1. 项目定位与用途
JobClaw 是一个 AI 驱动的求职自动化平台，定位为帮助求职者自动化完成职位搜索、匹配、申请和通知的全流程工具。它通过连接智能代理，将原本需要人工逐一手动操作的求职步骤转化为可配置、可执行的自动化管道，核心用途是节省时间并提高职位与简历的匹配质量。用户可通过命令行或前端界面启动和管理整个求职流程。
项目档案应用项目
JobClaw AI求职自动化平台：自动抓取职位、智能匹配申请，Python+Next.js安装使用指南
JobClaw 是基于 AI 的求职自动化工具，通过 Playwright 抓取多平台职位，LLM 匹配简历，自动提交申请并发送通知。本文介绍其安装配置、使用方法和核心架构，适合希望提升求职效率的开发者。
AI 总结
JobClaw 是一个 AI 驱动的求职自动化平台，通过智能代理自动抓取职位、匹配简历、提交申请并发送通知，帮助求职者大幅减少手动操作时间，提升求职效率。
中文项目介绍
JobClaw 是一个基于 AI 的求职自动化系统，旨在解决传统求职过程中手动搜索、重复填写申请和跟进状态的低效问题。
项目核心是一个由 Python 驱动的后端引擎，结合 Next.js 构建的前端界面，形成完整的应用。其工作流程遵循“Profile → Scrape → Match → Apply → Notify”的流水线架构：首先加载用户配置文件，随后使用 Playwright 自动化工具从 LinkedIn、Boss 直聘等平台抓取职位信息，接着调用大语言模型（LLM）对简历与职位进行语义匹配，匹配成功后自动提交申请，最后通过 Discord 或 Telegram 发送申请进度与面试安排通知。
该平台适用于希望自动化求职流程的开发者或个人，尤其适合需要同时投递多个平台、追求高效匹配的场景。技术实现上采用模块化设计，数据通过 Pydantic 模型保证类型安全，抓取层使用适配器模式便于扩展新平台，整体异步处理以提升 I/O 密集型任务的吞吐量。
详细信息与使用说明
2. 解决的问题
项目主要解决求职过程中的三大低效问题：一是手动跨平台搜索职位耗时耗力；二是重复填写申请信息繁琐且易错；三是申请后缺乏及时的状态跟踪与反馈。通过自动化抓取、LLM 智能匹配、自动提交申请以及多通道通知，JobClaw 将这些步骤串联起来，显著减少人工干预，让求职者能更专注于面试准备等核心环节。
3. 适用场景
JobClaw 适用于需要高效投递大量职位的求职者，特别是技术岗位应聘者。典型场景包括：自动化抓取 LinkedIn、Boss 直聘等平台的职位信息；使用大语言模型根据个人简历语义匹配最合适的岗位；自动填写并提交平台特定的申请表单；通过 Discord 或 Telegram Bot 实时接收申请成功、面试邀请等通知。用户需具备基本的 Python 和命令行操作能力以配置和运行。
4. 安装方式
安装需同时准备 Python 和 Node.js 环境。首先，确保系统安装 Python 3.11 或更高版本（依据 pyproject.toml 的 requires-python），然后通过 pip 安装项目依赖，包括 playwright、langchain、httpx、pydantic 等。其次，确保 Node.js 可用，在项目根目录运行 npm install 安装前端依赖（Next.js、React、TailwindCSS 等）。接着，复制 .env.example 为 .env 并配置必要的环境变量，如 LLM API 密钥。最后，运行 pip install -e . 以安装 jobclaw 命令行工具。注意：仓库中未明确给出 Windows 桌面安装程序，README 中的 .exe 安装说明可能已过时。
5. 使用方式
使用分为 CLI 和前端两种方式。CLI 方式：在终端运行 jobclaw 命令，子命令包括 validate-profile（验证配置）、scrape（抓取职位）、run（执行完整管道）、login（处理认证）。用户需编辑 profiles/example.yaml 配置文件，设置个人信息、技能、目标职位等，并通过命令行参数指定平台（如 --platform all）。前端方式：在项目根目录运行 npm run dev 启动 Next.js 开发服务器，访问 http://localhost:3000 即可使用 Web 界面管理项目和查看状态。通知功能需在配置中启用 Discord 或 Telegram 模块并填写相应密钥。
6. 补充说明或实现特点
JobClaw 的实现具有几个关键特点：一是采用流水线架构，各阶段（资料、抓取、匹配、申请、通知）高度解耦，便于独立测试和扩展；二是数据传递使用 Pydantic 模型，确保类型安全和数据验证；三是抓取层基于 Playwright 并采用适配器模式，支持多平台扩展；四是匹配层利用 LLM 理解职位描述与简历的语义细微差别，而非简单关键词规则；五是异步设计提升并发性能；六是认证机制基于 Cookie 管理，简化用户登录流程。仓库中包含完整的测试套件（tests/目录）和架构文档（docs/architecture.md），有助于深入理解。
思维导图
JobClaw
核心流水线
Profile (用户配置)
Scrape (职位抓取)
Match (LLM匹配)
Apply (自动申请)
Notify (通知)
后端模块 (Python)
scraper
matcher
applier
auth
notifier
profile
models
cli (命令行入口)
前端界面 (Next.js)
src/app
components
配置与数据
profiles/example.yaml (用户配置模板)
.env.example (环境变量)
pyproject.toml (Python项目元数据)
package.json (前端依赖与脚本)
常见问题
JobClaw 支持哪些求职平台？
根据代码结构，当前明确支持 LinkedIn 和 Boss 直聘（见 scraper/linkedin.py 和 scraper/boss.py）。平台适配器模式设计允许未来扩展其他网站。
项目主要使用哪些技术栈？
后端基于 Python 3.11+，核心依赖包括 Playwright（浏览器自动化）、LangChain（LLM 集成）、Pydantic（数据验证）；前端使用 Next.js 15、React 19、Tailwind CSS 构建。
如何配置和使用 JobClaw？
需先复制 profiles/example.yaml 为自定义配置文件并填写个人信息与目标职位；复制 .env.example 为 .env 并配置 API 密钥；通过 jobclaw CLI 命令（如 jobclaw run --platform all）启动自动化流程，或运行 npm run dev 使用前端界面。
是否需要付费或 API 密钥？
是的。项目依赖大语言模型进行职位匹配，因此需要配置相应的 API 密钥（如 Claude API），具体在 .env 文件中设置。抓取功能依赖 Playwright，首次运行会下载浏览器内核，无需额外付费。
是否提供图形界面？
提供。项目包含基于 Next.js 的 Web 前端，运行 npm run dev 后可在浏览器访问，用于管理项目、查看状态等。但核心自动化流程主要通过 CLI 驱动。