岗位采集 · 简历管理 · AI 助手 —— 一个 Chrome 扩展搞定求职全流程

---

背景

找工作是一件重复性极高的事：打开招聘网站 → 搜索岗位 → 逐条查看 → 修改简历 → 投递 → 等反馈。每个环节都有大量手工操作。

作为一个追求效率的开发者，我决定把这个流程自动化。经过两周的开发，做出了 招聘工作台 (JobHunter) —— 一个基于 Chrome 扩展的求职全流程工具。

GitHub: https://github.com/xixiluo95/zhaopin

---

技术架构

整体设计

┌─────────────┐     SSE      ┌──────────────┐     API    ┌──────────────┐
│  Chrome 扩展 │◄────────────►│  Node.js 后端 │◄─────────►│   LLM API    │
│  (MV3)      │              │  (Express)    │           │ (多模型兼容)  │
└──────┬───────┘              └──────┬────────┘           └──────────────┘
       │  Content Script              │  SQLite
       ▼                             ▼
┌─────────────┐              ┌──────────────┐
│  招聘平台    │              │  本地数据库   │
│ Boss / 51Job │              │ (jobs/resume) │
└─────────────┘              └──────────────┘

• 前端：Chrome MV3 扩展，纯 Vanilla JS（~5000 行 dashboard.js），无框架依赖

• 后端：Node.js + Express，端口 7893，30+ API 端点

• 数据库：SQLite，通过 better-sqlite3 同步操作

• AI：OpenAI 兼容协议，支持 8+ 模型供应商

为什么选择 Chrome 扩展？

1. 天然访问招聘网站：Content Script 可以注入到 Boss 直聘页面，直接操作 DOM

2. 无需代理/模拟：利用用户已登录的 Cookie 发起 API 请求，不需要额外的登录模拟

3. 统一工作台：Dashboard 页面作为独立 Tab，既是简历编辑器也是 AI 助手

---

核心模块

1. 岗位采集引擎

这是整个项目中最有挑战性的部分。Boss 直聘有较强的反爬机制，直接高频请求很快会被封。

V2 缓冲策略

经过多次被封的教训，最终设计了一套策略轮转 + 缓冲采集机制：

策略池:
  1. buffer-large     pageSize=30，缓冲后分批处理详情
  2. buffer-medium    pageSize=15，中等粒度
  3. sequential       pageSize=3，保守模式

触发反爬 → 记录断点 → 冷却等待 → 切换下一策略 → 续跑

核心思路是列表请求和详情请求分离：

• 列表接口用大 pageSize 一次拿多个岗位 ID

• 本地维护 pendingBuffer

• 详情接口每次只处理 3 条，间隔 8-11 秒随机延时

• Buffer 用完再翻下一页列表

这样做的好处是减少了列表 API 的调用次数，而列表 API 恰恰是 Boss 反爬最敏感的接口。

去重策略

三级去重，确保不重复抓取：

1. encryptJobId —— Boss 接口返回的加密唯一 ID

2. securityId —— 备用唯一标识

3. title + company + salary 组合哈希 —— 兜底

1. 简历管理

6 套模板引擎

没有使用模板框架，而是纯 JS 生成 HTML。每个模板定义自己的 CSS 变量和布局规则：

const RESUME_TEMPLATES = {
  structured: { name: '经典', primaryColor: '#2563eb', ... },
  timeline:   { name: '时间线', primaryColor: '#059669', ... },
  modern:     { name: '现代', primaryColor: '#7c3aed', ... },
  classic:    { name: '传统', primaryColor: '#1e40af', ... },
  compact:    { name: '紧凑', primaryColor: '#dc2626', ... },
  elegant:    { name: '优雅', primaryColor: '#0d9488', ... },
};

DOCX 解析

用 mammoth.js 将 Word 文档转为 HTML，再通过自定义解析器提取结构化数据（教育经历、工作经验、技能等）。

PDF 导出

通过后端 Puppeteer 渲染 HTML 为 PDF。关键在于 CSS 分页控制：

• page-break-inside: avoid 只用在小元素上（entry 级别）

• section 级别用 auto，避免大段空白

• overflow: visible 而非 hidden，防止内容被裁切

1. AI 助手

结构化编辑协议

最初 AI 编辑简历的方式是全量替换 Markdown，但这会导致格式丢失和内容污染。后来改为 resume_ops 协议：

{
  "tool": "update_resume_ops",
  "args": {
    "resume_ops": [
      { "op": "resume_update_node", "path": "experience.0.items.1", "value": "..." },
      { "op": "resume_set_field", "field": "headline", "value": "..." }
    ]
  }
}

AI 发出结构化操作指令，前端逐条应用到简历数据模型上，实现精准修改而非全量覆盖。

多模型支持

所有 AI 服务商通过 OpenAI 兼容协议接入：

// llm-factory.jsfunction createLLMClient(provider, config) {
  // 智谱、Kimi、DeepSeek、豆包、Groq、SiliconFlow...// 全部走 OpenAI 兼容接口return new OpenAICompatibleProvider(config);
}

用户只需在设置中填入 API 地址、Key 和模型名，无需关心底层差异。

SSE 流式输出

AI 回复通过 Server-Sent Events 实时推送到前端，实现打字机效果：

POST /ai/chat → SSE 连接
→ [token] [token] [token]...
→ [tool_call: update_resume_ops]
→ [done]

深度思考内容在 <think> 标签中传输，前端自动折叠显示。

---

踩过的坑

1. Boss 反爬 code 37

把列表 pageSize 设为 3 后，为了拿 18 条岗位需要连续请求 7 次列表 API，第 7 次就触发了反爬。解决方案：列表用大 pageSize，详情用小批次。

1. Markdown 渲染残留

AI 返回的内容可能包含 加粗、# 标题 等 Markdown 语法，在简历中显示为原始字符。解决方案：在数据入库和渲染前各加一层 sanitize 函数。

1. PDF 分页空白

page-break-inside: avoid 用在大段落上会导致整段跳到下一页，留下大片空白。正确做法是只在小元素（entry 级别）上使用。

1. 配置源冲突

启动时显示 MAX_LIST_PAGE_SIZE=3，controller 同步显示 30，实际运行又是 3。两套配置源没有统一。解决方案：启动时打印 resolved config，全程只用这一份。

---

项目数据

指标	数据
代码量	~12,000 行
后端端点	30+
AI 模型	8 种
简历模板	6 套
采集平台	Boss 直聘 + 51Job
开发周期	~2周

---

安装使用

git clone https://github.com/xixiluo95/zhaopin.git
cd zhaopin && bash scripts/install.sh
cd controller && node server.js
# Chrome → chrome://extensions → 加载 crawler/extension/

详细说明见 README。

---

总结

这个项目从个人需求出发，解决的是每个求职者都会遇到的效率问题。技术栈虽然不复杂（Chrome 扩展 + Node.js + SQLite），但在反爬策略、AI 编辑协议、PDF 渲染这些细节上有不少值得分享的经验。

如果你也在找工作，欢迎试用和 Star ⭐

GitHub: https://github.com/xixiluo95/zhaopin