Auto Jobs Applier AI Agent - 申请工作智能代理

最新推荐文章于 2025-05-23 10:18:27 发布

AI小译

最新推荐文章于 2025-05-23 10:18:27 发布

阅读量1.2k

点赞数 30

分类专栏： Github精选文章标签：人工智能 python ai

本文链接：https://blog.csdn.net/2401_89025022/article/details/144057025

版权

Github精选专栏收录该内容

32 篇文章

订阅专栏

关于 Auto_Jobs_Applier_AI_Agent

Auto_Jobs_Applier_AI_Agent 是一个人工智能代理，它使工作申请过程自动化。利用人工智能，它使用户能够以自动化和个性化的方式申请多个工作。

github ：https://github.com/AIHawk-FOSS/Auto_Jobs_Applier_AI_Agent
社区：Telegram (针对普通用户) | [Discord]
创建者: feder-cr , AIHawk联合创始人
由于AIHawk正专注于其专有产品——解决公司招聘问题，目前此项目由一群开源贡献者领导、管理和维护，专注于构建帮助求职者获得应得工作的工具。
项目负责人 / 维护者：surapuramakhil , sarob, cjbbb

正在寻求扩大我们的开源软件（FOSS）维护者团队！如果你来自非技术背景，你可以成为项目管理团队的一员，处理问题分类，并塑造项目。如果你是技术人员，你可以参与代码审查，参与发布，并构建这个产品的更好版本。

在 Discord 联系我们 surapuramakhil

Auto_Jobs_Applier_AIHawk 正在不断发展，您的反馈、建议和贡献非常宝贵。请随时打开问题、提出增强建议或提交拉取请求，以帮助改进项目。让我们共同努力，将 Auto_Jobs_Applier_AIHawk 打造成为全球求职者的强大工具。

简介

Auto_Jobs_Applier_AIHawk是一款前沿的、自动化的工具，旨在彻底改变求职和申请过程。在当今竞争激烈的就业市场中，机会转瞬即逝，这款程序为求职者提供了显著的优势。通过利用自动化和人工智能的力量，Auto_Jobs_Applier_AIHawk使用户能够高效且个性化地申请大量相关职位，最大化他们获得理想工作的机会。

现代求职的挑战

在数字化时代，求职环境发生了巨大的变化。虽然在线平台打开了世界的大门，但也加剧了竞争。求职者往往发现自己花费大量时间浏览列表、定制申请和重复填写表格。这个过程不仅耗时，而且情感上也很耗费精力，导致求职疲劳和错失机会。

Auto_Jobs_Applier_AIHawk：您的个人求职助手

Auto_Jobs_Applier_AIHawk作为应对这些挑战的颠覆性解决方案登场。它不仅仅是一个工具；它是您不知疲倦的、全天候的求职伙伴。通过自动化求职过程中最耗时的方面，它使您能够专注于真正重要的事情——准备面试和发展您的专业技能。

特性

智能求职自动化
- 可定制的搜索标准
- 持续扫描新职位空缺
- 智能过滤以排除不相关列表
快速高效的申请提交
- 一键申请
- 使用您的个人资料信息自动填写表格
- 自动附加文档（简历，求职信）
人工智能驱动的个性化
- 针对雇主特定问题的动态响应生成
- 调整语气和风格以适应公司文化
- 关键字优化以提高申请的相关性
大量管理同时保证质量
- 批量申请功能
- 质量控制措施
- 详细申请跟踪
智能过滤和黑名单
- 公司黑名单以避免不受欢迎的雇主
- 标题过滤以关注相关职位
动态简历生成
- 自动为每个申请创建定制简历
- 根据职位要求定制简历内容
安全的数据处理
- 使用YAML文件安全地管理敏感信息

安装

在以下操作系统上已成功运行：

操作系统：
- Windows 10
- Ubuntu 22
Python版本：
- 3.10
- 3.11.9(64b)
- 3.12.5(64b)

选项1：使用Python虚拟环境

1、下载和安装Python：
确保您已安装最新的Python版本。如果没有，请从Python的官方网站下载并安装它。有关详细说明，请参阅以下教程：

2、下载并安装 Google Chrome：

从官网链接下载并安装最新版本的GoogleChrome。

3、克隆仓库：

git clone https://github.com/feder-cr/Auto_Jobs_Applier_AIHawk.git

cd Auto_Jobs_Applier_AIHawk

4、激活虚拟环境：

python3 -m venv virtual

source virtual/bin/activate

或对于基于Windows的机器

.\virtual\Scripts\activate

5、安装所需的软件包：

pip install -r requirements.txt

选项 2: 使用 Conda

1、安装 Conda:
下载并安装官网链接

或者从Anaconda网站安装Anaconda

2、创建并激活 conda 环境：

# Create new environment
conda create -n aihawk python=3.11

# Activate environment
conda activate aihawk

3、克隆仓库：

git clone https://github.com/feder-cr/Auto_Jobs_Applier_AIHawk.git
cd Auto_Jobs_Applier_AIHawk

