AI-Recruit — AI招聘信息聚合智能体

一键向多个AI模型同时提问，汇总对比各模型回答，自动存入飞书多维表格，最终给出综合建议。

用户输入 → 并行调用多个AI模型 → 飞书多维表格存档 → 汇总智能体综合分析 → 终端输出 + 飞书表格链接

一、环境要求

| 依赖 | 版本要求 | 说明 | |------|---------|------| | Node.js | >= 18.0.0 | JS 运行时 | | npm | >= 9.0.0 | 包管理器 | | Chrome 浏览器 | 最新版 | opencli 浏览器自动化依赖 |

二、安装步骤

2.1 安装 Node.js

如未安装，从 nodejs.org 下载 LTS 版本安装。

验证安装：

node --version   # 应 >= v18.0.0
npm --version    # 应 >= 9.0.0

2.2 安装 Chrome 浏览器

opencli 依赖 Chrome 浏览器实现自动化操作，必须安装。

macOS：

# 方式一：官网下载
# 打开 https://www.google.com/chrome/ 下载并安装

# 方式二：Homebrew 安装
brew install --cask google-chrome

Windows：

从 google.com/chrome 下载安装包，双击安装。

Linux：

# Ubuntu/Debian
wget -q -O - https://dl.google.com/linux/linux_signing_key.pub | sudo apt-key add -
sudo sh -c 'echo "deb [arch=amd64] http://dl.google.com/linux/chrome/deb/ stable main" >> /etc/apt/sources.list.d/google-chrome.list'
sudo apt update
sudo apt install google-chrome-stable

验证安装：

# macOS
open -a "Google Chrome"

# 或命令行确认
ls /Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome

2.3 安装 opencli

opencli 是 AI 模型调用引擎，通过浏览器自动化与各 AI 平台交互，无需 API Key。

npm install -g @jackwener/opencli

验证安装：

opencli --version

2.4 登录各 AI 模型

每个模型只需登录一次，浏览器会保存登录态。

# 必须登录的（默认使用的三个模型）
opencli qwen login       # 通义千问
opencli doubao login     # 豆包
opencli deepseek login   # DeepSeek

# 可选登录
opencli chatgpt login    # ChatGPT
opencli claude login     # Claude
opencli kimi login       # Kimi

每个命令会打开 Chrome 浏览器，在浏览器中完成登录即可。登录成功后关闭浏览器窗口。

2.5 安装 lark-cli（可选，用于飞书集成）

npm install -g @lark-cli/cli

飞书认证（可选）：

1. 去 open.feishu.cn 创建企业自建应用
2. 获取 App ID 和 App Secret
3. 在应用权限中开启：base:app、base:record:create、base:record:read、base:record:update、base:table:create、base:field:create、base:block:create、drive:drive
4. 运行认证：

lark-cli config init --new
lark-cli auth login

不配置飞书也能用：数据会自动存到本地 ~/.ai-recruit/data/ 目录，终端输出正常。

2.6 安装 ai-recruit

方式一：npm 安装（推荐）

npm install -g ai-recruit

方式二：免 npm 安装（离线包）

向管理员索取 ai-recruit-standalone.zip，解压到任意目录，添加到 PATH 即可：

unzip ai-recruit-standalone.zip -d /usr/local/ai-recruit
sudo ln -s /usr/local/ai-recruit/ai-recruit /usr/local/bin/ai-recruit

离线包已将 Node.js 依赖打包为单个文件，无需 npm install，只需 Node.js >= 18。

验证安装：

ai-recruit --version

三、环境诊断

安装完成后，运行诊断确认一切就绪：

ai-recruit doctor

正常输出示例：

🔍 AI-Recruit 环境诊断

📦 检测 opencli ...
  ✅ opencli 1.8.4

📦 检测 lark-cli ...
  ✅ lark-cli 1.0.55

🤖 检测AI模型登录状态 ...
  ✅ 通义千问 (qwen)
  ✅ 豆包 (doubao)
  ✅ DeepSeek (deepseek)

  ✅ 环境就绪
  可用模型: 3/3

四、快速上手

# 1. 不指定模型，默认使用 通义千问 + 豆包 + DeepSeek
ai-recruit ask "招5年Go后端候选人需要问哪些问题"

# 2. 跳过飞书，仅终端输出（无需 lark-cli）
ai-recruit ask "Python数据分析师面试题" --no-feishu

# 3. 指定模型
ai-recruit ask "行业后端Java人才分布" --models qwen,deepseek

# 4. 查看历史
ai-recruit history

# 5. 查看某次查询的完整结果
ai-recruit result <query-id>

五、命令详解

ai-recruit ask <问题> （别名 a）

| 参数 | 简写 | 说明 | 默认值 | |------|------|------|--------| | <prompt> | — | 必填，要提问的问题 | — | | --models | -m | 模型列表，逗号分隔 | qwen,doubao,deepseek | | --synthesizer | -s | 指定汇总模型 | deepseek | | --concurrency | -c | 并发数 | 2 | | --timeout | -t | 单模型超时秒数 | 180 | | --no-feishu | — | 跳过飞书，仅终端输出 | false |

