 为必填；criteria 可选，留空时 chat run 进入收集简历模式：不触发 LLM 筛选，针对没有在线/附件简历的人选发送求简历消息并点击求简历按钮
• greeting_text 可选（兼容 greetingText）
• profile 可选，默认 default
• job 与 port 继承 recommend run 已选岗位和调试端口
• baseUrl / apiKey / model 不再单独传入，固定复用 recommend 的 screening-config.json
• greeting_text 默认优先级：本次显式值 > screening-config.json.greetingMessage > 内置默认招呼语（Hi同学，能麻烦发下简历吗？）
• 若缺少 follow_up.chat 必填项，pipeline 会返回 NEED_INPUT
• 如需聊天页筛选，请调用 list_boss_chat_jobs 或 prepare_boss_chat_run 获取岗位列表，再调用 start_boss_chat_run。chat-only、未读、全部聊天、求简历任务不要调用 list_recommend_jobs / run_recommend / start_recommend_pipeline_run；这些 recommend 工具会对明确的 chat/search 误路由 fail closed。
• boss-chat 状态统一写入 ~/.boss-recommend-mcp/boss-chat（或 BOSS_CHAT_HOME 指定目录），不再依赖工作区 cwd

Chat-only

安装 boss-recommend-mcp 后，无需额外安装 boss-chat：

• CLI：
  • boss-recommend-mcp chat health-check
  • boss-recommend-mcp chat prepare-run
  • boss-recommend-mcp chat start-run / run 在 2.0.0 CLI 中 fenced；活跃异步 chat run 请使用 MCP start_boss_chat_run 或 live harness。
  • boss-recommend-mcp chat get-run|pause-run|resume-run|cancel-run
• MCP：
  • boss_chat_health_check
  • list_boss_chat_jobs
  • prepare_boss_chat_run
  • start_boss_chat_run
  • get_boss_chat_run
  • pause_boss_chat_run
  • resume_boss_chat_run
  • cancel_boss_chat_run
• vendored boss-chat CLI 还支持 --data-dir <path> 与 BOSS_CHAT_HOME，默认目录为 ~/.boss-recommend-mcp/boss-chat（若设置 BOSS_RECOMMEND_HOME，则默认 <BOSS_RECOMMEND_HOME>/boss-chat）
• 对 /.boss-chat、系统目录等危险运行目录会主动拒绝启动并返回 UNSAFE_DATA_DIR，避免在 harness 丢参时误写根目录
• boss_chat_health_check 与 chat run 返回结果会包含 data_dir 与 data_dir_source，便于定位是参数/环境变量/默认路径生效

chat-only 交互建议：

• 先调用一次 list_boss_chat_jobs 或 prepare_boss_chat_run（可不带参数），服务会先导航到 https://www.zhipin.com/web/chat/index 并返回 NEED_INPUT，其中包含岗位 job_options 与待补字段。
• 然后基于 job_options 让用户选择 job，并补齐 start_from、target_count 后调用 start_boss_chat_run 启动任务；若要筛选再求简历，提供 criteria，若只想收集缺失简历则留空。
• greeting_text 可选；未传时使用 screening-config.json.greetingMessage，若未配置则使用默认招呼语（Hi同学，能麻烦发下简历吗？）。
• target_count 支持正整数、all、-1；若用户给出 全部候选人 / 所有候选人，会自动按不限（扫到底）处理。

Trae-CN / 长对话防循环建议：

• 固定流程：boss_chat_health_check -> list_boss_chat_jobs(空参可) / prepare_boss_chat_run(空参可) -> 一次性补齐 job/start_from/target_count，筛选任务再带 criteria -> start_boss_chat_run。
• chat-only 场景严禁调用 list_recommend_jobs、run_recommend 或 start_recommend_pipeline_run。
• start_boss_chat_run 的工具 schema 已把 job/start_from/target_count 标记为必填；criteria 留空会进入收集简历模式。不要用它获取岗位列表。
• 若 pending_questions / UI 选项里出现“扫到底（必须传 target_count="all"）”，下一次工具调用请直接照抄 "target_count": "all"，不要只保留“扫到底”这层自然语言语义。
• start_boss_chat_run 返回 ACCEPTED 后直接结束当前回合，不要自动轮询。
• 缺参或校验失败时，一次性列出全部缺失/错误项，避免重复同一句提示触发宿主“陷入循环”保护。
• 仅当用户明确要求“查进度”时再调用 get_boss_chat_run。