4、安装依赖项：

# Install from requirements.txt
pip install -r requirements.txt

配置

1. secrets.yaml

此文件包含敏感信息。切勿分享或提交此文件到版本控制。

llm_api_key: [Your OpenAI or Ollama API key or Gemini API key]

替换为您的OpenAI API密钥以进行GPT集成
要获取API密钥，请按照以下教程操作：https://medium.com/@lorenzozar/how-to-get-your-own-openai-api-key-f4d44e60c327
注意：您需要向OpenAI帐户添加信用才能使用API。您可以通过访问OpenAI计费仪表板来添加信用。
根据OpenAI社区和我们的用户报告，在设置OpenAI帐户并购买所需积分后，用户仍然拥有Free帐户类型。这会阻止他们无限制地访问OpenAI模型，并且每天只允许200个请求。这可能会导致运行时错误，例如：

Error code: 429 - {'error': {'message': 'You exceeded your current quota, please check your plan and billing details. ...}}

{'error': {'message': 'Rate limit reached for gpt-4o-mini in organization <org> on requests per day (RPD): Limit 200, Used 200, Requested 1.}}

您可以在 official page 获得更多信息。

要获得 Gemini API key，访问 Google AI for Devs

2. work_preferences.yaml

此文件定义了您的职位搜索参数和机器人行为。每个部分包含您可以自定义的选项：

remote:[true/false]
- Set to true to include remote jobs, false to exclude them
hybrid: [true/false]
- Set to true to include hybrid jobs, false to exclude them
onsite: [true/false]
- Set to true to include onsite jobs, false to exclude them
experience_level:
- Set desired experience levels to true, others to false
job_types:
- Set desired job types to true, others to false
date:
- Choose one time range for job postings by setting it to true, others to false

positions:

列出你感兴趣的职位，每行一个

Example:

positions:
  - Software Developer
  - Data Scientist

locations:
- 列出您要搜索的位置，每行一个
- Example:
```
locations:
  - Italy
  - London
```
apply_once_at_company: [True/False]
- 设置为True，每家公司仅应用一次，False，每家公司允许多个应用
distance: [number]
- 以英里为单位设置求职半径
- Example: distance: 50
companyBlacklist:
- 列出您想从搜索中排除的公司，每行一个
- Example:
```
companyBlacklist:
  - Company X
  - Company Y
```
titleBlacklist:
- 列出您要避免的职位标题中的关键字，每行一个
- Example:
```
titleBlacklist:
  - Sales
  - Marketing
```

2.1 config.py -自定义LLM模型端点

LLM_MODEL_TYPE
- 选择型号类型，支持：openai/ollama/claude/gemini
LLM_MODEL
- 选择大模型，目前支持：
  - openai: gpt-4o
  - ollama: llama2, mistral:v0.3
  - claude: any model
  - gemini: any model
LLM_API_URL
- LLM模型的API端点链接
  - openai：https://api.pawan.krd/cosmosrp/v1
  - ollama：http://127.0.0.1:11434/
  - claude：https://api.anthropic.com/v1
  - gemini：https://aistudio.google.com/app/apikey
注意：要运行本地Ollama，请遵循此处的指南：Ollama部署指南

3. plain_text_resume.yaml

此文件包含您的简历信息，以结构化格式呈现。请填写您的个人详细信息、教育背景、工作经验和技能。这些信息用于自动填写申请表和生成定制简历。

每个部分都有特定的字段需要填写：

personal_information:
- 此部分包含用于识别您和提供联系信息的个人基本信息。
  - name: 您的名字。
  - surname: 您的姓氏或家族名称。
  - date_of_birth: 您的出生日期，格式为 DD/MM/YYYY。
  - country: 您目前居住的国家。
  - city: 您目前居住的城市。
  - address: 您的完整地址，包括街道和门牌号。
  - zip_code: 您的邮政/ZIP码。
  - phone_prefix: 您电话号码的国际拨号代码（例如，美国为+1，英国为+44）。
  - phone: 您的电话号码，不带国际拨号代码。
  - email: 您的主要电子邮件地址。
  - github: 如果适用，您的GitHub个人资料URL。
  - linkedin: 如果适用，您的LinkedIn个人资料URL。
- 示例

