Boss recommend downloader

推荐牛人简历批量下载

核心目标：安全、批量地获取推荐牛人页面的完整在线简历数据。

安全级别：🟢 极低风险（真实浏览器 TLS 指纹 + 随机延迟）

---

流程总览

[Step 1] 获取候选人列表 ──── patchright 滚动 + 拦截 geek/list API
     │
     ▼
[Step 2] 批量获取完整简历 ─ patchright + 浏览器 fetch（真实 Edge 指纹）
     │
     ▼
[输出] 完整简历 JSON 文件

核心原理：Step 2 通过 patchright 在真实 Edge 浏览器内执行 fetch() 调用 BOSS API， 请求使用 浏览器的真实 TLS 指纹和 Cookie，与真人操作完全一致，服务器无法区分。

---

🔧 前置条件

依赖 Skill

本 skill 依赖 boss-hr-auto skill 完成以下准备工作：

• ✅ Python 3.10+ 环境
• ✅ patchright 安装（pip install patchright）
• ✅ Edge 浏览器以 CDP 模式启动（端口 9222）
• ✅ BOSS 直聘扫码登录完成

如果未完成上述准备，请先执行 boss-hr-auto skill。

---

Step 1: 获取候选人列表

脚本：scripts/recommend_list.py

原理：在推荐牛人页面滚动时，前端懒加载调用 geek/list API。用 patchright 拦截这些 API 响应，提取候选人 ID。

核心操作

# 普通模式：获取所有候选人
python scripts/recommend_list.py --job-name 车架工程师

# 分批模式：每批25人，不刷新页面（顺序固定）
python scripts/recommend_list.py --job-name 车架工程师 --batch-size 25 --batch 1
python scripts/recommend_list.py --job-name 车架工程师 --batch-size 25 --batch 2
# batch 2+ 会连接已有页面继续滚动，不重新加载

提取的关键信息

字段	位置	用途
encryptGeekId	顶层字段	获取简历的候选人 ID
securityId	geekCard 对象内	安全验证 ID
encryptJobId	geekCard 对象内	岗位 ID
geekName	geekCard 对象内	候选人姓名

输出文件

process/recommend_geek_ids.json（或分批模式：process/batch_N_ids.json）

---

Step 2: 批量获取完整简历

脚本：scripts/recommend_download.py

原理：用 patchright 在真实 Edge 浏览器内执行 JavaScript fetch() 调用 BOSS API /wapi/zpjob/view/geek/info。请求通过浏览器发出，使用真实的 Edge TLS 指纹 + 浏览器 Cookie， 与招聘者真人浏览 BOSS 直聘时发出的请求完全一致。

核心操作

# 普通模式：下载全部
python scripts/recommend_download.py --job-name 车架工程师

# 分批模式：下载第1批
python scripts/recommend_download.py --job-name 车架工程师 --batch 1

# 限制数量
python scripts/recommend_download.py --job-name 车架工程师 --batch 1 --max 10

完整简历数据结构

{
  "name": "张三",
  "age": "25岁",
  "degree": "本科",
  "work_years": "3年",
  "expectation": { "position": "测试工程师", "salary": "10-15K", "city": "宁波" },
  "work_experience": [
    {
      "company": "XX 公司",
      "position": "测试工程师",
      "start": "2023.09",
      "end": "2026.06",
      "duration": "2年9个月",
      "responsibility": "工作职责详细描述...",
      "keywords": ["CANoe", "JIRA", "UDS"]
    }
  ],
  "project_experience": [
    {
      "name": "XX 项目",
      "role": "测试工程师",
      "start": "2025.04",
      "end": "2026.06",
      "description": "项目描述...",
      "achievement": "业绩描述..."
    }
  ],
  "education": [
    {
      "school": "XX 大学",
      "major": "车辆工程",
      "degree": "本科"
    }
  ],
  "certifications": ["驾驶证 C1", "英语四级"]
}

输出文件

文件	内容
process/batch_N_resumes.json	当批成功获取的简历
process/test_resumes.json	累计所有已下载简历
process/batch_N_failed.json	失败的候选人及原因

---

⚠️ 安全策略

真实浏览器指纹

patchright 在真实 Edge 浏览器中执行 fetch() 请求。从 BOSS 服务器视角看：

• TLS 指纹 = 真实 Edge 浏览器
• Cookie = 用户真实登录 session
• 请求头 = 浏览器自动添加的标准头
• 无法与真人操作区分

随机延迟

操作	延迟范围	说明
页面滚动	3-6 秒	模拟真人浏览速度
获取简历	5-15 秒	模拟真人看简历（有的快扫，有的细看）

运行建议

• ✅ 推荐：工作时间（9:00-18:00）
• ⚠️ 避免：凌晨或深夜
• 单次建议不超过 50 人，超过则分批次
• 遇到"今日查看已达上限"立即停止

---

📝 完整分批工作流示例

# Batch 1：收集25人 → 下载 → 评分
python scripts/recommend_list.py --job-name 车架工程师 --batch-size 25 --batch 1
python scripts/recommend_download.py --job-name 车架工程师 --batch 1
# → AI 读取 batch_1_resumes.json 进行评分

# Batch 2：继续滚动（不刷新页面）→ 下载 → 评分
python scripts/recommend_list.py --job-name 车架工程师 --batch-size 25 --batch 2
python scripts/recommend_download.py --job-name 车架工程师 --batch 2
# → AI 读取 batch_2_resumes.json 进行评分

# Batch 3：同上...

---

🔧 故障排查

今日查看已达上限

原因：BOSS 直聘每日查看简历数量限制。

解决：等待第二天额度刷新后继续。

fetch 返回空数据或报错

原因：登录 session 过期。

解决：重新执行 boss login --cdp --timeout 30 同步浏览器 Cookie 到 CLI。

滚动时没有加载更多候选人

原因：可能在主页面滚动而非 iframe 内。

解决：脚本已自动在 iframe 内滚动。如仍有问题，确认推荐牛人页面已正确加载。

---

📊 预期结果

指标	数值
候选人列表获取	100-500 人（取决于岗位推荐量）
简历获取成功率	10-30%（部分候选人隐藏简历或需付费查看）
单人耗时	~8 秒
25 人批次耗时	约 3-5 分钟
封号风险	🟢 极低（真实浏览器指纹）