长流程 Agent 兼容模式

当宿主 agent 对“长时间无回包”敏感（容易误判失败）时，建议改用异步工具：

1. 调用 run_recommend（短别名）或 start_recommend_pipeline_run。
2. 若返回 NEED_INPUT/NEED_CONFIRMATION/FAILED，按同步流程先补齐前置条件（登录、页面就绪、岗位确认、最终确认）。
3. 仅当门禁通过时，接口才会返回 ACCEPTED + run_id；默认不自动轮询，建议按需调用 get_recommend_pipeline_run（长任务至少每 30 分钟一次，除非用户明确要求更频繁）。
4. 若需临时中断，调用 pause_recommend_pipeline_run；接口会先返回 PAUSE_REQUESTED，随后在安全边界进入 paused。
5. paused 后调用 resume_recommend_pipeline_run 继续执行；同一 run_id 会复用同一 CSV，并从 checkpoint 无缝续跑。
6. 若需终止，调用 cancel_recommend_pipeline_run。
7. 若该 run 配置了 follow_up.chat，screen 完成后父 run 会进入 chat_followup；继续轮询同一个 run_id 即可，不需要再新建 chat run。

说明：

• run_recommend 与 start_recommend_pipeline_run 是同一个异步 MCP 启动入口，但不会跳过同步确认流程；普通 MCP 宿主现在运行时优先直接调用它们。
• prepare_recommend_pipeline_run / boss-recommend-mcp prepare-run 只做参数门禁；它不启动筛选。普通 MCP 宿主只有在显式预检或定时任务准备时才需要先调用 prepare；prepare READY 后继续调用 run_recommend / start_recommend_pipeline_run，不要改用 CLI fallback。
• prepare_recommend_pipeline_run 的 READY 响应会带 prepared_only=true、run_started=false、recommended_next_tool=start_recommend_pipeline_run、alternate_next_tool=run_recommend 和 next_action.do_not_call_prepare_again=true；agent 应直接照这个字段继续下一步。
• schedule_recommend_pipeline_run / boss-recommend-mcp schedule-run 是推荐页定时启动的唯一推荐路径；它创建真实 package-owned detached scheduler，并返回 schedule_id。
• 如果忘记了 run_id，调用 list_recommend_pipeline_runs 获取 latest_run.run_id；不要用 PowerShell、Get-Content、terminal、CLI 或手动读取 ~/.boss-recommend-mcp/runs/*.json 来恢复状态。
• 定时心跳默认 120 秒一次；updated_at 仍会在阶段或进度变化时刷新。
• 每个 run 会持久化到 ~/.boss-recommend-mcp/runs/<run_id>.json（可通过 BOSS_RECOMMEND_HOME 覆盖）。
• screen 阶段会持久化 checkpoint：~/.boss-recommend-mcp/runs/<run_id>.checkpoint.json。
• 暂停采用“当前候选人处理完成后暂停”语义，避免停在详情页中间态。
• 轮询期间不要重复 start，优先复用已有 run_id，避免重复筛选。
• 处于 chat_followup 时，对父 run 的 pause/resume/cancel 会自动代理到内置 boss-chat 子 run。

MCP Tool Input

{
  "instruction": "推荐页筛选211女生，近14天没有，有 AI Agent 经验，符合标准的直接沟通",
  "confirmation": {
    "final_confirmed": true
  },
  "overrides": {
    "page_scope": "recommend",
    "school_tag": ["985", "211"],
    "degree": ["本科", "硕士", "博士"],
    "gender": "女",
    "recent_not_view": "近14天没有",
    "current_city_only": true,
    "activity_level": "今日活跃",
    "criteria": "候选人需要有 AI Agent 或 MCP 工具开发经验",
    "job": "算法工程师（视频/图像模型方向） _ 杭州",
    "target_count": 20,
    "post_action": "greet"
  },
  "human_behavior": {
    "restLevel": "medium"
  }
}

confirmation.final_confirmed=true 表示用户已经看过并确认总览。旧版 page_confirmed、school_tag_confirmed、job_confirmed 等逐字段布尔值仍兼容，但新流程不需要主动生成它们。

测试

npm run test:parser
npm run test:pipeline
npm run test:async
npm run test:boss-chat

当前实现边界

• 选择器已经按 recommend 页面语义切换
• post_action 的运行级单次确认已经落到 parser / pipeline / screen CLI
• 图片化简历筛选已经接入 recommend-screen-cli
• 页面按钮的真实联调验证仍然应该按你的要求，在交互前先征求确认后再做