  personal_information:
    name: "Jane"
    surname: "Doe"
    date_of_birth: "01/01/1990"
    country: "USA"
    city: "New York"
    address: "123 Main St"
    zip_code: "520123"
    phone_prefix: "+1"
    phone: "5551234567"
    email: "jane.doe@example.com"
    github: "https://github.com/janedoe"
    linkedin: "https://www.linkedin.com/in/janedoe/"

education_details
- 这一节概述了您的学术背景，包括获得的学位和相关的课程。
  - 学位：获得的学位类型（例如，学士学位，硕士学位）。
  - 大学：您学习过的大学或机构的名称。
  - 最终评估成绩：您的平均成绩点或相当于学术表现的衡量标准。
  - 开始日期：您学习开始的年份。
  - 毕业年份：您毕业的年份。
  - 学习领域：您学习的专业或重点领域。
  - 考试：列出您所修课程或科目及其相应的成绩。
- 示例：

  education_details:
    - education_level: "Bachelor's Degree"
      institution: "University of Example"
      field_of_study: "Software Engineering"
      final_evaluation_grade: "4/4"
      start_date: "2021"
      year_of_completion: "2023"
      exam:
        Algorithms: "A"
        Data Structures: "B+"
        Database Systems: "A"
        Operating Systems: "A-"
        Web Development: "B"

experience_details
- 此部分详细说明您的工作经验，包括工作职位、公司和主要职责。
  - 职位：您的职位或角色名称。
  - 公司：您工作过的公司或组织的名称。
  - 雇佣期间：您在该职位上的雇佣时间段，使用格式 MM/YYYY - MM/YYYY。
  - 地点：公司的所在城市和国家。
  - 行业：公司运营的行业或领域。
  - 主要职责：在职位中拥有的主要职责或任务列表，例如：职责：“使用React和Node.js开发Web应用程序”。
  - 技能获取：通过此职位获得技能或专业知识，例如：“React”。
- 示例：

  experience_details:
    - position: "Software Developer"
      company: "Tech Innovations Inc."
      employment_period: "06/2021 - Present"
      location: "San Francisco, CA"
      industry: "Technology"
      key_responsibilities:
        - responsibility: "Developed web applications using React and Node.js"
        - responsibility: "Collaborated with cross-functional teams to design and implement new features"
        - responsibility: "Troubleshot and resolved complex software issues"
      skills_acquired:
        - "React"
        - "Node.js"
        - "Software Troubleshooting"

projects
- 包含你参与过的显著项目，包括个人或专业项目。
  - 名称：项目的名称或标题。
  - 描述：对项目涉及内容或目的的简要总结。
  - 链接：如果有的话，项目的URL（例如，GitHub仓库，网站）。
- 示例：

    projects:
      - name: "Weather App"
        description: "A web application that provides real-time weather information using a third-party API."
        link: "https://github.com/janedoe/weather-app"
      - name: "Task Manager"
        description: "A task management tool with features for tracking and prioritizing tasks."
        link: "https://github.com/janedoe/task-manager"

achievements
- 突出你获得的重要成就或奖项。
  - 名称：成就的标题或名称。
  - 描述：对成就及其重要性的简要解释。
- 示例：

  achievements:
    - name: "Employee of the Month"
      description: "Recognized for exceptional performance and contributions to the team."
    - name: "Hackathon Winner"
      description: "Won first place in a national hackathon competition."

certifications
- 包含您所获得的所有专业认证。
  - name: “PMP”
    description: “项目管理专业人士认证，由项目管理协会（PMI）颁发”
- 示例：

  certifications:
    - "Certified Scrum Master"
    - "AWS Certified Solutions Architect"

languages:
- 详细说明您会说的语言以及您在每个语言上的熟练程度。
  - language: 语言名称。
  - proficiency: 您的熟练程度（例如，母语，流利，中等）。
- 示例：

  languages:
    - language: "English"
      proficiency: "Fluent"
    - language: "Spanish"
      proficiency: "Intermediate"

interests:
- 提及可能与你的职业生涯相关的专业或个人兴趣。
  - interest: 一份兴趣或爱好列表。
- 示例：

  interests:
    - "Machine Learning"
    - "Cybersecurity"
    - "Open Source Projects"
    - "Digital Marketing"
    - "Entrepreneurship"

availability：
- 陈述您当前的可用工时或通知期。
  - notice_period：您开始新角色所需的时间（例如，“2周”，“1个月”）。
- 示例：