示例：

# 默认三个模型
ai-recruit ask "产品经理跳槽时注重哪些方面？"

# 只用两个模型，指定汇总模型
ai-recruit ask "SRE面试重点" -m qwen,doubao -s deepseek

# 提高并发，延长超时
ai-recruit ask "Java架构师技能要求" -c 3 -t 300

# 不写飞书，只看终端
ai-recruit ask "快速测试" --no-feishu

ai-recruit doctor

检测 opencli、lark-cli、各模型登录状态、飞书认证状态。

ai-recruit models

列出所有可用模型及当前登录状态。

ai-recruit history

查看历史查询记录（最近 20 条）。

ai-recruit history          # 最近 20 条
ai-recruit history -n 50    # 最近 50 条

ai-recruit result <queryId>

查看某次查询的完整结果，包括各模型原始回答和综合建议。

ai-recruit result a1b2c3d4

ai-recruit export <queryId>

导出某次查询到飞书云文档。

六、支持的模型

| 模型 | ID | 是否默认 | 登录命令 | |------|-----|---------|---------| | 通义千问 | qwen | ✅ 默认 | opencli qwen login | | 豆包 | doubao | ✅ 默认 | opencli doubao login | | DeepSeek | deepseek | ✅ 默认 | opencli deepseek login | | ChatGPT | chatgpt | — | opencli chatgpt login | | Claude | claude | — | opencli claude login | | Kimi | kimi | — | opencli kimi login | | Gemini | gemini | — | opencli gemini login |

七、工作流程

一次完整的 ai-recruit ask 执行流程：

1. 环境检测        → 确认 opencli 已安装，目标模型已登录
2. 飞书表格初始化   → 自动创建/复用「AI招聘聚合」多维表格
3. 并行调用模型     → 同时向 2-3 个模型发送提问（浏览器自动化）
4. 实时进度显示     → 每个模型完成/失败立即更新终端
5. 写入飞书表格     → 各模型回答存入「回答明细」表
6. 汇总智能体      → 用最优模型整合所有回答，给出综合建议
7. 回写最终结果     → 综合建议写入「查询记录」表
8. 终端输出        → 显示摘要 + 飞书表格链接

八、容错机制

| 场景 | 表现 | |------|------| | 某模型未登录 | 显示 ⚠️ 已跳过，其他模型正常 | | 某模型超时 | 显示 ⏱️ 超时，其他模型继续 | | 某模型报错 | 显示 ❌ + 错误原因，不影响流程 | | 全部模型失败 | 提示运行 ai-recruit doctor 诊断 | | lark-cli 未安装/未认证 | 自动降级为本地 JSON 文件存储 | | 汇总模型不可用 | 自动降级到下一个可用模型 |

汇总降级链：deepseek → doubao → qwen → chatgpt → claude → kimi

九、飞书多维表格

启用飞书集成后，数据自动存入飞书多维表格：

• 查询记录表：查询ID、查询内容、状态、参与模型、成功数、失败数、创建时间、完成时间、总耗时、最终回答、飞书文档链接
• 回答明细表：查询ID、模型、原始回答、耗时、状态、错误信息、创建时间

首次使用会自动创建，后续复用。如需重建，删除 ~/.ai-recruit/config.json 即可。

十、本地存储

当飞书不可用时，数据存储在 ~/.ai-recruit/：

~/.ai-recruit/
├── config.json       # 配置（飞书 base_token 等）
└── data/
    ├── queries.json   # 查询记录
    └── answers.json   # 回答明细

十一、离线分发（免 npm）

如果对方无法使用 npm，可以打包为独立离线包分发。

构建离线包

cd ai-recruit
npm install --save-dev @vercel/ncc
npx ncc build src/index.ts -o dist-bundle --minify
cd dist-bundle
zip -r ai-recruit-standalone.zip ai-recruit index.js README.md

使用者安装

unzip ai-recruit-standalone.zip -d /usr/local/ai-recruit
sudo ln -s /usr/local/ai-recruit/ai-recruit /usr/local/bin/ai-recruit
ai-recruit doctor

十二、常见问题

Q: 为什么豆包/DeepSeek 显示超时，但浏览器页面已经有回复了？

A: 浏览器自动化场景下，页面加载速度受网络影响。可以尝试：

• 增大超时：--timeout 300
• 减少并发：--concurrency 1

Q: 提示 "opencli: command not found"？

A: opencli 未安装或 PATH 未生效。运行 npm install -g @jackwener/opencli，然后重开终端。

Q: 飞书表格时间只显示到日期？

A: 删除 ~/.ai-recruit/config.json 后重新运行，新创建的表格时间字段会显示到分钟。

Q: 如何卸载？

npm uninstall -g ai-recruit
rm -rf ~/.ai-recruit

十三、License

MIT