它不是一个普通链接，而是一个可拆解的工作样本
适合解决“想看一个智能体原型（Agent）如何从提示词走向可运行应用”的学习问题。
本地完整包已通过基础压缩包检查；有说明文件（README），便于学员理解；包含可拆解的提示词和智能体指令素材；原清单识别到许可协议信息。
返回：能力体系、Skill 库与通用 AI 工作系统
Agent
BIGHR-AI-0042
can4hou6joeng4/boss-agent-cli
这是 HR/组织/职业场景智能体原型（Agent），适合学习角色设定、任务流程、工具依赖和输出结构。
它具体能做什么
- 支持职位搜索、福利条件筛选、本地缓存回看、候选岗位 shortlist 和漏斗统计
- 提供 JD 分析、简历润色、定向优化、匹配、模拟面试和沟通指导等求职增强命令
- 采用 schema 驱动和 JSON 输出信封，适合 CLI、Agent 和 MCP 场景
- 强调投递和沟通回到官网手动完成，合规边界相对清晰
可以重点拆解哪一层结构
基本原理是：通过应用代码或 CLI 接收用户输入，调用大模型、提示词和相关依赖完成分析、对话或报告生成。
- 职位发现：关键词搜索 + 8 维筛选，按编号回看缓存结果 —— search show detail
- 福利筛选（核心差异化）：--welfare "双休,五险一金" 自动翻页补抓、按 AND 逻辑做真实匹配，并可 --sort score 按本地匹配分排序 —— search --welfare
- 本地候选池与统计：查看详情后本地保存
- 用标签和备注复盘候选岗位、离线对比、查看漏斗统计
- 投递与沟通回到官网手动完成 —— shortlist stats watch preset
- AI 求职增强：JD 分析、简历润色、定向优化、候选池匹配、模拟面试、沟通指导 —— ai analyze-jd ai polish ai optimize ai fit ai interview-prep ai chat-coach
- Schema 驱动 + JSON 信封：stdout 只输出 {ok, data, pagination, error, hints} 信封，boss schema 是能力真源，适合 CLI 场景
- Shell Agent
- MCP
- Python SDK
建议谁用，谁先不要用
适合
适合想学习 HR 助手、招聘智能体、多角色智能体或 Copilot 原型的学员、HR 数字化负责人和技术同学。
不适合
不适合希望不读说明文件（README）、不做环境适配、马上用于真实业务的用户。
建议按这个顺序学习
- 先读说明文件、依赖清单和 package 配置，确认运行入口和依赖
- 先用示例数据或模拟数据运行，不接入真实候选人或员工数据
- 观察智能体的输入、处理过程和输出报告三段结构，再决定是否值得课堂演示
依赖提示：可能需要按说明文件（README）安装依赖、配置 API key 或在测试平台导入。
从哪些文件开始看
关键文件
- README.en.md
- README.md
- demo/promo-showcase/README.md
- .devcontainer/devcontainer.json
- extension/manifest.json
- glama.json
工作流文件
- .devcontainer/devcontainer.json
- extension/manifest.json
- glama.json
说明文件信号（README）
- 职位发现：关键词搜索 + 8 维筛选，按编号回看缓存结果 —— search show detail
- 福利筛选（核心差异化）：--welfare "双休,五险一金" 自动翻页补抓、按 AND 逻辑做真实匹配，并可 --sort score 按本地匹配分排序 —— search --welfare
- 本地候选池与统计：查看详情后本地保存
- 用标签和备注复盘候选岗位、离线对比、查看漏斗统计
- 投递与沟通回到官网手动完成 —— shortlist stats watch preset
- AI 求职增强：JD 分析、简历润色、定向优化、候选池匹配、模拟面试、沟通指导 —— ai analyze-jd ai polish ai optimize ai fit ai interview-prep ai chat-coach
下载前需要先知道什么
保持原作者、来源和许可协议信息；使用模拟数据完成学习练习。
GitHub 下载链接：https://github.com/can4hou6joeng4/boss-agent-cli/archive/refs/heads/master.zip