  availability:
    notice_period: "2 weeks"

salary_expectations:
- 提供您期望的薪资范围。
  - salary_range_usd: 您期望的薪资范围，以美元表示。
- 示例：

  salary_expectations:
    salary_range_usd: "80000 - 100000"

self_identification:
- 提供与个人身份相关的信息，包括性别和代词。
  - gender: 你的性别身份。
  - pronouns: 你使用的代词（例如，He/Him, She/Her, They/Them）。
  - veteran: 你是否是退伍军人（例如，是，否）。
  - disability: 你是否有残疾（例如，是，否）。
  - ethnicity: 你的种族。
- 示例：

  self_identification:
    gender: "Female"
    pronouns: "She/Her"
    veteran: "No"
    disability: "No"
    ethnicity: "Asian"

legal_authorization
- 标示您在各个地点工作的法律能力。
  - eu_work_authorization：您是否被授权在欧洲联盟工作（是/否）。
  - us_work_authorization：您是否被授权在美国工作（是/否）。
  - requires_us_visa：您是否需要签证才能在美国工作（是/否）。
  - requires_us_sponsorship：您是否需要担保才能在美国工作（是/否）。
  - requires_eu_visa：您是否需要签证才能在欧洲联盟工作（是/否）。
  - legally_allowed_to_work_in_eu：您是否被法律允许在欧洲联盟工作（是/否）。
  - legally_allowed_to_work_in_us：您是否被法律允许在美国工作（是/否）。
  - requires_eu_sponsorship：您是否需要担保才能在欧洲联盟工作（是/否）。
  - canada_work_authorization：您是否被授权在加拿大工作（是/否）。
  - requires_canada_visa：您是否需要签证才能在加拿大工作（是/否）。
  - legally_allowed_to_work_in_canada：您是否被法律允许在加拿大工作（是/否）。
  - requires_canada_sponsorship：您是否需要担保才能在加拿大工作（是/否）。
  - uk_work_authorization：您是否被授权在英国工作（是/否）。
  - requires_uk_visa：您是否需要签证才能在英国工作（是/否）。
  - legally_allowed_to_work_in_uk：您是否被法律允许在英国工作（是/否）。
  - requires_uk_sponsorship：您是否需要担保才能在英国工作（是/否）。
- 示例：

    legal_authorization:
    eu_work_authorization: "Yes"
    us_work_authorization: "Yes"
    requires_us_visa: "No"
    requires_us_sponsorship: "Yes"
    requires_eu_visa: "No"
    legally_allowed_to_work_in_eu: "Yes"
    legally_allowed_to_work_in_us: "Yes"
    requires_eu_sponsorship: "No"
    canada_work_authorization: "Yes"
    requires_canada_visa: "No"
    legally_allowed_to_work_in_canada: "Yes"
    requires_canada_sponsorship: "No"
    uk_work_authorization: "Yes"
    requires_uk_visa: "No"
    legally_allowed_to_work_in_uk: "Yes"
    requires_uk_sponsorship: "No"

work_preferences
- 指定您对工作安排和条件的要求。
  - remote_work：您是否接受远程工作（是/否）。
  - in_person_work：您是否接受现场工作（是/否）。
  - open_to_relocation：您是否愿意为了工作而搬迁（是/否）。
  - willing_to_complete_assessments：您是否愿意完成工作评估（是/否）。
  - willing_to_undergo_drug_tests：您是否愿意接受药物检测（是/否）。
  - willing_to_undergo_background_checks：您是否愿意接受背景调查（是/否）。
- 示例：

  work_preferences:
    remote_work: "Yes"
    in_person_work: "No"
    open_to_relocation: "Yes"
    willing_to_complete_assessments: "Yes"
    willing_to_undergo_drug_tests: "No"
    willing_to_undergo_background_checks: "Yes"

加上data_folder_example

该data_folder_example文件夹包含一个工作示例，说明如何构建和填写机器人操作所需的文件。此文件夹可作为实际参考，帮助您正确设置求职机器人的工作环境。

内容

在此文件夹中，您将找到密钥文件的示例版本：

secrets.yaml
config.yaml
plain_text_resume.yaml

这些文件已经填充了虚构但真实的数据。它们向您显示要在每个文件中输入的正确格式和信息类型。

使用data_folder_example

使用此文件夹作为指南对以下方面特别有帮助：

了解每个配置文件的正确结构
查看每个字段的有效数据示例
填写个人文件时有一个参考点

使用

0、帐户语言

为确保机器人正常工作，您的帐户语言必须设置为英语。

1、数据文件夹：确保您的data_folder包含以下文件：

secrets.yaml
config.yaml
plain_text_resume.yaml

2、输出文件夹：包含机器人的输出。

data.json–收集模式的结果
failed.json失败的应用程序
open_ai_calls.json所有打给LLM模型的电话
skipped.json的json应用程序
success.json成功的应用程序

注意： answers.json不是输出文件夹的一部分，可以在项目的根目录中找到。它用于存储向用户提出的问题的答案。可用于用更正的答案更新机器人。搜索Select an option，0，Authorized，以及how many years of验证正确答案。

3、运行机器人：

Auto_Jobs_Applier_AIHawk在处理您的pdf简历方面提供了灵活性：

**动态简历生成：**如果您不使用--resume选项，机器人将自动为每个申请生成唯一的简历。此功能使用您的plain_text_resume.yaml文件中的信息，并根据每个特定的工作申请进行定制，通过为每个职位定制简历，可能会增加您成功的机会。

python main.py

使用特定的简历：
如果您想要为所有申请使用特定的PDF简历，请将您的简历PDF放入data_folder目录中，并使用--resume选项运行机器人：

python main.py --resume /path/to/your/resume.pdf

使用colled模式：
如果您只想收集工作数据以执行任何类型的数据分析，您可以使用带有--collect选项的bot。这将把从领英工作职位中找到的所有数据存储在output/data.json文件中。

python main.py --collect

故障排除

1. OpenAI API 速率限制错误

错误信息：

openai.RateLimitError: 错误代码：429 - {‘error’: {‘message’: ‘您已超出当前配额，请检查您的计划和个人信息。有关此错误更多信息，请阅读文档：https://platform.openai.com/docs/guides/error-codes/api-errors。’, ‘type’: ‘insufficient_quota’, ‘param’: None, ‘code’: ‘insufficient_quota’}}

解决方案：

检查您的 OpenAI API 账单设置 https://platform.openai.com/account/billing
确保您已为 OpenAI 账户添加有效的支付方式
注意 ChatGPT Plus 订阅与 API 访问不同
如果您最近添加了资金或升级，请等待 12-24 小时以使更改生效
免费层有 3 RPM 的限制；至少花费 5 美元在 API 使用上以增加

2. 未找到“轻松申请”按钮

错误信息：

异常：未找到可点击的“轻松申请”按钮

解决方案：

确保您已正确登录
检查您针对的职位列表是否确实有“轻松申请”选项
验证 config.yaml 文件中的搜索参数是否正确，并返回带有“轻松申请”按钮的职位
尝试增加脚本的页面加载等待时间，以确保在搜索按钮之前所有元素都已加载

3. 职位申请中信息不正确

问题： 机器人提供的经验、CTC 和通知期数据不准确

解决方案：

更新针对专业经验的提示
在 config.yaml 中添加当前 CTC、期望 CTC 和通知期的字段
修改机器人逻辑以使用这些新的配置字段

4. YAML 配置错误

错误信息：

yaml.scanner.ScannerError : 在扫描简单键时

解决方案：

复制示例 config.yaml 并逐步修改
确保正确的 YAML 缩进和间距
使用 YAML 验证工具
避免不必要的特殊字符或引号

5. 机器人登录但未申请职位

问题： 机器人搜索职位但持续滚动而不申请

解决方案：

检查是否存在安全检查或 CAPTCHA
验证 config.yaml 职位搜索参数
确保您的账户资料符合职位要求
查看控制台输出以查找错误消息

一般故障排除提示

使用脚本的最新版本
验证所有依赖项都已安装并更新
检查互联网连接稳定性
如果问题持续存在，请清除浏览器缓存和Cookies

如需进一步帮助，请在GitHub存储库上创建一个问题，其中包含有关您的问题的详细信息，包括错误消息和您的配置（删除敏感信息）。

结论

Auto_Jobs_Applier_AIHawk 通过自动化和增强求职申请流程，在现代求职市场中提供了显著的优势。凭借动态简历生成和AI驱动的个性化等功能，它提供了无与伦比的灵活性和效率。无论是希望最大化求职成功机会的求职者，还是希望简化申请提交流程的招聘人员，或者是寻求提供更好服务的职业顾问，Auto_Jobs_Applier_AIHawk 都是一个宝贵的资源。通过利用尖端自动化和人工智能技术，这个工具不仅节省了时间，还在当今竞争激烈的职场中显著提高了求职申请的有效性和质量。